网络图像的文本识别（阿里天池竞赛）

实验目的

本文将具体介绍如何利用Python的图像处理模块pillow和OCR模块pytesseract来识别平常生活中我们所见到的验证码（数字加字母）。

实验步骤

我们识别上述验证码的算法过程如下：

1. 首先我们先将原图像进行灰度处理，就是我们所选择的验证码图片转化为灰度图像；

2. 然后获取图片中像素点数量最多的像素（此为图片背景），以此图片像素设置阈值，采用扫描的方法消除图像中差值小于阈值的颜色，对此图像进行二值化处理，将灰度图像转化为黑白图像（用来提高识别的准确率）；

3. 最后去掉黑白图像中的噪声，噪声定义为：以该点为中心的九宫格的黑点的数量小于等于4；

4. 利用pytesseract模块识别，去掉识别结果中的特殊字符，获得识别结果。
   我们的图片如下，这里我们将图片放在一张图片上（共9张图片）：
   

   import os
   import pytesseract
   from PIL import Image
   from collections import defaultdict

tesseract.exe所在的文件路径

pytesseract.pytesseract.tesseract_cmd = ‘C://Program Files (x86)/Tesseract-OCR/tesseract.exe’

获取图片中像素点数量最多的像素

def get_threshold(image):
    pixel_dict = def