字符验证码识别补充

发表于 | 分类于

Python的PIL库

python imaging library是Python平台的图像处理标准库，我们在图像处理时不仅可以使用opencv，PIL也是可以的。

1
2
3
4
5
6
7
8
9
10
from PIL import Image

# 打开图片
img = Image.open("123.jpg")
# 获取宽、高
width, height = img.size()
# 获取像素值
r, g, b = img.getpixel((15, 9))
# 保存图片
img.save('456.png')

PIL还可以做图片剪裁，模糊等其他操作，并且PIL还可以打开opencv打不开的图片;

我曾遇到过使用opencv打开为None，而使用PIL可以打开的图片，但是使用PIL保存会提示：cannot write mode P as JPEG。

后查资料发现，PIL模块打开图片分为以下模式：

1
2
3
4
5
6
7
8
9
1             1位像素，黑和白，存成8位的像素
L             8位像素，黑白
P             8位像素，使用调色板映射到任何其他模式
RGB           3×8位像素，真彩
RGBA          4×8位像素，真彩+透明通道
CMYK          4×8位像素，颜色隔离
YCbCr         3×8位像素，彩色视频格式
I             32位整型像素
F             32位浮点型像素

可以先将模式为P的图片先转化为RGB模式再保存。

1
2
3
4
5
# 查看模式
print(img.mode)
# 转换模式
img = img.convert("RGB")
img.save("456.png")

因为PIL在处理像素方面比较方便，而opencv在模糊处理等方面更为便捷，所以经常可能需要两者联合使用，这里记录一种两种对象互相转换的方式（不用保存文件做中转）

  • PILImage直接读取二进制流

    1
    2
    3
    4
    5
    from PIL import Image
    from io import BytesIO

    # image_content是图片的二进制流
    img = Image.open(BytesIO(image_content))

  • OpenCV cv2直接读取二进制流

    1
    2
    3
    4
    import cv2
    import numpy as np

    img = cv2.imdecode(np.frombuffer(image_content, np.uint8), cv2.IMREAD_COLOR)

  • 将Image对象转换为二进制流

    1
    2
    3
    4
    5
    6
    7
    from PIL import Image
    from io import BytesIO 

    out = BytesIO()
    # img是Image对象
    img.save(out, format="JPEG")
    image_content = out.getvalue()

  • 将cv2对象转换为二进制流

    1
    2
    3
    4
    import cv2

    res, out = cv2.imencode('.jpg', img)
    image_content = out.tobytes()

掌握了上面四种技巧，就可以直接将任一种对象转换为二进制流，再以二进制流的形式读取即可。

验证码数据增强

通常在使用神经网络识别图像时，可以对图片进行翻转、平移、缩放、旋转等一系列操作以达到扩充数据集的目的，虽然对于验证码也可以使用类似的方式来扩充数据集，但是具体操作方式与普通图像有一定的区别，一般图像可能是识别一整个物体之类的，而验证码需要识别其中的数个字符（一般为4~6个），首先翻转平移之类的操作就不适合验证码，例如6翻转变成了9，这将会对模型训练起到反作用，平移也可能导致丢失字符；缩放和旋转是可以对验证码进行的操作，但是幅度不宜过大，不同的验证码图片即便字符大小有区别，应该也是很微小的，并且验证码字符常常有倾斜的可能，但是我们也不宜将其倾斜幅度过大，否则也有可能将一个倾斜的6变成一个倾斜的9。

数据增强一般用于训练数据不足的情况，当训练数据比较充足时，使用数据增强提升可能很小。

1
2
3
4
from keras.preprocessing.image import ImageDataGenerator

# 旋转10度，缩放0.05
train_datagen = ImageDataGenerator(rotation_range=10, zoom_range=0.05)

验证码图片去除干扰线

像上面这种形式的验证码，有比较明显的干扰线，并且大部分的干扰线有个明显的特征，颜色比验证码字符的颜色更鲜艳一些，所以可以考虑根据像素值分布来去除绝大部分的干扰线，windows自带的画图软件有个很好用的功能叫“颜色选取器”，使用方式如下：

点击箭头指向的选项：

然后将鼠标放到你选取的图片的某个区域处，再点击颜色编辑，就可以看到这个颜色的RGB 值

以下是我简单看了一些颜色的RGB值：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 干扰线的颜色
# 绿色 [51, 255, 51]
# 嫩绿色 [153, 213, 51]
# 深绿色 [51, 85, 51]
# 黄色 [255, 255, 102]
# 棕色 [102, 43, 51]
# 粉红色（较亮） [255, 0, 153]
# 粉红色（较暗） [204, 85, 102]
# 橙色 [204, 85, 0]
# [51, 85, 204]

# 验证码的颜色
# 深蓝色 [0, 0, 255]
# [51, 0, 204]
# [102, 43, 102]
# [102, 0, 102]
# [102, 0, 51]

经过观察，很容易发现大多数情况下，干扰线的颜色R和G的值比较大，而验证码字符的颜色B的值较大（或者至少可以说验证码字符的R和G的值比较小），那只要找到这样一个分界值，就可以把干扰线去掉了。我这里找个一个粗略的边界值，展示一下代码实现方式：

1
2
3
4
5
6
7
8
9
10
11
12
def process_img(img_list: list, img_path: str):
    for img in img_list:
        path = f'{img_path}{img}'
        image = Image.open(path)
        for i in range(image.size[0]):
            for j in range(image.size[1]):
                r, g, b = image.getpixel((i, j))
                # 将部分像素值变为纯白色
                if r > 110 or g > 100:
                    image.putpixel((i, j), (255, 255, 255))

        image.save(f'img_new/{img}')

麻瓜库

最近开源了一个白嫖的OCR库，可以用来识别单行的印刷体文字或者验证码字符，具体查看官方文档，我有使用它测试上面那种验证码字符的识别准确率，简单写下过程：

安装：pip install muggle-ocr

使用：

1
2
3
4
5
6
7
import muggle_ocr

# model_type 可选: [ModelType.OCR, ModelType.Captcha]
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
# 预测
text = sdk.predict(image_bytes=captcha_bytes)
print(text)

直接使用这个麻瓜库的识别准确率在0.64左右，但是经过我上面的干扰线处理，准确率可以提升至0.85左右，然后我自己的模型却只能达到0.75……