python自动化识别验证码（Python鉴黄小程序）

python自动化识别验证码（Python鉴黄小程序）import cv2 import numpy as np import collections import time下面是读取摄像头：首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码如下：http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef开始前的准备借助python和OpenCV通过图片相减的方法找到动态物体，然后根据像素值的大小判断其中的均值颜色。

前言

文的文字及图片来源于网络 仅供学习、交流使用 不具有任何商业用途 版权归原作者所有 如有问题请及时联系我们以作处理。

作者： 李秋键

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

开始前的准备

借助python和OpenCV通过图片相减的方法找到动态物体，然后根据像素值的大小判断其中的均值颜色。

首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码如下：

import cv2 import numpy as np import collections import time

下面是读取摄像头：

camera = cv2.VideoCapture(0)

做一些开始前的准备，包括循环次数，摄像头内容读入，保存上一帧的图片作为对比作差找到动态物体，然后定义框架的长和宽。

firstframe = None a=0 ret0 frame0 = camera.read() cv2.imwrite("1.jpg" frame0) x y w h = 10 10 100 100

下面是定义颜色的部分代码，比如定义的黑色，可以参照hsv表进行拓展 如图所示

然后可以知道黑色的最低值为0 0 0，最大值为180，255 46然后建立数组存储颜色数据，通过字典达到映射效果。

# 处理图片 def get_color(frame): print('go in get_color') hsv = cv2.cvtColor(frame cv2.COLOR_BGR2HSV) maxsum = -100 color = None color_dict = getColorList() for d in color_dict: mask = cv2.inRange(frame color_dict[d][0] color_dict[d][1]) cv2.imwrite(d '.jpg' mask) binary = cv2.threshold(mask 127 255 cv2.THRESH_BINARY)[1] binary = cv2.dilate(binary None iterations=2) img cnts hiera = cv2.findContours(binary.copy() cv2.RETR_EXTERNAL cv2.CHAIN_APPROX_SIMPLE) sum = 0 for c in cnts: sum = cv2.contourArea(c) if sum > maxsum: maxsum = sum color = d return color

图像处理

紧接着是图像处理，其中包括转为灰度图，读取颜色字典，然后腐化膨胀操作。

# 处理图片 def get_color(frame): print('go in get_color') hsv = cv2.cvtColor(frame cv2.COLOR_BGR2HSV) maxsum = -100 color = None color_dict = getColorList() for d in color_dict: mask = cv2.inRange(frame color_dict[d][0] color_dict[d][1]) cv2.imwrite(d '.jpg' mask) binary = cv2.threshold(mask 127 255 cv2.THRESH_BINARY)[1] binary = cv2.dilate(binary None iterations=2) img cnts hiera = cv2.findContours(binary.copy() cv2.RETR_EXTERNAL cv2.CHAIN_APPROX_SIMPLE) sum = 0 for c in cnts: sum = cv2.contourArea(c) if sum > maxsum: maxsum = sum color = d return color

图片相减的办法

然后是图片相减找到动态物体的代码，每循环5次保存一次图片，时间是很短的不用担心。然后通过absdiff函数对图片像素值作差找到动态物体，接着讲像素值相减非零的部分用矩形框圈出来。

while True: ret frame = camera.read() if not ret: break gray = cv2.cvtColor(frame cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray (21 21) 0) a=a 1 if a%5==0: cv2.imwrite("1.jpg" frame) firstframe=cv2.imread("1.jpg") firstframe= cv2.cvtColor(firstframe cv2.COLOR_BGR2GRAY) firstframe= cv2.GaussianBlur(firstframe (21 21) 0) frameDelta = cv2.absdiff(firstframe gray) thresh = cv2.threshold(frameDelta 25 255 cv2.THRESH_BINARY)[1] thresh = cv2.dilate(thresh None iterations=2) # cnts= cv2.findContours(thresh.copy() cv2.RETR_EXTERNAL cv2.CHAIN_APPROX_SIMPLE) x y w h = cv2.boundingRect(thresh) frame = cv2.rectangle(frame (x y) (x w y h) (0 0 255) 2) cv2.imshow("frame" frame)

因为保存图片是每隔5次进行一次，在某个瞬间可能保存的图片不存在等原因，所以需要通过try的方法避免错误，最终的演示效果文末有。

try: ret0 frame0 = camera.read() cropped = frame0[y:y h x:x w ] # 裁剪坐标为[y0:y1 x0:x1] cv2.imwrite("3.jpg" cropped) frame1 = cv2.imread(filename) print(get_color(frame1)) # plt.title(label[model.predict_classes(image)] fontproperties=myfont) imgzi = cv2.putText(frame get_color(frame1) (30 30) cv2.FONT_HERSHEY_COMPLEX 1.2 (255 255 255) 2) cv2.imwrite("2.jpg" imgzi) cv2.imshow("frame" cv2.imread("2.jpg")) except: pass key = cv2.waitKey(1) & 0xFF if key == ord("q"): break camera.release()

其最终演示效果如图所示：

至此，动态物体检测代码基本实现。其中的拓展功能可以按照自己的需求进行修改、