OpenCV入门之获取验证码的单个字符（二）
在文章 OpenCV入门之获取验证码的单个字符（字符切割）中，介绍了一类验证码的处理方法，该验证码如下：
该验证码的特点是字母之间的间隔较大，很容易就能提取出其中的单个字符。接下来，笔者将会介绍如何在另一种验证码中提取单个字符的方法。
测试的验证码来源于某个账号注册的网站，如下：
笔者一共收集了346张验证码。我们可以看到，这些验证码的特点是：噪声较大，有些验证码之间的字母黏连在一起，这样的话，想要提取单个字符的难度会加大。
首先，我们按照文章 OpenCV入门之获取验证码的单个字符（字符切割）的处理方式来提取单个字符，看看效果，完整的Python
代码如下：
import os
import uuid
import cv2
def split_picture(imagepath):
# 以灰度模式读取图片
gray = cv2.imread(imagepath, 0)
# 将图片的边缘变为白色
height, width = gray.shape
for i in range(width):
gray[0, i] = 255
gray[height-1, i] = 255
for j in range(height):
gray[j, 0] = 255
gray[j, width-1] = 255
# 中值滤波
blur = cv2.medianBlur(gray, 3) #模板大小3*3
# 二值化
ret,thresh1 = cv2.threshold(blur, 200, 255, cv2.THRESH_BINARY)
# 提取单个字符
image, contours, hierarchy = cv2.findContours(thresh1, 2, 2)
for cnt in contours:
# 最小的外接矩形
x, y, w, h = cv2.boundingRect(cnt)
if x != 0 and y != 0 and w*h >= 100:
print((x,y,w,h))
# 显示图片
cv2.imwrite('E://chars/%s.jpg'%(uuid.uuid1()), thresh1[y:y+h, x:x+w])
def main():
dir = "E://verifycode"
for file in os.listdir(dir):
imagepath = dir+'/'+file
split_picture(imagepath)
main()
得到的单个字符的效果如下：
可以看到，虽然我们也能得到单个的字符，但是也产生了很多噪声图片以及黏连在一起的字符图片（以下简称黏连图片）。因此，下一步的工作是如何处理噪声图片和黏连图片。
首先我们介绍如何去掉噪声图片。观察以上的噪声图片，即中间有大片空白，角落里有部分黑色的图片，如下：
笔者选择的处理方式如下：在该图片的四个角落的像素点取值，一共是四个值，如果黑色像素的点大于等于3个，则被认为是噪声图片。处理的Python函数如下：
def remove_edge_picture(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
corner_list = [image[0,0] < 127,
image[height-1, 0] < 127,
image[0, width-1]<127,
image[ height-1, width-1] < 127
]
if sum(corner_list) >= 3:
os.remove(imagepath)
接着是黏连图片的处理，所谓黏连图片，指的是提取字符的图片中含有2个及以上字符的图片，如下：
对于黏连图片，我们很容易想到的处理方式就是均分图片，图片中含有几个字符，就将图片均分成几等分。那么，怎样才能知道图片中所含字符的数量呢？笔者暂时没有完美的处理方法，能想到的就是根据图片的宽度来决定字符的个数。根据观察，4个字符的图片宽度往往大于等于64,3个字符的图片宽度往往大于等于48，两个字符的图片往往大于等于26，因此，就把这个作为图片中含有字符数量的标准。处理黏连图片的Python代码如下：
def resplit_with_parts(imagepath, parts):
image = cv2.imread(imagepath, 0)
height, width = image.shape
# 将图片重新分裂成parts部分
step = width//parts # 步长
start = 0 # 起始位置
for _ in range(parts):
cv2.imwrite('E://chars/%s.jpg'%uuid.uuid1(), image[:, start:start+step])
start += step
os.remove(imagepath)
def resplit(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
if width >= 64:
resplit_with_parts(imagepath, 4)
elif width >= 48:
resplit_with_parts(imagepath, 3)
elif width >= 26:
resplit_with_parts(imagepath, 2)
好了，有了以上处理噪声图片和黏连图片的方法，我们来试试处理后的效果，显示的图片如下：
一共是346张验证码，每个验证码4个字符，一共是1384张图片。按照这样处理方法，得到1381张图片，当然，存在极少的噪声图片（1~2张）和有些为切分的图片，如上图中用红线圈出的部分。总的来说，得到的有效单个字符的图片为1371张图片，提取的效率为99%，这无疑是极好的，达到了笔者的预期效果。
下面给出以上处理的完整的Python代码：
import os
import cv2
import uuid
def remove_edge_picture(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
corner_list = [image[0,0] < 127,
image[height-1, 0] < 127,
image[0, width-1]<127,
image[ height-1, width-1] < 127
]
if sum(corner_list) >= 3:
os.remove(imagepath)
def resplit_with_parts(imagepath, parts):
image = cv2.imread(imagepath, 0)
height, width = image.shape
# 将图片重新分裂成parts部分
step = width//parts # 步长
start = 0 # 起始位置
for _ in range(parts):
cv2.imwrite('E://chars/%s.jpg'%uuid.uuid1(), image[:, start:start+step])
start += step
os.remove(imagepath)
def resplit(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
if width >= 64:
resplit_with_parts(imagepath, 4)
elif width >= 48:
resplit_with_parts(imagepath, 3)
elif width >= 26:
resplit_with_parts(imagepath, 2)
def main():
dir = 'E://chars'
for file in os.listdir(dir):
remove_edge_picture(imagepath=dir+'/'+file)
for file in os.listdir(dir):
resplit(imagepath=dir+'/'+file)
main()
今日中秋，祝大家中秋节快乐~
注意：本人现已开通两个微信公众号： 轻松学会Python爬虫（微信号为：easy_web_scrape）， 欢迎大家关注哦~~
