常用验证码标注ampampamp识别（数据采集预处理字符图切

　　来源：Python爬虫与数据挖掘
　　作者：Python进阶者一、前言
　　上一篇文章小编给大家讲解了需求分析和实现思路，Python项目实战篇常用验证码标注和识别（需求分析和实现思路），这篇文章继续沿着上一篇文章的内容，给大家讲解下数据采集预处理字符图切割内容。二、数据采集
　　数据采集：根据图片验证码链接进行批量下载图片，最开始时下载个20张先进行手动改文件名进行标注，下载这块代码编写不难，这里不贴代码了，见imagedownload。py文件。三、预处理
　　预处理：根据需求分析中的字符切割描述，针对笔者的图片验证码案例情况，需要先进行常规验证码图片预处理，预处理通过OpenCV库实现，处理过程为：原始图灰度图中值滤波二值化轮廓检测绘制（部分情况才可以加）字符切割填充
　　大概过程功能简单描述如下，详细原理可以参考OpenCV相关文章和视频，引用链接：〔3。OpenCV文章专栏〕（https：blog。csdn。netyukinoaicategory9283880。html）〔4。OpenCVPython视频〕（https：www。bilibili。comvideoBV1tb4y1C7j7）
　　原始图（RGB）转灰度图：去除颜色信息，减少图片大小，单通道值方便滤波处理。读者可以脑洞一下，不去除颜色信息，能提取到指定字符颜色的轮廓吗？
　　灰度图中值滤波：进行噪音去除，取中间像素平均值
　　二值化：只留下0、255二种值，方便轮廓检测
　　轮廓检测：这一步主要用于提取字符轮廓矩形坐标，不适合字符挨得特别紧的情况
　　字符切割填充：根据生成的字符轮廓图片矩形坐标进行切割再填充对齐到指定宽高
　　具体执行效果如下：
　　下面是预处理过程部分核心代码，详细代码见imagesplit。py文件。defpreprocessimage（img，filename）：去除边缘imgimg〔2：2，2：2〕print（img。shape）得到灰度图graycv2。cvtColor（img，cv2。COLORBGR2GRAY）show（gray，gray）去除噪音blurcv2。medianBlur（gray，3）show（blur，blur）tempgray。mean（）。item（）二值化ret，thresholdcv2。threshold（blur，temp，255，cv2。THRESHBINARY）show（threshold，threshold）保存二值化图片ifISSAVEFILE：cv2。imwrite（DSTIMGDIRfilenamethreshold。png，threshold）returnthreshold
　　执行图片预处理程序后具体效果图13如下：
　　轮廓检测绘制结果1：
　　根据图片轮廓进行字符切割结果2：
　　根据字符切割图片进行文件分类结果3：
　　以上就是字符图片切割的全部过程了，核心过程代码如下：defsplitimage（filepath）：filenamegetfilename（filepath）imgreadimage（filepath）验证码预处理thresholdpreprocessimage（img，filename）查找轮廓边界列表contoursfindcounters（threshold）过滤合适的轮廓矩形列表rectlist，resultrectgetfilterrect（contours，img，filename）分割矩形图片returnsplitrectimg（filepath，threshold，rectlist，resultrect）
　　详细代码可以阅读源码，这里说一下这个过程中笔者编写预处理代码遇到的几个问题：部分图片轮廓检测可以检测到多个轮廓，部分图片只有12个轮廓，部分可能一个轮廓都没有，这里代码进行了相应的调整处理，比如过滤大的外部轮廓和较小的内部轮廓，根据剩下的轮廓进行坐标排序，根据部分坐标得到所有字符轮廓得到4个字符轮廓图片后，每个图片大小不一致，需要进行大小补齐，这个宽高参数需要根据数据集进行调整
　　以上就是数据采集预处理的实现过程了，这里稍微说下学习OpenCV相关知识过程的情况，笔者是采用文章视频间断性学习，大概是2040个小时左右，然后再开始写具体字符图片切割的代码，读者可根据自己的时间安排学习速度，建议工具类的东西是快速学习，现学现用。好的，接下来介绍高效率、可复用的通用图片验证码数据标注功能实现。四、总结
　　我是Snowball。这篇内容主要讲解了常用验证码标注识别的数据采集预处理的实现过程。下一篇文章，小编给大家介绍高效率、可复用的通用图片验证码数据标注功能实现。