这篇“Python中怎么使用ddddocr库识别图片与滑块验证码”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python中怎么使用ddddocr库识别图片与滑块验证码”文章吧。
python 版本要求小于等于python3.9 版本
pip 安装
pip install ddddocr
下载的安装包比较大,一般用国内的下载源可以加快下载速度
pip install ddddocr -i https://pypi.douban.com/simple
先随便找个纯英文的验证码,保持为a1.png
代码示例
import ddddocr # 导入 ddddocr ocr = ddddocr.DdddOcr() # 实例化 with open('a1.png', 'rb') as f: # 打开图片 img_bytes = f.read() # 读取图片 res = ocr.classification(img_bytes) # 识别 print(res)
运行结果
已经能识别到 xnen ,但是会出现"欢迎使用ddddocr,本项目专注带动行业内卷…"提示语, 可以加一个参数show_ad=False
import ddddocr # 导入 ddddocr ocr = ddddocr.DdddOcr(show_ad=False) # 实例化 with open('a1.png', 'rb') as f: # 打开图片 img_bytes = f.read() # 读取图片 res = ocr.classification(img_bytes) # 识别 print(res)
识别一下三种验证码
代码示例
import ddddocr # 导入 ddddocr ocr = ddddocr.DdddOcr(show_ad=False) # 实例化 with open('a2.png', 'rb') as f: # 打开图片 img_bytes = f.read() # 读取图片 res2 = ocr.classification(img_bytes) # 识别 print(res2) with open('a3.png', 'rb') as f: # 打开图片 img_bytes = f.read() # 读取图片 res3 = ocr.classification(img_bytes) # 识别 print(res3) with open('a4.png', 'rb') as f: # 打开图片 img_bytes = f.read() # 读取图片 res4 = ocr.classification(img_bytes) # 识别 print(res4)
运行结果
giv6j
zppk
4Tskh
滑块验证码场景如下场景示例
先抠出2张图片,分别为background.png 和 target.png
解决问题的重点是计算缺口的位置
import ddddocr det = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False) with open('target.png', 'rb') as f: target_bytes = f.read() with open('background.png', 'rb') as f: background_bytes = f.read() res = det.slide_match(target_bytes, background_bytes, simple_target=True) print(res)
运行结果
{'target_y': 0, 'target': [184, 58, 246, 120]}
target 的四个值就是缺口位置的左上角和右下角的左边位置
import ddddocr import cv2 det = ddddocr.DdddOcr(det=True) with open("test.png", 'rb') as f: image = f.read() poses = det.detection(image) im = cv2.imread("test.png") for box in poses: x1, y1, x2, y2 = box im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2) cv2.imwrite("result.jpg", im)
以上就是关于“Python中怎么使用ddddocr库识别图片与滑块验证码”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。