删除验证码背景

Question

我进入了一个验证过的网站，我想摆脱。这是一些示例图像

由于背景是静态的，而且文字是如此计算机生成的非扭曲字符，我相信这是非常能干的。因为将图像直接传递给Tesseract（OCR引擎）并没有得到肯定的结果。我想删除OCR之前的验证码背景。在

我使用Python-PIL尝试了多种背景删除方法

1. 删除所有非黑色像素，这会删除线条，但不会删除小的实心黑框。在
2. 应用提到的过滤器another StackOverflow post，这不会删除小的实心黑盒。而且它的效果不如方法1。在

方法1和方法2会给我一个这样的图像

它看起来很近，但Tesseract无法识别字符，即使在删除了顶部和底部的点行之后。在

1. 创建背景遮罩，并将背景遮罩应用于图像。在

这是面具图像

这是一张蒙版去除灰线的图像

然而，盲目地应用这个掩码会在验证码字符中产生一些“白洞”。但泰瑟拉克还是没能找出字眼。在

有没有更好的方法去除静态背景？在

最后，我如何将过滤后的图像分割成6个单字符图像？非常感谢。在

Answer 1

我可以给你一些想法试试看。在

在应用了步骤3之后，您可以使用PIL来加厚图像中的黑色边缘，以便填充白洞。我猜你用的是python tesseract。如果是，请参考https://code.google.com/p/python-tesseract/wiki/CodeSnippets中的示例4

为了提取字符，可以引用Numpy PIL Python : crop image on whitespace or crop text with histogram Thresholds。有一些方法是通过分析图像的直方图来确定空白的位置，从中可以推断出边界。在