Python项目实战篇之常用验证码标注&识别(数据采集/预处理/字符图切割），

Python项目实战篇之常用验证码标注&识别(数据采集/预处理/字符图切割），

大家好，我是Snowball。

一、前言

上一篇文章小编给大家讲解了需求分析和实现思路，Python项目实战篇——常用验证码标注和识别(需求分析和实现思路)，这篇文章继续沿着上一篇文章的内容，给大家讲解下数据采集/预处理/字符图切割内容。

二、数据采集

数据采集：根据图片验证码链接进行批量下载图片，最开始时下载个20张先进行手动改文件名进行标注，下载这块代码编写不难，这里不贴代码了，见image_download.py文件。

三、预处理

预处理：根据需求分析中的字符切割描述，针对笔者的图片验证码案例情况，需要先进行常规验证码图片预处理，预处理通过OpenCV库实现，处理过程为：

原始图->灰度图->中值滤波->二值化->轮廓检测绘制(部分情况才可以加)->字符切割填充 

大概过程功能简单描述如下，详细原理可以参考OpenCV相关文章和视频，引用链接：

[3.OpenCV文章专栏](https://blog.csdn.net/yukinoai/category_9283880.html) 
[4.OpenCV-Python视频](https://www.bilibili.com/video/BV1tb4y1C7j7) 

原始图(RGB)转灰度图：去除颜色信息，减少图片大小，单通道值方便滤波处理。读者可以脑洞一下，不去除颜色信息，能提取到指定字符颜色的轮廓吗?

灰度图中值滤波：进行噪音去除，取中间像素平均值

二值化：只留下0、255二种值，方便轮廓检测

轮廓检测：这一步主要用于提取字符轮廓矩形坐标，不适合字符挨得特别紧的情况

字符切割填充：根据生成的字符轮廓图片矩形坐标进行切割再填充对齐到指定宽高

具体执行效果如下：

下面是预处理过程部分核心代码，详细代码见image_split.py文件。

def pre_process_image(img, file_name): 
    # 去除边缘 
    img = img[2:-2, 2:-2] 
    # print(img.shape) 
 
    #得到灰度图 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    # show("gray", gray) 
 
    #去除噪音 
    blur = cv2.medianBlur(gray, 3) 
    # show("blur", blur) 
 
    temp = gray.mean().item() 
    #二值化 
    ret, threshold = cv2.threshold(blur, temp, 255, cv2.THRESH_BINARY) 
    # show("threshold", threshold) 
 
    #保存二值化图片 
    if IS_SAVE_FILE: 
        cv2.imwrite(DST_IMG_DIR + file_name + "_threshold.png", threshold) 
    return threshold 

执行图片预处理程序后具体效果图1-3如下：

轮廓检测绘制结果1：

根据图片轮廓进行字符切割结果2：

根据字符切割图片进行文件分类结果3：

以上就是字符图片切割的全部过程了，核心过程代码如下：

def split_image(file_path): 
    file_name = get_file_name(file_path) 
    img = read_image(file_path) 
 
    #验证码预处理 
    threshold = pre_process_image(img, file_name) 
 
    #查找轮廓边界列表 
    contours = find_counters(threshold) 
 
    #过滤合适的轮廓矩形列表 
    rect_list,result_rect = get_filter_rect(contours, img, file_name) 
 
    #分割矩形图片 
    return split_rect_img(file_path, threshold, rect_list, result_rect) 

详细代码可以阅读源码，这里说一下这个过程中笔者编写预处理代码遇到的几个问题：

以上就是数据采集/预处理的实现过程了，这里稍微说下学习OpenCV相关知识过程的情况，笔者是采用文章+视频间断性学习，大概是20-40个小时左右，然后再开始写具体字符图片切割的代码，读者可根据自己的时间安排学习速度，建议工具类的东西是快速学习，现学现用。好的，接下来介绍高效率、可复用的通用图片验证码数据标注功能实现。

四、总结

我是Snowball。上一篇文章给大家分享了，Python项目实战篇——常用验证码标注和识别(需求分析和实现思路)，这篇内容主要讲解了常用验证码标注&识别的数据采集/预处理的实现过程。下一篇文章，小编给大家介绍高效率、可复用的通用图片验证码数据标注功能实现。

小伙伴们，快快用实践一下吧!如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。