关于python处理图片验证码的处理

前段时间在处理图片验证的问题，登陆窗口出现数字验证码，找了很多资料，请教前辈。到目前为止，有点眉目了，在这里分享一下：

        场景：自动化测试是在RF上面展开，处理验证码自然用到python，于是处理验证码的思路有了：从界面截取验证码图片，保存到本地->图片进行降噪处理->调用pytesseract里面的方法，把图片里面的验证码转换为文本。

        1)、从界面截取验证码图片，保存到本地：

def cut_pinnum_pic_from_page(xpath, window, pageScreen, pinNumPath):

    '''

    url='http://10.2.122.143:8000/?HIPPO_TRADE_URL=ws://10.2.122.143:1521#StockQuote'

    driver = webdriver.Chrome()

    driver.maximize_window()  #将浏览器最大化

    driver.get(url)

    driver.save_screenshot('C:\\aa.png')  #截取当前网页，该网页有我们需要的验证码

    '''

    driver = window

    #pageScreen = "C:\\yzm\\page.png"

    #pinNumPath = 'C:\\yzm\\pinnum.jpg'

    driver.save_screenshot(pageScreen)

    imgelement = driver.find_element_by_xpath(xpath)

    #获取验证码x,y轴坐标

    location = imgelement.location

    size=imgelement.size

    #写成我们需要截取的位置坐标

    rangle=(int(location['x']), int(location['y']), int(location['x'] + size['width']), int(location['y'] + size['height']))

    i=Image.open(pageScreen)

    #使用Image的crop函数，截取验证码

    pin=i.crop(rangle)

    pin.save(pinNumPath)

    print ":::", pinNumPath, "saved successfully!"

    2)、图片进行降噪处理：

def getPixel(image, x, y, G, N):

    '''

    #二值判断,如果确认是噪声,用改点的上面一个点的灰度进行替换

    #该函数也可以改成RGB判断的,具体看需求如何

    '''

    L = image.getpixel((x, y))

    if L > G:

        L = True

    else:

        L = False

    nearDots = 0

    if L == (image.getpixel((x - 1, y - 1)) > G):

        nearDots += 1

    if L == (image.getpixel((x - 1, y)) > G):

        nearDots += 1

    if L == (image.getpixel((x - 1, y + 1)) > G):

        nearDots += 1

    if L == (image.getpixel((x, y - 1)) > G):

        nearDots += 1

    if L == (image.getpixel((x, y + 1)) > G):

        nearDots += 1

    if L == (image.getpixel((x + 1, y - 1)) > G):

        nearDots += 1

    if L == (image.getpixel((x + 1, y)) > G):

        nearDots += 1

    if L == (image.getpixel((x + 1, y + 1)) > G):

        nearDots += 1

    if nearDots < N:

        return image.getpixel((x, y-1))

    else:

        return None

def clearNoise(image, G, N, Z):

    '''

    降噪

    根据一个点A的RGB值，与周围的8个点的RBG值比较，设定一个值N（0 <N <8），当A的RGB值与周围8个点的RGB相等数小于N时，此点为噪点

    G: Integer 图像二值化阀值

    N: Integer 降噪率 0 <N <8

    Z: Integer 降噪次数

    @输出

    0：降噪成功

    1：降噪失败

    '''

    draw = ImageDraw.Draw(image)

    for i in xrange(0, Z):

        for x in xrange(1, image.size[0] - 1):

            for y in xrange(1, image.size[1] - 1):

                color = getPixel(image, x, y, G, N)

                if color != None:

                    draw.point((x, y), color)

def op_clearNoise(oldPic, newPic):

    '''

    执行去噪处理

    '''

    image = Image.open(oldPic)

    image = image.convert("L")

    clearNoise(image, 50, 4, 4)

    print ":::clearNoise successfully!"

    image.save(newPic)

    3)、调用pytesseract里面的方法，把图片里面的验证码转换为文本：

def image_to_string(imPath, cleanup):

    im = Image.open(imPath)

    try:

        util.image_to_scratch(im, scratch_image_name)

        call_tesseract(scratch_image_name, scratch_text_name_root)

        print ":::Begin to transfer string from image-", imPath

        text = util.retrieve_text(scratch_text_name_root)

    except Exception as e:

        print "::: Exception occured:------------"

        print e

    finally:

        if cleanup is True:

           util.perform_cleanup(scratch_image_name, scratch_text_name_root)

    return text.rstrip().lstrip()

转换后，可以针对识别的文本进行人为处理，比如有时候会把5识别成$，这时候可以自己写一段脚本进行转换，提高转换效率。