删除验证码背景

Question

我进入了一个我想摆脱的验证码网站。这是一些示例图像

由于背景是静态的，而且这个词是计算机生成的非扭曲字符，我相信它是非常可行的。由于将图像直接传递给 Tesseract（OCR 引擎）不会产生积极的结果。我想在 OCR 之前移除验证码背景。

我使用 Python-PIL 尝试了多种背景去除方法

1. 删除所有非黑色像素，这会删除线条，但不会删除小的实心黑框。
2. 应用提到的过滤器another StackOverflow post，它不会删除小的实心黑框。也比方法 1 效果差。

方法 1 和 2 会给我这样的图像

看起来很接近，但 Tesseract 无法识别该字符，即使删除了顶部和底部的点行。

1. 创建背景蒙版，并将背景蒙版应用于图像。

这是蒙版图片

这是应用了蒙版并移除了灰线的图像

但是，盲目地应用此蒙版会在验证码字符中产生一些“白洞”。而 Tesseract 仍然无法找出这些单词。

有没有更好的去除静态背景的方法？

最后，我如何将过滤后的图像拆分为 6 个具有单个字符的图像？非常感谢。

Answer 1

我可以给你一些想法尝试一下。

应用第 3 步后，您可以使用 PIL 加厚图像中的黑边以填充白孔。我猜你正在使用 python-tesseract。如果有，请参考https://code.google.com/p/python-tesseract/wiki/CodeSnippets中的示例4

为了提取字符，您可以参考Numpy PIL Python : crop image on whitespace or crop text with histogram Thresholds。有一些方法可以分析图像的直方图，以便定位可以推断边界的空白位置。