如何从复杂验证码中提取数字

Question

我正在尝试解析下图的验证码

哦！https://ibb.co/35X723J

我试过使用tessaract

data = br.open(captchaurl).read()
b = bytearray(data)
save = open(filename, 'wb')
save.write(data)
save.close()
ctext= pytesseract.image_to_string(Image.open(filename))

Answer 1

选项1:

我认为使用Pytesseract应该可以解决这个问题。我试用了你的代码，当我输入到pytesseract时，它给出了以下结果：

输入图像：

输出：

print(ctext)
 '436359 oS'

我建议你不要把整页的url作为pytesseract的输入。取而代之的是，将确切的图像url设为“https://i.ibb.co/RGn9fF5/Jpeg-Image-CS2.jpg”，它将只接收图像。你知道吗

对于输出中额外的“oS”字符，您可以执行字符串操作来切掉输出中除数字以外的字符。你知道吗

re.sub("[^0-9]", "", ctext)

选项2:

你也可以使用谷歌的OCR来实现这一点，它会给你准确的结果而不会出错。虽然我已经向您展示了它的web界面，但是google有很好的python库，您可以通过python本身来实现这一点。看起来像这样：

Answer 2

这里有一个解决方法。你需要清除一点图像，但你不会得到一个完美的结果。请尝试以下操作：

try:
    from PIL import Image
except ImportError:
    import Image
import pytesseract
import cv2

file = 'sample.jpg'

img = cv2.imread(file, cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img, None, fx=10, fy=10, interpolation=cv2.INTER_LINEAR)
img = cv2.medianBlur(img, 9)
th, img = cv2.threshold(img, 185, 255, cv2.THRESH_BINARY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (4,8))
img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imwrite("sample2.jpg", img)


file = 'sample2.jpg'
text = pytesseract.image_to_string(file)
print(''.join(x for x in text if x.isdigit()))