python之pillow模块学习–验证码的生成和破解

一、基础学习

在Python中，有一个优秀的图像处理框架，就是PIL库，pip install pillow

示例1

from PIL import Image# 读取当前图片
im = Image.open('test.png')# 用系统自带的图片查看器查看该图片
im.show()# 将图片进行逆时针旋转
im.rotate(90).show()# 将图片进行顺时针旋转
im.rotate(-90).show()# 保存图像为gif格式
im.save("save.gif", "GIF")# resize成128*128像素大小
out = im.resize((128, 128))
out.save("test2.png", "png")# 拷贝黏贴：设置要拷贝的地区的大小，里面含有四个元素，为左上右下
box = (100, 100, 200, 200)
region = im.crop(box) # 按照box的大小拷贝到region里面
region.save("corp.png", "png")# 获取图片基本信息
# format: 图片格式；size:图片大小(长*宽); mode: 色彩模式
print(im.format, im.size, im.mode)# 等比例缩放
size = (128, 128)
im.thumbnail(size, Image.ANTIALIAS)
im.save("new.png", "png")# 通道分离,将图片封装成三个或四个通道，分别为三个或四个图像对象
print(im.mode)  # 查看图片是什么色彩模式
r, g, b, a = im.split()  # 我这里是RBGA模式
# r, g, b = im.split()  # 如果是RGB模式# 能分离就能合并,将b,r两个通道进行翻转。
im = Image.merge("RGBA", (b, g, r, a))  # Image.merge("RGB", (b, g, r))# 图像左右转换
im.transpose(Image.FLIP_LEFT_RIGHT).show()# 图像上下转换
im.transpose(Image.FLIP_TOP_BOTTOM).show()# 图像类型转换
im = im.convert("RGB")
im.show()
im = im.convert("L")  # 灰度图
im.show()

二、生成验证码

生成图片验证码

import random
from PIL import Image, ImageDraw, ImageFont, ImageFilter"""图片模糊化处理
im = Image.open('test.png')
# BLUR：模糊  还有：CONTOUR DETAIL等等
im2 = im.filter(ImageFilter.BLUR)
im2.show()
"""# 返回随机的RGB数字
def random_color():
    return random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)def get_code():
    with open('1.png', 'wb') as f:
        # 第一步：生成一张图片(画布)
        # 创建一个随机颜色的图片对象
        # 参数：颜色模式，图片大小，图片颜色
        img_obj = Image.new('RGB', (250, 35), random_color())        # 第二步：在该图片对象上生成一个画笔对象
        draw_obj = ImageDraw.Draw(img_obj)        # 使用什么字体，字体大小,kumo.ttf是我本地下载好的字体文件(sc.chinaz.com)可下载
        font_obj = ImageFont.truetype('static/font/kumo.ttf', 28)        # 生成验证码
        code = ''
        for i in range(6):
            num = str(random.randint(0, 9))  # 数字
            lower = chr(random.randint(97, 122))  # 小写字母
            upper = chr(random.randint(65, 90))  # 大写字母
            c = random.choice([num, lower, upper])  # 随机选取一个
            code += str(c)            # 用画笔把验证码画到图片上
            # 参数：xy:坐标，画在哪个位置；text:画的内容；fill:画什么颜色；font:字体格式
            draw_obj.text((35 + i * 30, 0), c, fill=random_color(), font=font_obj)
        # 保存图片并模糊化
        image = img_obj.filter(ImageFilter.BLUR)
        image.save(f)get_code()

加干扰线和干扰点

画完验证码后，可以添加一些干扰
就是在 draw_obj.text((35 + i*30, 0), c, fill=random_color(), font=font_obj)之后加1. 加干扰线
width = 250  # 图片宽度（防止越界）
height = 35
for i in range(5):
    x1 = random.randint(0, width)
    x2 = random.randint(0, width)
    y1 = random.randint(0, height)
    y2 = random.randint(0, height)
    draw_obj.line((x1, y1, x2, y2), fill=random_color())2. 加干扰点
for i in range(40):
    draw_obj.point([random.randint(0, width), random.randint(0, height)], fill=random_color())
    x = random.randint(0, width)
    y = random.randint(0, height)
    draw_obj.arc((x, y, x+4, y+4), 0, 90, fill=random_color())

三、验证码破解

1、预备知识

二值化

from PIL import Image"""
灰度图像上每个像素的颜色值又称为灰度，指黑白图像中点的颜色深度，
范围一般从0到255，白色为255，黑色为0。所谓灰度值是指色彩的浓淡程度，
灰度直方图是指一幅数字图像中，对应每一个灰度值统计出具有该灰度值的象素数。
"""# 方法一：使用load函数获取到图片像素，直接对像素进行修改
def convert_img(img, threshold):
    # 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度
    img = img.convert("L")  # img.convert("1")也是可以直接二值化，但是阈值是固定的127
    # 图片的像素二维数组，例如：pixels[0,0] 第一行第一个的像素值
    pixels = img.load()
    # 二值化：自定义灰度界限，大于这个值为白色，小于这个值为黑色
    for x in range(img.width):
        for y in range(img.height):
            if pixels[x, y] > threshold:
                pixels[x, y] = 255
            else:
                pixels[x, y] = 0
    return img# 方法二：使用point函数
from PIL import Imageimg = Image.open("captcha.png")
# 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
Img = img.convert('L')
# 自定义灰度界限，大于这个值为白色，小于这个值为黑色
threshold = 140
table = []for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)# 图片二值化
photo = Img.point(table, '1')
photo.save("test2.jpg")

获取每个像素点的RGB(RGBA)值

我的理解是：像素值是由这个点的RGB(A)值结合得到的，因此注意了，上面的像素值，我们这里是RGB值

# 获取每个像素点的RGB(RGBA)值
from PIL import Imageim = Image.open("captcha.png")
# getdata()函数的返回值是一个sequence对象，
# sequence对象的每一个值就是这个像素点对应的R、G、B(A)值
data = im.getdata()
data = list(data)
print(data)  # [(135, 142, 169, 255), (104, 111, 139, 255), ....]

2、利用Tesseract识别图片验证码

Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别多种格式的图像文件并将其转换成文本，目前已支持60多种语言（包括中文）。 Tesseract最初由HP公司开发，后来由Google维护。

因此，我们需要在自己的环境安装Tesseract，至于怎么安装，百度下吧。。。

然后再下载 python对应的Tesseract模块

pip install pytesseract

from PIL import Image
import pytesseract"""
灰度图像上每个像素的颜色值又称为灰度，指黑白图像中点的颜色深度，
范围一般从0到255，白色为255，黑色为0。所谓灰度值是指色彩的浓淡程度，
灰度直方图是指一幅数字图像中，对应每一个灰度值统计出具有该灰度值的象素数。
"""def convert_img(img, threshold):
    """图片二值化"""
    # 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度
    img = img.convert("L")  # img.convert("1")也是可以直接二值化，但是阈值是固定的127
    # 图片的像素二维数组，例如：pixels[0,0] 第一行第一个的像素值
    pixels = img.load()
    # 二值化：自定义灰度界限，大于这个值为白色，小于这个值为黑色
    for x in range(img.width):
        for y in range(img.height):
            if pixels[x, y] > threshold:
                pixels[x, y] = 255
            else:
                pixels[x, y] = 0
    return imgdef denoise(img):
    """图片降噪"""
    data = img.getdata()
    w, h = img.size
    count = 0
    for x in range(1, h - 1):
        for y in range(1, h - 1):
            # 找出各个像素方向
            mid_pixel = data[w * y + x]
            if mid_pixel == 0:
                top_pixel = data[w * (y - 1) + x]
                left_pixel = data[w * y + (x - 1)]
                down_pixel = data[w * (y + 1) + x]
                right_pixel = data[w * y + (x + 1)]                if top_pixel == 0:
                    count += 1
                if left_pixel == 0:
                    count += 1
                if down_pixel == 0:
                    count += 1
                if right_pixel == 0:
                    count += 1
                if count > 4:
                    img.putpixel((x, y), 0)
    return imgif __name__ == '__main__':
    captcha = Image.open("captcha.png")    res = convert_img(captcha, 140)
    ret = denoise(res)
    ret.show()
    result = pytesseract.image_to_string(ret)
    print(result)

3、Tesseract-OCR样本训练

待我研究研究。。。