字符验证码

1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。
L：8位像素，表示黑和白。
P：8位像素，使用调色板映射到其他模式。
RGB：3x8位像素，为真彩色。
RGBA：4x8位像素，有透明通道的真彩色。
CMYK：4x8位像素，颜色分离。
YCbCr：3x8位像素，彩色视频格式。
I：32位整型像素。
F：32位浮点型像素。
PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。

from PIL import Image
im = Image.open("xiao.png")
print(im.mode)
输出：
‘RGB‘

from PIL import Image
im = Image.open("code.jpg")
print(im.getbands())

from PIL import Image
im = Image.open("code.jpg")
print(im.size)

from PIL import Image
im = Image.open("xiao.png")
print(im.info)
输出：
{}

NEAREST：最近滤波。从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。
BILINEAR：双线性滤波。在输入图像的2x2矩阵上进行线性插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。
BICUBIC：双立方滤波。在输入图像的4x4矩阵上进行立方插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。
ANTIALIAS：平滑滤波。这是PIL 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的PIL版本中，这个滤波器只用于改变尺寸和缩略图方法。
注意：在当前的PIL版本中，ANTIALIAS滤波器是下采样（例如，将一个大的图像转换为小图）时唯一正确的滤波器。BILIEAR和BICUBIC滤波器使用固定的输入模板，用于固定比例的几何变换和上采样是最好的。

方法resize()的定义为：resize(size, filter=None)=> image
from PIL import Image
im = Image.open("xiao.png")
print(im.size)
im_resize = im.resize((256,256))
print(im_resize.size)
输出：
(670, 502)
(256,256)

from PIL import Image
im = Image.open("xiao.png")
print(im.size)
im_resize0 = im.resize((256,256), Image.BILINEAR)
print(im_resize0.size)
im_resize1 = im.resize((256,256), Image.BICUBIC)
print(im_resize1.size)
im_resize2 = im.resize((256,256), Image.ANTIALIAS)
print(im_resize2.size)
输出：
(670, 502)
(256,256)
(256,256)
(256,256)

定义：Image.new(mode,size) ? image
     Image.new(mode, size, color) ? image
含义：使用给定的变量mode和size生成新的图像。Size是给定的宽/高二元组，这是按照像素数来计算的。对于单通道图像，变量color只给定一个值；对于多通道图像，变量color给定一个元组（每个通道对应一个值）。
     在版本1.1.4及其之后，用户也可以用颜色的名称，比如给变量color赋值为“red”。如果没有对变量color赋值，图像内容将会被全部赋值为0（图像即为黑色）。如果变量color是空，图像将不会被初始化，即图像的内容全为0。
     这对向该图像复制或绘制某些内容是有用的。
例子：
from PIL import Image
im= Image.new("RGB", (128, 128), "#FF0000")
im.save("test1.png")   #图像im为128x128大小的红色图像。
im= Image.new("RGB", (128, 128))   #图像im为128x128大小的黑色图像，因为变量color不赋值的话，图像内容被设置为0，即黑色。
im.save("test2.png")
im= Image.new("RGB", (128, 128), "red")   #图像im为128x128大小的红色图像。
im.save("test3.png")

定义：Image.open(file) ? image
     Image.open(file, mode) ? image
含义：打开并确认给定的图像文件。这个是一个懒操作；该函数只会读文件头，而真实的图像数据直到试图处理该数据才会从文件读取（调用load()方法将强行加载图像数据）。如果变量mode被设置，那必须是“r”。
     用户可以使用一个字符串（表示文件名称的字符串）或者文件对象作为变量file的值。文件对象必须实现read()，seek()和tell()方法，并且以二进制模式打开。
例子：
from PIL import Image
im = Image.open("xiao.png")

定义：Image.blend(image1,image2, alpha) ? image
含义：使用给定的两张图像及透明度变量alpha，插值出一张新的图像。这两张图像必须有一样的尺寸和模式。
     合成公式为：out = image1 *(1.0 - alpha) + image2 * alpha
     如果变量alpha为0.0，将返回第一张图像的拷贝。如果变量alpha为1.0，将返回第二张图像的拷贝。对变量alpha的值没有限制。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
im2 = Image.open("wu.jpg")
im = Image.blend(im1,im2,0.5)
im.save("he.jpg")

定义：Image.composite(image1,image2, mask) ? image
含义：使用给定的两张图像及mask图像作为透明度，插值出一张新的图像。变量mask图像的模式可以为“1”，“L”或者“RGBA”。所有图像必须有相同的尺寸。
例子：
from PIL import Image
im1 = Image.open("jing.jpg")
im2 = Image.open("wu.jpg")
r,g,b = im1.split()
print(g.mode)
im = Image.composite(im1,im2,b)
im.save("he.jpg")
b.save("he1.jpg")

定义：Image.eval(image,function) ? image
含义：使用变量function对应的函数（该函数应该有一个参数）处理变量image所代表图像中的每一个像素点。如果变量image所代表图像有多个通道，那变量function对应的函数作用于每一个通道。
     注意：变量function对每个像素只处理一次，所以不能使用随机组件和其他生成器。
例子：

from PIL import Image
im = Image.open("jing.jpg")
def deffun(c):
    return c*0.89      #改变了亮度
im_eval = Image.eval(im,deffun)  
im_eval.save("gai.jpg")

注：图像im_eval与im01比较，其像素值均为im01的一半，则其亮度自然也会比im01暗一些。

定义：Image.frombuffer(mode,size, data) ? image
     Image.frombuffer(mode, size,data, decoder, parameters) ? image
含义：（New in PIL 1.1.4）使用标准的“raw”解码器，从字符串或者buffer对象中的像素数据产生一个图像存储。对于一些模式，这个图像存储与原始的buffer（这意味着对原始buffer对象的改变体现在图像本身）共享内存。
      并非所有的模式都可以共享内存；支持的模式有“L”，“RGBX”，“RGBA”和“CMYK”。对于其他模式，这个函数与fromstring()函数一致。
注意：版本1.1.6及其以下，这个函数的默认情况与函数fromstring()不同。这有可能在将来的版本中改变，所以为了最大的可移植性，当使用“raw”解码器时，推荐用户写出所有的参数，如下所示：
im =Image.frombuffer(mode, size, data, "raw", mode, 0, 1)
函数Image.frombuffer(mode,size, data, decoder, parameters)与函数fromstring()的调用一致。

定义：Image.fromstring(mode,size, data) ? image
     Image.fromstring(mode, size,data, decoder, parameters) ? image
含义：函数Image.fromstring(mode,size, data)，使用标准的“raw”解码器，从字符串中的像素数据产生一个图像存储。
函数Image.fromstring(mode,size, data, decoder, parameters)也一样，但是允许用户使用PIL支持的任何像素解码器。更多信息可以参考：Writing YourOwn File Decoder.
注意：这个函数只对像素数据进行解码，而不是整个图像。如果用户的字符串包含整个图像，可以将该字符串包裹在StringIO对象中，使用函数open()来加载。

定义：Image.merge(mode,bands) ? image
含义：使用一些单通道图像，创建一个新的图像。变量bands为一个图像的元组或者列表，每个通道的模式由变量mode描述。所有通道必须有相同的尺寸。
变量mode与变量bands的关系：
len(ImageMode.getmode(mode).bands)= len(bands)
例子：
from PIL import Image
im1 = Image.open("jing.jpg")
im2 = Image.open("wu.jpg")
r1,g1,b1 = im1.split()
r2,g2,b2 = im2.split()
imgs =[r1,g2,b2]
im_merge = Image.merge("RGB",imgs)
im_merge.save("he.jpg")

from PIL import Image
im = Image.open(‘code.jpg‘)
print(im.mode)
im1 = im.convert(‘1‘)
print(im1.mode)

定义：im.getbbox() ? 4-tuple or None
含义：计算图像非零区域的包围盒。这个包围盒是一个4元组，定义了左、上、右和下像素坐标。如果图像是空的，这个方法将返回空。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
print(im1.getbbox())
输出：
(0, 0, 650, 650)

定义：im.filter(filter) ? image
含义：返回一个使用给定滤波器处理过的图像的拷贝。可用滤波器需要参考ImageFilter模块。

例子：
from PIL import Image,ImageFilter
im1 = Image.open("jing.jpg")
im_filter = im1.filter(ImageFilter.BLUR)
im_filter.save("he.jpg")
注：图像im_filter比im01变得有些模糊了。

定义：im.getdata() ? sequence
含义：以包含像素值的sequence对象形式返回图像的内容。这个sequence对象是扁平的，以便第一行的值直接跟在第零行的值后面，等等。
注意：这个方法返回的sequence对象是PIL内部数据类型，它只支持某些sequence操作，包括迭代和基础sequence访问。使用list(im.getdata())，将它转换为普通的sequence。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
seq = im1.getdata()
print(seq[0])
seq0 = list(seq)
print(seq0[0])
print(len(seq0))
输出：
(41, 183, 197)
(41, 183, 197)
       #这个值是长和高之积

注：Sequence对象的每一个元素对应一个像素点的R、G和B三个值。

定义：im.load()
含义：为图像分配内存并从文件中加载它（或者从源图像，对于懒操作）。正常情况下，用户不需要调用这个方法，因为在第一次访问图像时，Image类会自动地加载打开的图像。

     （New in 1.1.6）在1.1.6及以后的版本，方法load()返回一个用于读取和修改像素的像素访问对象。这个访问对象像一个二维队列，如：
      pix = im.load()
      print pix[x, y]
      pix[x, y] =value
      通过这个对象访问比方法getpixel()和putpixel()快很多。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
lm_load = im1.load()
print(lm_load[649,649])
输出：
(236, 210, 153)

from PIL import Image
im1 = Image.open("code.jpg")
print(im1.getpixel((1,1)))
print(im1.getpixel((6,6)))

定义1：im.paste(image,box)
含义1：将一张图粘贴到另一张图像上。变量box或者是一个给定左上角的2元组，或者是定义了左，上，右和下像素坐标的4元组，或者为空（与（0，0）一样）。如果给定4元组，被粘贴的图像的尺寸必须与区域尺寸一样。
如果模式不匹配，被粘贴的图像将被转换为当前图像的模式。

例子1：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [0,0,200,200]
im_crop = im1.crop(box)
im1.paste(im_crop,(200,200,400,400))  #等价于im1.paste(im_crop,(200,200))
im1.save("he.jpg")

定义2：im.paste(colour,box)
含义2：它与定义1一样，但是它使用同一种颜色填充变量box对应的区域。对于单通道图像，变量colour为单个颜色值；对于多通道，则为一个元组。

例子2：
from PIL import Image
im1 = Image.open("jing.jpg")
im1.paste((256,256,256),(200,100,500,200))
im1.save("he.jpg")
注：图像im1的（200，100）位置将出现一个300x100的白色方块，对于多通道的图像，如果变量colour只给定一个数值，将只会应用于图像的第一个通道。如果是“RGB”模式的图像，将应用于红色通道。

定义3：im.paste(image,box, mask)
含义3：与定义1一样，但是它使用变量mask对应的模板图像来填充所对应的区域。可以使用模式为“1”、“L”或者“RGBA”的图像作为模板图像。模板图像的尺寸必须与变量image对应的图像尺寸一致。
      如果变量mask对应图像的值为255，则模板图像的值直接被拷贝过来；如果变量mask对应图像的值为0，则保持当前图像的原始值。变量mask对应图像的其他值，将对两张图像的值进行透明融合。
注意：如果变量image对应的为“RGBA”图像，即粘贴的图像模式为“RGBA”，则alpha通道被忽略。用户可以使用同样的图像作为原图像和模板图像。

例子3：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [100,100,200,200]
im_crop = im1.crop(box)
r,g,b = im_crop.split()
im1.paste(im_crop,(200,100,300,200),b)
im1.save("he.jpg")
注：在图像im1的（0，0）位置将出现一个半透明的100x100的方块。

定义4：im.paste(colour,box, mask)
含义4：与定义3一样，只是使用变量colour对应的单色来填充区域。

例子4：
from PIL import Image
im1 = Image.open("jing.jpg")
box = [100,100,200,200]
im_crop = im1.crop(box)
r,g,b = im_crop.split()
im1.paste((0,256,0),(200,100,300,200),b)
im1.save("he.jpg")
注：在图像im1的（0，0）位置将出现一个100x100的绿色方块。

定义：im.crop(box) ? image
含义：从当前的图像中返回一个矩形区域的拷贝。变量box是一个四元组，定义了左、上、右和下的像素坐标。
这是一个懒操作。对源图像的改变可能或者可能不体现在裁减下来的图像中。为了获取一个分离的拷贝，对裁剪的拷贝调用方法load()。

例子：
from PIL import Image
im1 = Image.open("jing.jpg")
print(im1.size)
box = [0,0,650,400]   #650(长)400（高）
im_crop = im1.crop(box)
im_crop.save("he.jpg")

from PIL import Image
image = Image.open(‘code.jpg‘)
im = image.convert(‘L‘)

def binarizing(img,threshold=127):
    """传入image对象进行灰度、二值处理"""
    img = img.convert("L") # 转灰度
    pixdata = img.load()
    w, h = img.size
    # 遍历所有像素，大于阈值的为黑色
    for y in range(h):
        for x in range(w):
            if pixdata[x, y] < threshold:
                pixdata[x, y] = 0
            else:
                pixdata[x, y] = 255
    return img

def depoint(img):
    """传入二值化后的图片进行降噪"""
    pixdata = img.load()
    w,h = img.size
    for y in range(1,h-1):
        for x in range(1,w-1):
            count = 0
            if pixdata[x,y-1] > 245:#上
                count = count + 1
            if pixdata[x,y+1] > 245:#下
                count = count + 1
            if pixdata[x-1,y] > 245:#左
                count = count + 1
            if pixdata[x+1,y] > 245:#右
                count = count + 1
            if count > 4:
                pixdata[x,y] = 255
    return img

 1 import random
 2 from PIL import Image,ImageDraw,ImageFont
 3 from pytesser3 import image_to_string
 4 
 5 class GetCode():
 6     def __init__(self,n=4,size=(250,80)):
 7         self.n = n  # n代表验证码个数，默认四个
 8         self.width,self.height = size  # size代表验证码图片像素大小
 9 
10     def rndfont(self):
11         ‘‘‘
12         先把大写字母，数字，小写字母的ascii值放在一个列表中，然后随机取一个转成对应的字符
13         ‘‘‘
14         li = [x for x in range(65,91)]+[i for i in range(48,58)]+[j for j in range(97,123)]
15         return chr(random.choice(li))
16 
17     def rndbgcolor(self):
18         ‘‘‘
19         生成随机验证码背景颜色，浅色调（150-250）
20         ‘‘‘
21         return (random.randint(150,255),random.randint(150,255),random.randint(150,255))
22 
23     def rndfontcolor(self):
24         ‘‘‘
25         随机生成验证码字符颜色，深色调（0-150）
26         ‘‘‘
27         return (random.randint(0,150),random.randint(0,150),random.randint(0,150))
28 
29     def get_code(self):
30         image = Image.new(‘RGB‘,(self.width,self.height),(255,255,255)) # 生成一个image对象
31         font = ImageFont.truetype(‘ARIALUNI.TTF‘,30)  # 字符字体以及大小
32         draw = ImageDraw.Draw(image)  # 把image对象放到画布上
33         for x in range(self.width):
34             for y in range(self.height):
35                 draw.point((x,y),fill=self.rndbgcolor()) # 随机背景颜色填充image
36         for t in range(4):
37             draw.text((60*t+30,25),self.rndfont(),font=font,fill=self.rndfontcolor())  # 字体填充随机颜色
38         image.save(‘code.jpg‘)#保存图片
39 
40 
41 
42 class OcrCode():
43     def __init__(self,image):
44         self.image = Image.open(image)
45         self.image.show()
46         self.width, self.height =self.image.size
47 
48     def transfer_image(self):
49         self.image = self.image.convert(‘L‘) #灰度处理
50         pix = self.image.load()
51         threshold = 150
52         for x in range(self.width):
53             for y in range(self.height):
54                 pix[x,y] = 0 if pix[x,y] < threshold else 255  #二值化处理，把大于阀值的像素点直接设置为白色(255)，
55                                                              # 小于阀值的设置为黑色(0)
56         self.image.show()
57         return self.image
58 
59 
60     def clear_noise(self):
61         ‘‘‘
62         四邻去噪，遍历图片像素点，判断像素点是否孤立，如果像素点四周有超过3个点灰度值为白色，那么该点应该应该也设置为白色
63         ‘‘‘
64         pix = self.transfer_image().load()
65         for x in range(1,self.width-1):
66             for y in range(1,self.height-1):
67                 count = 0
68                 if pix[x,y-1] > 245:
69                     count += 1
70                 if pix[x,y+1] > 245:
71                     count += 1
72                 if pix[x-1,y] > 245:
73                     count += 1
74                 if pix[x+1,y] > 245:
75                     count += 1
76                 if count > 3:
77                     pix[x,y] = 255
78         self.image.show()
79         return self.image
80 
81     def recognize_code(self):
82         textcode = image_to_string(self.clear_noise())
83         print(‘图片中的字符为:‘,textcode)
84 
85 
86 if __name__ == ‘__main__‘:
87     code = GetCode(4)
88     code.get_code()
89     ocrcode = OcrCode(‘code.jpg‘)
90     ocrcode.recognize_code()