标签：插件 TURING 验证码 lists 正确率 字库 识别 data

识别验证码一直是本人想要做的事情，一直在接触按键精灵，了解到有一个虹鱼图灵识别插件专门做验证码和图像识别，原理就是图片处理和制作字库识别，制作字库我一直觉得很麻烦，工程量太大。不管怎样，它能用能达到我的目的，并且比机器学习，opencv是要简单点，那我就讲讲这个虹鱼图灵识别插件。

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：1097524789

先亮一下成果勾引，嘿嘿​

​

一.收集验证码图片。
就找一个最常见的蓝奏云的下载输入的验证码。fiddler抓一下，说一下这个验证码特征，都是数字，1-4个数字，没有旋转，没有在一行，有干扰直线，有干扰点。
​ ​



找到链接了，接下来写代码，这个验证码图片接口，没有任何反爬。新建一个save_img.py，新建两个文件夹，一个做字库，一个做验证集。一个100张。先爬两百张图片。

import requestsurls = "https://vip.d0.baidupan.com/file/imagecode.php" for i in range(100):    datas = requests.get(urls)    with open('./verify/'+str(i)+'.png', 'wb') as file:        file.write(datas.content)

二.处理图片，制作字库
预先说明，虹鱼图灵识别插件跟大漠一样，只能用32位的python调用，建议用conda新建python3.7 32位的python虚拟环境，cmd进入环境安装相关包，不要在pycharm安装。
虹鱼图灵识别插件需要事先注册到系统，下载图灵2.82(Python公开版),里面有安装教程，本人测试的系统为win10。

import TURINGimport easyguiimport cv2 def identi(names):    img_data = "./pic/"+str(names)+".png"    TURING.Pixel_FromPicture(img_data)    im = cv2.imread(img_data)     #切割图片，保留有效的图片    im = im[0:30, 0:99]    TURING.Filter_Tailor(0,0,99,30)     #色调分离，将整个图片的颜色分为几种。下面的函数将图片分成四种颜色分别为：0，85，170，255。将每一个点的rgb平均值放到四个区间对比。这四个区间为：0-64，64-128，128-192，192-255。落在每个区间就会固定一个颜色值，方便后面的图像处理    TURING.Filter_Posterization(4)     #二值化，其中的参数是色阶阈值，色阶阈值：一个点分为rgb三个值，三个值的平均值为阈值。该函数的作用就是遍历图像的每一个点的rgb平均值改变点的颜色，大于阈值为白色。小于阈值为黑色，现在设置阈值为95，处理后就会变成黑白色的图片了。    TURING.Filter_Binaryzation("95")      #去除杂点，现在是白底黑字，每个像素点周围一共8个点。周围大于8个白点是就由白变黑 ，作用就是去除孤立的颜色点    TURING.Filter_Despeckle(8,0,0)     #颜色反转 转前白底黑字 转后黑底白字，只有黑底白字才能进行字符切割。    TURING.Filter_InverseColor()      #范围投影字符切割，最重要的一步，非常难解释。为插件作者独创的算法，简单的说一下大概的内容，如有人想仔细了解可以问作者哈哈。作用就是找到切割验证码的字符，识别有几个字符，字符的范围和位置    #现在是黑底白字的图片，以每一个白点为一个字符范围起始点。字符范围为一个矩形，需要一个终点才能圈成一个矩形，从上往下从左往右遍历找终点，第一步就是识别这个白点的右下角的颜色如果也是白色，终点往下移动，（高度+1），如果是黑色，终点就要往右下角移动（高+1，宽+1），直到遇到图片的边缘或者超过设置的间隙。    #这时候要注意一个字可能会被切成两个部分，就要设置行间隙和列间隙。下面根据实际情况设置最小的行间隙和列间隙就是8，字符之间的间隔最少为8个像素，还可以设置其他的参数，比如矩形框的宽高范围，不在范围的框框抛弃    TURING.Incise_ScopeAisle(8,8)     #获取切割后的数据，返回值是字符串比较长，每个框的数据以竖杠分割，其中一个框的数据有四个，分别是左上角的左边，宽高，图色数据以逗号分割，拿两个点的数据给大家看看    #8, 13, 8, 10, 00111111000111110110110001000110001000011000100000110011001101100111100000001100 | 30, 11, 8, 10, 00110000000011000110100001001110000100011000000001110010001101011011100001101100    datas = TURING.Incise_GetCharData()     # add_num这是要在opencv画框的边缘扩充参数，下面会用插件的捕获到框框数据绘制大一点的框框来制作字库，好看一点    add_num = 3     if len(datas)>0:        datas_list = datas.split("|")        for j in datas_list:            data_lists = j.split(",")            x1 =int(data_lists[0])-add_num  #左上角的x坐标            y1 = int(data_lists[1])-add_num  #左上角y坐标            x2 = int(data_lists[0]) +int(data_lists[2])+add_num  #框的宽            y2 = int(data_lists[1])+int(data_lists[3])+add_num  #框的高            cv2.rectangle(im,(int(x1),int(y1)),(int(x2),int(y2)),(255,0,255),1)  #绘制框框        im = cv2.resize(im, None, fx=2.5, fy=2.5, interpolation=cv2.INTER_CUBIC)  # 图太小了，需要宽高各乘以2.5来看下这个图以便人工识别这个图的数字是多少        cv2.imshow("draw_0", im)        cv2.moveWindow("draw_0", 800, 300)  # 移动显示图片的窗口，因为默认的位置遮挡了下面的输入弹窗        #统计识别的字符个数        data_len = len(datas_list)                 #弹窗显示原始验证码，显示验证码的个数，输入框人工输入数字        input_data = easygui.enterbox(msg="请输入" + str(data_len) + "个字符添加进入字库：", title=' ', default=' ', strip=True,                                      image=img_data, root=None)         for k in range(data_len):            # 组装字库的内容            data_lists = datas_list[k].split(",")            #制作字库            insert_data = input_data[k] + "|" + data_lists[2] + "," + data_lists[3] + "|" + data_lists[4]            #添加字库数据进入字库文件            print("插入数据："+input_data[k] + "|" + data_lists[2] + "," + data_lists[3] + "|" + data_lists[4]  )            with open("识别库1.lib", 'a+') as f:                f.write(insert_data + "\n")        #关闭所有opencv创建的窗口        cv2.destroyAllWindows()    else:         return #遍历所有的验证码for i in range(100):    identi(i)

​


三.来验证，算一下正确率

import TURINGimport easyguidef identifys(names):    #打开图片，同样的处理图片    TURING.Pixel_FromPicture("./verify/" + str(names) + ".png")    TURING.Filter_Tailor(0, 0, 99, 30)    TURING.Filter_Posterization(4)    TURING.Filter_Binaryzation("95")    TURING.Filter_Despeckle(8, 0, 0)    # 颜色反转 （）转后黑底白字，转前白底黑字    TURING.Filter_InverseColor()    TURING.Incise_ScopeAisle(8, 8)    TURING.Lib_Load("识别库1.lib")  #加载识别字库    识别结果 =TURING.OCR(0, 1)  #获取识别结果，可以设置结果格式，可以显示相似度，和x，y坐标等等。是一个字符串，以|分割，    result =识别结果.split("|")[0]    #来个弹框来肉眼证明结果的准确性    choices_data = easygui.ccbox(msg='识别结果是'+result, title=' ', choices=('True', 'false'), image="./verify/" + str(names) + ".png")    return choices_datasuc = 0for i in range(100):    res = identifys(i)    if res:        #统计正确的数量        suc =suc+1print(suc)

运行的效果就是本贴第一个图

​

GitHub链接：https://github.com/koala9527/lanzouyun_Code

最后总结：

弄完了贼有成就感，这种验证码还是有很多地方在用的，PHP框架里面好多项目都用这种验证码，最主要还是要了解图像处理的原理才会融会贯通，要继续学习继续努力，验证码越来越难了。
这还是一个简单的测试版本，验证了100个图片正确了91个，有的人眼分的不是很清楚，已经很可以了如果还想提高准确度，可以再加一些字库，或者更换图片处理方式，或者修改人眼识别库的错误等等。感谢大家的欣赏，多多关注评论点击在看，才是我继续下去的动力，哈哈​

标签：插件,TURING,验证码,lists,正确率,字库,识别,data
来源： https://www.cnblogs.com/shann001/p/13049292.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。