[[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(shí)現(xiàn)思路，Python項(xiàng)目實(shí)戰(zhàn)篇——常用驗(yàn)證碼標(biāo)注和識(shí)別(需求分析和實(shí)現(xiàn)思路)，這篇文章繼續(xù)沿著上一篇文章的內(nèi)容，給大家講解下數(shù)據(jù)采集/預(yù)處理/字符圖切割內(nèi)容。

二、數(shù)據(jù)采集

數(shù)據(jù)采集：根據(jù)圖片驗(yàn)證碼鏈接進(jìn)行批量下載圖片，最開(kāi)始時(shí)下載個(gè)20張先進(jìn)行手動(dòng)改文件名進(jìn)行標(biāo)注，下載這塊代碼編寫(xiě)不難，這里不貼代碼了，見(jiàn)image_download.py文件。

三、預(yù)處理

預(yù)處理：根據(jù)需求分析中的字符切割描述，針對(duì)筆者的圖片驗(yàn)證碼案例情況，需要先進(jìn)行常規(guī)驗(yàn)證碼圖片預(yù)處理，預(yù)處理通過(guò)OpenCV庫(kù)實(shí)現(xiàn)，處理過(guò)程為：

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

大概過(guò)程功能簡(jiǎn)單描述如下，詳細(xì)原理可以參考OpenCV相關(guān)文章和視頻，引用鏈接：

[3.OpenCV文章專(zhuān)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(zhuǎn)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(jìn)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(cè)

輪廓檢測(cè)：這一步主要用于提取字符輪廓矩形坐標(biāo)，不適合字符挨得特別緊的情況

字符切割填充：根據(jù)生成的字符輪廓圖片矩形坐標(biāo)進(jìn)行切割再填充對(duì)齊到指定寬高

具體執(zhí)行效果如下：

下面是預(yù)處理過(guò)程部分核心代碼，詳細(xì)代碼見(jiàn)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(zhí)行圖片預(yù)處理程序后具體效果圖1-3如下：

輪廓檢測(cè)繪制結(jié)果1：

根據(jù)圖片輪廓進(jìn)行字符切割結(jié)果2：

根據(jù)字符切割圖片進(jìn)行文件分類(lèi)結(jié)果3：

以上就是字符圖片切割的全部過(guò)程了，核心過(guò)程代碼如下：

def split_image(file_path): 
    file_name = get_file_name(file_path) 
    img = read_image(file_path) 
 
    #驗(yàn)證碼預(yù)處理 
    threshold = pre_process_image(img, file_name) 
 
    #查找輪廓邊界列表 
    contours = find_counters(threshold) 
 
    #過(guò)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(xì)代碼可以閱讀源碼，這里說(shuō)一下這個(gè)過(guò)程中筆者編寫(xiě)預(yù)處理代碼遇到的幾個(gè)問(wèn)題：

1. 部分圖片輪廓檢測(cè)可以檢測(cè)到多個(gè)輪廓，部分圖片只有1-2個(gè)輪廓，部分可能一個(gè)輪廓都沒(méi)有，這里代碼進(jìn)行了相應(yīng)的調(diào)整處理，比如過(guò)濾大的外部輪廓和較小的內(nèi)部輪廓，根據(jù)剩下的輪廓進(jìn)行坐標(biāo)排序，根據(jù)部分坐標(biāo)得到所有字符輪廓
2. 得到4個(gè)字符輪廓圖片后，每個(gè)圖片大小不一致，需要進(jìn)行大小補(bǔ)齊，這個(gè)寬高參數(shù)需要根據(jù)數(shù)據(jù)集進(jìn)行調(diào)整

以上就是數(shù)據(jù)采集/預(yù)處理的實(shí)現(xiàn)過(guò)程了，這里稍微說(shuō)下學(xué)習(xí)OpenCV相關(guān)知識(shí)過(guò)程的情況，筆者是采用文章+視頻間斷性學(xué)習(xí)，大概是20-40個(gè)小時(shí)左右，然后再開(kāi)始寫(xiě)具體字符圖片切割的代碼，讀者可根據(jù)自己的時(shí)間安排學(xué)習(xí)速度，建議工具類(lèi)的東西是快速學(xué)習(xí)，現(xiàn)學(xué)現(xiàn)用。好的，接下來(lái)介紹高效率、可復(fù)用的通用圖片驗(yàn)證碼數(shù)據(jù)標(biāo)注功能實(shí)現(xiàn)。

四、總結(jié)

我是Snowball。上一篇文章給大家分享了，Python項(xiàng)目實(shí)戰(zhàn)篇——常用驗(yàn)證碼標(biāo)注和識(shí)別(需求分析和實(shí)現(xiàn)思路)，這篇內(nèi)容主要講解了常用驗(yàn)證碼標(biāo)注&識(shí)別的數(shù)據(jù)采集/預(yù)處理的實(shí)現(xiàn)過(guò)程。下一篇文章，小編給大家介紹高效率、可復(fù)用的通用圖片驗(yàn)證碼數(shù)據(jù)標(biāo)注功能實(shí)現(xiàn)。

小伙伴們，快快用實(shí)踐一下吧!如果在學(xué)習(xí)過(guò)程中，有遇到任何問(wèn)題，歡迎加我好友，我拉你進(jìn)Python學(xué)習(xí)交流群共同探討學(xué)習(xí)。