蓝奏云数值验证码识别，python调用虹鱼图灵识别插件，超高正确率

Posted 2021-04-06 土味工程师

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。
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 + "
") #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

以上是关于蓝奏云数值验证码识别，python调用虹鱼图灵识别插件，超高正确率的主要内容，如果未能解决你的问题，请参考以下文章

Python字符型验证码识别

Python——pytessercat识别简单的验证码

python使用tesseract-ocr完成验证码识别

字符型验证码识别

python下调用pytesseract识别某网站验证码

python识别验证码