操作系統：Win10 1709 X64

python版本：3.6.5

依賴模塊：PIL、tesserocr。

　　需要說明的是，在windows系統上PowerShell通過PIP3 install tesserocr安裝驗證碼識別模塊時，需要先安裝Tesseract （一款由HP實驗室開發由Google維護的開源OCR（Optical Character Recognition , 光學字符識別）引擎，與Microsoft Office Document Imaging（MODI）相比，我們可以不斷的訓練的庫，使圖像轉換文本的能力不斷增強。）可執行文件。

　　以中國知網的註冊頁面為例，我們常被要求輸入這類簡單的字母組成，背景含很多雜線的驗證碼，如下圖所示：

我們對驗證碼另存為到本地代碼所在目錄，取名：test.png.

下圖是直接用對應模塊識別的代碼示例：

import tesserocr
from PIL import Image
image=Image.open(‘test.png‘)

image.show()  #可以打印出圖片，供預覽
print(tesserocr.image_to_text(image))

　　原始圖片尺寸較小，極少情況下如果無法正常識別，可以借助圖片處理工具PIL模塊進行圖片等比例放大後保存。此例中直接運行上述代碼，結果為“VHIHI”，即使是肉眼可見較為清晰的驗證碼，如果圖片未經處理直接交由tesserocr解析，也可能識別率很低。

　　通常情況下，我們還需要做些額外的圖片處理，如轉灰度圖，二值化等。

利用Image對應的convert()方法傳參L，即可將圖片轉為灰度圖。

image=image.convert(‘L‘)

image.show()

傳入1即可完成二值化，如下：

image=image.convert(‘1‘)

image.show()

當然我們更多時候需要根據圖片的實際情況指定二值化的閾值，比如我們將閾值設定為80，先轉灰度圖，再二值化，代碼如下：

import tesserocr
from PIL import Image
image=Image.open(‘test.png‘)
image=image.convert("
 
L")
threshold=80
table=[]
for i in range(256):
    if i <threshold:
        table.append(0)
    else:
        table.append(1)
image=image.point(table,‘1‘)
image.show()
print(tesserocr.image_to_text(image))

觀察到處理後圖片如右：

　　盡管圖片已經轉為灰度圖，且過濾了大部分雜線，但是圖片關鍵像素丟失嚴重，識別結果自然也不盡如人意，結果：“VH.”。

此時我們根據圖片的實際情況，人為調整程序中預設的閾值到130，再觀察：,這次的圖片轉換效果顯著，我們再次查看識別結果，“VHRU”，與肉眼觀察到的別無二致，合乎要求。

可見驗證碼的識別除了用好識別模塊，還需要在必要時引入PIL（圖片處理模塊）進行圖片預處理，預處理過程中的閾值等設定也存有技巧，不同的參數設定，會完全影響最終的識別率。

　　現實中很多網站的驗證碼要遠比例子中的來得復雜，尤其是12306購票網站的驗證碼，使行為驗證碼開始高速發展，肉眼分辨起來都異常困難，這就要求我們對驗證碼的識別技術要不斷提升，才能突破網站逐步升級的反爬蟲機制。

Python tesserocr模塊使用示例