验证码识别属于人工智能吗(验证码识别技术)-众学网

『知者不言，言者不知。塞其兑，闭其门；挫其锐，解其纷；和其光，同其尘，是谓玄同。』

——《道德经》第五十六章

近几年来人工智能技术越来越火热，计算机视觉作为人工智能与计算机科学的一个分支，其技术应用也越来越广泛。由于Python语言有很多计算机视觉处理库，所以Python语言是计算机视觉应用开发重要的语言之一。

本文通过网站验证码识别项目介绍计算机视觉技术和相应库的使用。

验证码和验证码识别1）验证码

为了防止计算机程序模拟人登录网站进行一些违规操作，如：恶意注册、刷票、论坛灌水等。网站后台生成一个随机编码，当用户登录时不仅要输入正确的用户名和密码，还要输入正确的编码。这个编码就是验证码，缩写为CAPTCHA（Completely Automated Public Turing test to tell Computers and Humans Apart，全自动区分计算机和人类的图灵测试）。

随着人工智能技术的发展验证码越来越复杂。验证码中不仅有简单的字符，还有汉字、数学运算等，而验证码形式也有多种，不仅有图片还有声音等形式。

2）验证码识别

如果说验证码是“道”，那么验证码识别就是“魔”。验证码与验证码识别就是一对矛盾，他们此消彼长的。验证码识别涉及到的技术很多，但核心技术是图像识别和语音识别等知识。

各个网站生成的验证码各有不同，因此验证码识别过程要具体问题具体分析。为了将本章所学内容用于验证码识别，本节介绍的网站验证码识别是相对比较简单的图片验证码，如图26-8所示。

安装Tesseract引擎和相应库

1）安装OCR引擎Tesseract

Tesseract是一个开源的OCR引擎，可以识别多种格式的图像文件并将其转换成文本，目前已支持60多种语言（包括中文）。

安装成功需要配置环境变量，将Tesseract的安装目录添加到系统的PATH中，如图2-1所示是在Windows 10下添加PATH。

图2-1添加PATH

2）安装pytesseract库

Tesseract既是一个OCR引擎，也是一个OCR工具，读者可以使用tesseract.exe命令工具识别图片中的文字。但是如果要在Python程序代码中调用Tesseract识别图片中的文字，则需要安装pytesseract库。

安装pytesseract库可以使用pip工具，指令如下：

pip install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple其他平台安装过程也是类似的，这里不再赘述。

安装pytesseract库成功后，还需要配置环境。在Python安装路径下Lib\site-packages\pytesseract目录中找到pytesseract.py文件，如图2-2所示。

图2-2添加PATH

修改pytesseract.py文件，主要代码如下：

…try: from PIL import Imageexcept ImportError: import Image# tesseract_cmd = ‘tesseract’ ①tesseract_cmd = r’C:\Program Files\Tesseract-OCR\tesseract.exe’ ② numpy_installed = find_loader(‘numpy’) is not Noneif numpy_installed: from numpy import ndarray…

首先找到代码第①行tesseract_cmd = ‘tesseract’修改为代码第②行所示内容。tesseract_cmd是指向Tesseract引擎中的tesseract.exe文件。

3）安装pillow库

安装pillow库可以使用pip工具，指令如下：

pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple其他平台安装过程也是类似的，这里不再赘述。

验证码识别代码实现

验证码识别过程分为两个阶段：图像处理和图像识别。

1）图像处理

图像处理包括灰度化、二值化、降噪、切割和归一化等。在图像识别、验证等处理时，需要对图像进行灰度化后再进行二值化处理。图像灰度化是将3个颜色通道的原始图像（如图3-1(a)）变为1个通道的灰度图像（如图3-1(b)所示），灰度图像虽然只有一个颜色通道，但灰度取值是0~255连续的整数。图像二值化就是将图像上像素点的灰度值重新设置为0或255两个极端值，二值化后的图像只有黑和白的视觉效果，如图3-1(c)所示。降噪是减少图像中的干扰因素，包括：随机颜色字符、随机颜色背景、干扰线、干扰点等，事实上二值化也是为了降噪，二值化可以取出颜色差别比较大的干扰线和干扰点。切割是从图像中切割出单个的字符图像，这是为了便于识别处理。归一化是将切割后的图像调整为相同大小的图像，这是也为了便于识别处理。

(a)彩色图像（原图）

(b) 灰度图像 (c)二值化图像

图3-1 灰度图像和二值化图像

2）图像识别

图像识别包括特征提取、训练和识别。这个过程一般可通过机器学习或深度学习算法进行，但本例中Tesseract引擎可以完成识别过程。实现代码如下：

# coding=utf-8# 代码文件：code/chapter26/26.4项目实战/ch26.4.6.pyimport cv2import pytesseract as tessfrom PIL import Imageimport matplotlib.pyplot as plt# 设置中文字体plt.rcParams[‘font.family’] = [‘SimHei’]# 1.读取图片src_image = cv2.imread(“./captcha_img/test2.png”) ①# 2.转为灰度化图像gray_image = cv2.cvtColor(src_image, cv2.COLOR_BGR2GRAY) ②# 3.转为二值化图像th_image = cv2.adaptiveThreshold(gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 21, 1) ③ pil_image = Image.fromarray(th_image) ④# 转文本显示text = tess.image_to_string(pil_image) ⑤print(text.replace(‘ ‘, ”))titles = [‘原始图像’, ‘灰度图像’, ‘二值化图像’] ⑥images = [src_image, gray_image, th_image]for i in range(3): plt.subplot(3, 1, i 1) plt.imshow(images[i], ‘gray’) ⑦ plt.title(titles[i])plt.tight_layout() # 调整布局plt.show() # 显示图像 ⑧

上述代码第①行~第③行是图像的处理过程，其中代码第②行是图像灰度化处理。代码第③行是图像二值化处理过程，其中采用自适应阈值进行二值化处理。

代码第④行、第⑤行是图像的识别过程，其中代码第④行从NumPy数值对象th_image创建PIL中的Image图像对象。代码第⑤行使用pytesseract 中image_to_string()函数识别图像中的字符。

为了看到比较处理过程中不同阶段的图像，代码第⑥行~第⑧行将多个图像显示到一个窗口中。

上述示例程序运行后在控制台中输出识别文字是：

qYwpN并在窗口中显示如图3-2所示图像。