python使用tensorflow深度学习识别验证码_tensorflow训练复杂验证码模型资源-CSDN文库

168 浏览量 2020-12-24 12:56:11 上传评论收藏 69KB PDF 举报

资源推荐

资源详情

资源评论

python使用使用tensorflow深度学习识别验证码深度学习识别验证码

本文介绍了python使用tensorflow深度学习识别验证码，分享给大家，具体如下：

除了传统的PIL包处理图片,然后用pytessert+OCR识别意外,还可以使用tessorflow训练来识别验证码。

此篇代码大部分是转载的，只改了很少地方。

代码是运行在linux环境，tessorflow没有支持windows的python 2.7。

gen_captcha.py代码。

#coding=utf-8

from captcha.image import ImageCaptcha # pip install captcha

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

import random

# 验证码中的字符, 就不用汉字了

number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] alphabet = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u',

'v', 'w', 'x', 'y', 'z']

ALPHABET = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U',

'V', 'W', 'X', 'Y', 'Z'] '''

number=['0','1','2','3','4','5','6','7','8','9'] alphabet =[] ALPHABET =[] '''

# 验证码一般都无视大小写；验证码长度4个字符

def random_captcha_text(char_set=number + alphabet + ALPHABET, captcha_size=4):

captcha_text = [] for i in range(captcha_size):

c = random.choice(char_set)

captcha_text.append(c)

return captcha_text

# 生成字符对应的验证码

def gen_captcha_text_and_image():

while(1):

image = ImageCaptcha()

captcha_text = random_captcha_text()

captcha_text = ''.join(captcha_text)

captcha = image.generate(captcha_text)

#image.write(captcha_text, captcha_text + '.jpg') # 写到文件

captcha_image = Image.open(captcha)

#captcha_image.show()

captcha_image = np.array(captcha_image)

if captcha_image.shape==(60,160,3):

break

return captcha_text, captcha_image

if __name__ == '__main__':

# 测试

text, image = gen_captcha_text_and_image()

print image

gray = np.mean(image, -1)

print gray

print image.shape

print gray.shape

f = plt.figure()

ax = f.add_subplot(111)

ax.text(0.1, 0.9, text, ha='center', va='center', transform=ax.transAxes)

plt.imshow(image)

plt.show()

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

内容反馈

weixin_38693524

粉丝: 3
资源: 955

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip