前言：

最近写爬虫会经常遇到一些验证码识别的问题，现如今的验证码已经是五花八门，刚开始的验证码就是简单的对生成的验证码图片进行一些干扰，但是随着计算机视觉库的 发展壮大，可以轻松解决简单的验证码识别问题，于是一些变态 的验证码就出来了，什么滑动验证码，当然这个也是比较好解决的，用python的selenium库就可以破解一些滑动验证码。可是还出现了一些语音类，点击类的验证码。爬虫与反爬的较量确实越来越精彩了，也挺有趣的！最终促进的是整个行业技术的发展与进步。

今天分享一个可以解决简单验证码识别的代码。

图片:

图像灰度化处理

import cv2 
import numpy as np
img = cv2.imread('./picture/1.jpg')

#将图片灰度化处理,降维,加权进行灰度化c
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('min_gray',gray)

cv2.waitKey(0)

cv2.destroyAllWindows()

效果:

图像二值化处理

t,gray2 = cv2.threshold(gray,220,255,cv2.THRESH_BINARY)
cv2.imshow('threshold',gray2)

cv2.waitKey(0)

cv2.destroyAllWindows()

效果:

8领域过滤

def remove_noise(img,k=4):

  img2 = img.copy()

#   img处理数据，k过滤条件
  w,h = img2.shape
  def get_neighbors(img3,r,c):
    count = 0
    for i in [r-1,r,r+1]:
      for j in [c-1,c,c+1]:
        if img3[i,j] > 10:#纯白色
          count+=1
    return count
#   两层for循环判断所有的点
  for x in range(w):
    for y in range(h):
      if x == 0 or y == 0 or x == w -1 or y == h -1:
        img2[x,y] = 255
      else:
        n = get_neighbors(img2,x,y)#获取邻居数量，纯白色的邻居
        if n > k:
          img2[x,y] = 255
  return img2
result = remove_noise(gray2)
cv2.imshow('8neighbors',result)

cv2.waitKey(0)

cv2.destroyAllWindows()

过滤后的效果:

代码整合：

import cv2 
import numpy as np
img = cv2.imread('./picture/1.jpg')

#将图片灰度化处理,降维,加权进行灰度化c
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
t,gray2 = cv2.threshold(gray,200,255,cv2.THRESH_BINARY)
cv2.imshow('threshold',gray2)
result = remove_noise(gray2)
cv2.imshow('8neighbors',result)

cv2.waitKey(0)

cv2.destroyAllWindows()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持python博客。