Python验证码上的图像处理如何去噪

Question

我对图像处理很陌生，我想做的是清除验证码中的噪音；

对于验证码，我有不同类型的：

对于第一个，我所做的是：

首先，我将每个非黑色像素都转换为黑色。然后，我从图像中找到了一个噪声图案并将其删除。对于第一个验证码，很容易清除它，我找到了带有tesseract的文本。

但是我正在寻找第二个和第三个的解决方案。

这会怎样？我的意思是清除它的可能方法是什么？

这是我删除模式的方式：

def delete(searcher,h2,w2):
    h = h2
    w = w2
    search = searcher
    search = search.convert("RGBA")
    herear = np.asarray(search)
    bigar  = np.asarray(imgCropped)

    hereary, herearx = herear.shape[:2]
    bigary,  bigarx  = bigar.shape[:2]

    stopx = bigarx - herearx + 1
    stopy = bigary - hereary + 1

    pix = imgCropped.load()

    for x in range(0, stopx):
        for y in range(0, stopy):
            x2 = x + herearx
            y2 = y + hereary
            pic = bigar[y:y2, x:x2]
            test = (pic == herear)
            if test.all():
                for q in range(h):
                    for k in range(w):
                        pix[x+k,y+q] = (255,255,255,255)

对不起变量名，我只是在测试功能。

谢谢..

Answer 1

这是我所能得到的：

您可能知道 medianBlur 函数，该函数在每个核中找到中值并将该值代入核的中心。我们可以做类似的事情，但不是中位数，而是使用最大值然后是最小值。也有中值模糊，我得到了一些结果。我知道它们并不完美，但我希望它能给你一些想法（你可以调整输入图像和内核的大小，它可能会使结果更好一点）。

我现在没有安装 python，所以我分享我使用过的确切 C++ 代码：

Mat im1 = imread("E:/1/3.jpg", 0);
Mat im2, im3;

im2 = Mat::zeros(im1.size(), CV_8U);
for (size_t i = 1; i < im1.rows-1; i++)
{
    for (size_t j = 1; j < im1.cols-1; j++)
    {
        double minVal, maxVal = 0;
        minMaxIdx(im1(Rect(j - 1, i - 1, 3, 3)), &minVal, &maxVal);
        im2.at<uchar>(i, j) = maxVal;
    }
}

imshow("(1) max bluring", im2);

medianBlur(im2, im2, 3);

imshow("(2) median bluring", im2);

im2.copyTo(im1);

im2 = Mat::zeros(im1.size(), CV_8U);
for (size_t i = 1; i < im1.rows - 1; i++)
{
    for (size_t j = 1; j < im1.cols - 1; j++)
    {
        double minVal, maxVal = 0;
        minMaxIdx(im1(Rect(j - 1, i - 1, 3, 3)), &minVal, &maxVal);
        im2.at<uchar>(i, j) = minVal;
    }
}

imshow("(3) min bluring", im2);

Mat tmp;
double st = threshold(im2, tmp, 10, 255, THRESH_OTSU);
threshold(im2, im2, st + 14, 255, THRESH_BINARY_INV);
//dilate(im2, im2, Mat::ones(3, 3, CV_8U));

imshow("(4) final", im2);

waitKey(0);

顺便说一句，在这种情况下，像 YOLO 和 RCNN 这样的深度学习方法是最好的方法。也试试吧。

Answer 2

您可以使用opencv 库进行图像处理。非常有用 be this opencv documentation page。然后尝试通过 findCountour 方法提取您的号码，例如：

import cv2 
import numpy as np 

image = cv2.imread('C:\E0snN.png')
cv2.waitKey(0) 

# Grayscale 
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 
gray = cv2.bitwise_not(gray)

# Threshold
ret,thresh = cv2.threshold(gray,150,255,1)
# Get countours
contours,h = cv2.findContours(thresh,1,2)
# Draw
cv2.drawContours(image, contours, -1, (0, 255, 0), 3) 
cv2.imshow('Contours', image) 
cv2.waitKey(0)

cv2.destroyAllWindows()

之后有如下结果：

它远非完美，但如果您尝试使用不同的阈值，例如:

ret,thresh = cv2.threshold(gray,127,255,1)

你可以获得更好的结果。

Answer 3

这是我的解决方案，

首先我得到了背景图案（在油漆上手工编辑）。来自：

之后，我创建了一个空白图像来填充图案和图像之间的差异。

img = Image.open("x.png").convert("RGBA")
pattern = Image.open("y.png").convert("RGBA")

pixels = img.load()
pixelsPattern = pattern.load()

new = Image.new("RGBA", (150, 50))
pixelNew = new.load()

for i in range(img.size[0]):
    for j in range(img.size[1]):
         if(pixels[i,j] != pixelsPattern[i,j]):
             pixelNew[i,j] = pixels[i,j]

new.save("differences.png")

区别如下..

最后，我添加了模糊并清除了不是黑色的位。

结果：

pytesseract 的结果是 2041，这张图片是错误的，但一般率在 %60 左右。

Python验证码上的图像处理如何去噪

Python Image Processing on Captcha how to remove noise

python

image-processing

ocr

tesseract

captcha