Python圖片驗(yàn)證碼降噪和8鄰域降噪

更新時(shí)間：2021年08月27日 17:38:56 作者：j-hao104

這篇文章主要介紹了Python圖片驗(yàn)證碼降噪和8鄰域降噪的相關(guān)內(nèi)容，需要的小伙伴可以參考下面文章

Python圖片驗(yàn)證碼降噪和8鄰域降噪

一、簡(jiǎn)介

圖片驗(yàn)證碼識(shí)別的可以分為幾個(gè)步驟，一般用 Pillow 庫(kù)或 OpenCV 來實(shí)現(xiàn)：

1.灰度處理&二值化
2.降噪
3.字符分割
4.標(biāo)準(zhǔn)化
5.識(shí)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(shí)別的字符，讓圖片變成2進(jìn)制點(diǎn)陣，方便代入模型訓(xùn)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(zhuǎn)化為灰度圖像。以RGN色彩空間為例，彩色圖像中每個(gè)像素的顏色由R 、G、B三個(gè)分量決定，每個(gè)分量由0到255種取值，這個(gè)一個(gè)像素點(diǎn)可以有一千多萬(wàn)種顏色變化。而灰度則是將三個(gè)分量轉(zhuǎn)化成一個(gè)，使每個(gè)像素點(diǎn)只有0-255種取值，這樣可以使后續(xù)的圖像計(jì)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(diǎn)像素越接近255，越接近黑色的點(diǎn)像素越接近0，而且驗(yàn)證碼字符肯定是非白色的。對(duì)于其中噪點(diǎn)大部分都是孤立的小點(diǎn)的，而且字符都是串聯(lián)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(diǎn)，計(jì)算其周圍8個(gè)點(diǎn)中屬于非白色點(diǎn)的個(gè)數(shù)，如果數(shù)量小于一個(gè)固定值，那么這個(gè)點(diǎn)就是噪點(diǎn)。對(duì)于不同類型的驗(yàn)證碼這個(gè)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(jīng)過測(cè)試8鄰域降噪對(duì)于小的噪點(diǎn)的去除是很有效的，而且計(jì)算量不大，下圖是閾值設(shè)置為4去噪后的結(jié)果：

三、Pillow實(shí)現(xiàn)

下面是使用 Pillow 模塊的實(shí)現(xiàn)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(jì)算鄰域非白色的個(gè)數(shù)
        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?yàn)槭腔叶葓D像，設(shè)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(jì)算鄰域非白色的個(gè)數(shù)
            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(shí)現(xiàn)

使用OpenCV可以提高計(jì)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(jì)算鄰域非白色的個(gè)數(shù)
        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(shè)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(jì)算鄰域pixel值小于255的個(gè)數(shù)
            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(guān)于Python圖片驗(yàn)證碼降噪和8鄰域降噪的文章就介紹到這了,更多相關(guān)Python驗(yàn)證碼降噪和8鄰域降噪內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: