利用python实现简单的图像文字识别

一直想研究验证码的识别技术，这个晚上终于闲下来，来好好研究下python验证码的识别！

首先我们需要找一个能够支持识别图像文字的python库文件，这里我使用的是pytesser，还有一款叫pytesseract，其实原理大致相同，利用OCR的识别技术，将图像文字读出来，然后再输出。

下面开始讲pytesser的安装~

首先我们需要安装PIL库，这是一个支持图片处理的python库，用pip命令即可~

安装完PIL库后我们来进行pytesser的安装

这个官方代码在谷歌的代码库中，由于需要翻墙，这时候我们可以选择到csdn中去下载，传送门（还算良心，没要积分。。。）

下载之后我们将pytesser_v0.0.1.zip解压到pytesser的文件夹，这个文件夹是自己创立的，在后续有用~

之后我们将这个pytesser文件夹拖到C:Python27Libsite-packages目录下，这里安装目录因人而异！接下来我们进入这个文件夹将pytesser.py修改为__init__.py

这是为了在我们import时程序会首先调用这个初始化函数，也就为我们的调用及使用提供便利，然后我们需要修改这个__init__.py文件

1.将一开始的import Image修改为from PIL import Image

2.将tesseract_exe_name = ‘tesseract’修改为tesseract_exe_name = ‘C:\Python27\Lib\site-packages\pytesser\tesseract’

这里我们下载的pytesser文件夹中自带tesseract，注意这里我们使用双斜杠

到这里我们的安装配置就已经完成

下面我们开始我们的图像识别之旅（验证码识别）之旅~

我们先来分析下pytesser提供的函数

image_to_string和image_file_to_string这两个函数，这两个函数前一个是将调用了一次PIL库中的Image函数，而后者则是直接在函数里就调用了，其实本质是一样的，下面附代码：

这里fnord.tif是自带的测试图像，经过编译的确可以识别，这里我需要强调的一点是import函数，这个出现了一个问题困扰了我很久，原先看网上的教程都是直接import pytesser，但是无论如何都不能调用其中的函数，在经过多次尝试，我写成这样，发现其中的函数就可以正常调用了~

后续我会去采集一些网站的验证码，并尝试提高验证码的识别效率，好像最终方法就是机器学习。。。噩梦般的开始啊。。。

相关推荐: YIT-CTF（一） WEB类wp

        偶然发现的一个CTF网站，好像是燕京理工学院的一个小比赛，题目不是很多，也不是很难，适合新人入门CTF，以下附上这个小型CTF的wp，题目地址：传送门 1.签到题 签到题总是很简单，可是这种简单程度第一次见。。。连动都不动的，直接告诉答案。。 …