人妖在线一区,国产日韩欧美一区二区综合在线,国产啪精品视频网站免费,欧美内射深插日本少妇

新聞動態(tài)

Python圖片驗證碼降噪和8鄰域降噪

發(fā)布日期:2022-02-03 10:56 | 文章來源:腳本之家

Python圖片驗證碼降噪 和8鄰域降噪

一、簡介

圖片驗證碼識別的可以分為幾個步驟,一般用 Pillow 庫或 OpenCV 來實現:

1.灰度處理&二值化
2.降噪
3.字符分割
4.標準化
5.識別

所謂降噪就是把不需要的信息通通去除,比如背景,干擾線,干擾像素等等,只留下需要識別的字符,讓圖片變成2進制點陣,方便代入模型訓練。

二、8鄰域降噪

8鄰域降噪 的前提是將圖片灰度化,即將彩色圖像轉化為灰度圖像。以RGN色彩空間為例,彩色圖像中每個像素的顏色由R 、G、B三個分量決定,每個分量由0到255種取值,這個一個像素點可以有一千多萬種顏色變化。而灰度則是將三個分量轉化成一個,使每個像素點只有0-255種取值,這樣可以使后續(xù)的圖像計算量變得少一些。

以上面的灰度圖片為例,圖片越接近白色的點像素越接近255,越接近黑色的點像素越接近0,而且驗證碼字符肯定是非白色的。對于其中噪點大部分都是孤立的小點的,而且字符都是串聯在一起的。8鄰域降噪 的原理就是依次遍歷圖中所有非白色的點,計算其周圍8個點中屬于非白色點的個數,如果數量小于一個固定值,那么這個點就是噪點。對于不同類型的驗證碼這個閾值是不同的,所以可以在程序中配置,不斷嘗試找到最佳的閾值。

經過測試8鄰域降噪 對于小的噪點的去除是很有效的,而且計算量不大,下圖是閾值設置為4去噪后的結果:

三、Pillow實現

下面是使用 Pillow 模塊的實現代碼:

from PIL import Image

def noise_remove_pil(image_name, k):
 """
 8鄰域降噪
 Args:
  image_name: 圖片文件命名
  k: 判斷閾值
 Returns:
 """
 def calculate_noise_count(img_obj, w, h):
  """
  計算鄰域非白色的個數
  Args:
img_obj: img obj
w: width
h: height
  Returns:
count (int)
  """
  count = 0
  width, height = img_obj.size
  for _w_ in [w - 1, w, w + 1]:
for _h_ in [h - 1, h, h + 1]:
 if _w_ > width - 1:
  continue
 if _h_ > height - 1:
  continue
 if _w_ == w and _h_ == h:
  continue
 if img_obj.getpixel((_w_, _h_)) < 230:  # 這里因為是灰度圖像,設置小于230為非白色
  count += 1
  return count
 img = Image.open(image_name)
 # 灰度
 gray_img = img.convert('L')
 w, h = gray_img.size
 for _w in range(w):
  for _h in range(h):
if _w == 0 or _h == 0:
 gray_img.putpixel((_w, _h), 255)
 continue
# 計算鄰域非白色的個數
pixel = gray_img.getpixel((_w, _h))
if pixel == 255:
 continue
if calculate_noise_count(gray_img, _w, _h) < k:
 gray_img.putpixel((_w, _h), 255)
 return gray_img

if __name__ == '__main__':
 image = noise_remove_pil("test.jpg", 4)
 image.show()

四、OpenCV實現

使用OpenCV可以提高計算效率:

import cv2

def noise_remove_cv2(image_name, k):
 """
 8鄰域降噪
 Args:
  image_name: 圖片文件命名
  k: 判斷閾值
 Returns:
 """
 def calculate_noise_count(img_obj, w, h):
  """
  計算鄰域非白色的個數
  Args:
img_obj: img obj
w: width
h: height
  Returns:
count (int)
  """
  count = 0
  width, height = img_obj.shape
  for _w_ in [w - 1, w, w + 1]:
for _h_ in [h - 1, h, h + 1]:
 if _w_ > width - 1:
  continue
 if _h_ > height - 1:
  continue
 if _w_ == w and _h_ == h:
  continue
 if img_obj[_w_, _h_] < 230:  # 二值化的圖片設置為255
  count += 1
  return count
 img = cv2.imread(image_name, 1)
 # 灰度
 gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 w, h = gray_img.shape
 for _w in range(w):
  for _h in range(h):
if _w == 0 or _h == 0:
 gray_img[_w, _h] = 255
 continue
# 計算鄰域pixel值小于255的個數
pixel = gray_img[_w, _h]
if pixel == 255:
 continue
if calculate_noise_count(gray_img, _w, _h) < k:
 gray_img[_w, _h] = 255
 return gray_img

if __name__ == '__main__':
 image = noise_remove_cv2("test.jpg", 4)
 cv2.imshow('img', image)
 cv2.waitKey(10000)

到此這篇關于Python圖片驗證碼降噪和8鄰域降噪的文章就介紹到這了,更多相關Python驗證碼降噪和8鄰域降噪內容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站!

海外穩(wěn)定服務器

版權聲明:本站文章來源標注為YINGSOO的內容版權均為本站所有,歡迎引用、轉載,請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網站,禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像,否則將依法追究法律責任。本站部分內容來源于網友推薦、互聯網收集整理而來,僅供學習參考,不代表本站立場,如有內容涉嫌侵權,請聯系alex-e#qq.com處理。

相關文章

實時開通

自選配置、實時開通

免備案

全球線路精選!

全天候客戶服務

7x24全年不間斷在線

專屬顧問服務

1對1客戶咨詢顧問

在線
客服

在線客服:7*24小時在線

客服
熱線

400-630-3752
7*24小時客服服務熱線

關注
微信

關注官方微信
頂部