[[423249]]

大家好，我是Snowball。

一、前言

上一篇文章小編給大家講解了需求分析和實現思路，Python項目實戰篇——常用驗證碼標注和識別(需求分析和實現思路)，這篇文章繼續沿著上一篇文章的內容，給大家講解下數據采集/預處理/字符圖切割內容。

二、數據采集

數據采集：根據圖片驗證碼鏈接進行批量下載圖片，最開始時下載個20張先進行手動改文件名進行標注，下載這塊代碼編寫不難，這里不貼代碼了，見image_download.py文件。

三、預處理

預處理：根據需求分析中的字符切割描述，針對筆者的圖片驗證碼案例情況，需要先進行常規驗證碼圖片預處理，預處理通過OpenCV庫實現，處理過程為：

原始圖->灰度圖->中值濾波->二值化->輪廓檢測繪制(部分情況才可以加)->字符切割填充 

大概過程功能簡單描述如下，詳細原理可以參考OpenCV相關文章和視頻，引用鏈接：

[3.OpenCV文章專欄](https://blog.csdn.net/yukinoai/category_9283880.html) 
[4.OpenCV-Python視頻](https://www.bilibili.com/video/BV1tb4y1C7j7) 

原始圖(RGB)轉灰度圖：去除顏色信息，減少圖片大小，單通道值方便濾波處理。讀者可以腦洞一下，不去除顏色信息，能提取到指定字符顏色的輪廓嗎?

灰度圖中值濾波：進行噪音去除，取中間像素平均值

二值化：只留下0、255二種值，方便輪廓檢測

輪廓檢測：這一步主要用于提取字符輪廓矩形坐標，不適合字符挨得特別緊的情況

字符切割填充：根據生成的字符輪廓圖片矩形坐標進行切割再填充對齊到指定寬高

具體執行效果如下：

下面是預處理過程部分核心代碼，詳細代碼見image_split.py文件。

def pre_process_image(img, file_name): 
    # 去除邊緣 
    img = img[2:-2, 2:-2] 
    # print(img.shape) 
 
    #得到灰度圖 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    # show("gray", gray) 
 
    #去除噪音 
    blur = cv2.medianBlur(gray, 3) 
    # show("blur", blur) 
 
    temp = gray.mean().item() 
    #二值化 
    ret, threshold = cv2.threshold(blur, temp, 255, cv2.THRESH_BINARY) 
    # show("threshold", threshold) 
 
    #保存二值化圖片 
    if IS_SAVE_FILE: 
        cv2.imwrite(DST_IMG_DIR + file_name + "_threshold.png", threshold) 
    return threshold 

執行圖片預處理程序后具體效果圖1-3如下：

輪廓檢測繪制結果1：

根據圖片輪廓進行字符切割結果2：

根據字符切割圖片進行文件分類結果3：

以上就是字符圖片切割的全部過程了，核心過程代碼如下：

def split_image(file_path): 
    file_name = get_file_name(file_path) 
    img = read_image(file_path) 
 
    #驗證碼預處理 
    threshold = pre_process_image(img, file_name) 
 
    #查找輪廓邊界列表 
    contours = find_counters(threshold) 
 
    #過濾合適的輪廓矩形列表 
    rect_list,result_rect = get_filter_rect(contours, img, file_name) 
 
    #分割矩形圖片 
    return split_rect_img(file_path, threshold, rect_list, result_rect) 

詳細代碼可以閱讀源碼，這里說一下這個過程中筆者編寫預處理代碼遇到的幾個問題：

1. 部分圖片輪廓檢測可以檢測到多個輪廓，部分圖片只有1-2個輪廓，部分可能一個輪廓都沒有，這里代碼進行了相應的調整處理，比如過濾大的外部輪廓和較小的內部輪廓，根據剩下的輪廓進行坐標排序，根據部分坐標得到所有字符輪廓
2. 得到4個字符輪廓圖片后，每個圖片大小不一致，需要進行大小補齊，這個寬高參數需要根據數據集進行調整

以上就是數據采集/預處理的實現過程了，這里稍微說下學習OpenCV相關知識過程的情況，筆者是采用文章+視頻間斷性學習，大概是20-40個小時左右，然后再開始寫具體字符圖片切割的代碼，讀者可根據自己的時間安排學習速度，建議工具類的東西是快速學習，現學現用。好的，接下來介紹高效率、可復用的通用圖片驗證碼數據標注功能實現。

四、總結

我是Snowball。上一篇文章給大家分享了，Python項目實戰篇——常用驗證碼標注和識別(需求分析和實現思路)，這篇內容主要講解了常用驗證碼標注&識別的數據采集/預處理的實現過程。下一篇文章，小編給大家介紹高效率、可復用的通用圖片驗證碼數據標注功能實現。

小伙伴們，快快用實踐一下吧!如果在學習過程中，有遇到任何問題，歡迎加我好友，我拉你進Python學習交流群共同探討學習。