Python 爬虫新手教程：破解验证码技术，识别率高达百分之80！-优快云博客

本文详细介绍了使用Python的Pillow和pytesseract模块处理验证码的步骤，包括灰度处理、二值化、去噪以及识别过程。通过算法，实现了数字加字母验证码80%以上的识别率，数字类图片识别率更是达到100%。文章还提供了完整的Python代码示例。

本文将具体介绍如何在Python中利用Tesseract软件来识别验证码（数字加字母）。

我们在网上浏览网页或注册账号时，会经常遇到验证码（CAPTCHA）,如下图：

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来识别上述验证码（数字加字母）。

Python资源共享群：484031800

我们识别上述验证码的算法过程如下：

将原图像进行灰度处理，转化为灰度图像；
获取图片中像素点数量最多的像素（此为图片背景），将该像素作为阈值进行二值化处理，将灰度图像转化为黑白图像（用来提高识别的准确率）；
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；
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（共66张图片）：

完整的Python代码如下：

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 = defaultdict(int)
    # 像素及该像素出现次数的字典
    rows, cols = image.size
    for i in range(rows