-
Notifications
You must be signed in to change notification settings - Fork 2
/
Copy pathpicPreHandle.py
257 lines (238 loc) · 11.6 KB
/
picPreHandle.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
#coding=utf-8
try:
import Image
except ImportError:
from PIL import Image
#import pytesseract
from PIL import ImageEnhance
from PIL import ImageFilter
import os
import cutPic
#定义图像预处理的整体函数
def Change_Image(Docu_Name,Dist):
im = Handle_Image(Docu_Name,Dist,40,10)
X_Value=cutPic.Cut_X(im)
Y_Value=cutPic.Cut_Y(im)
# print X_Value
# print Y_Value
ims = []
Image_Value=[]
Image_Values=[]
Image_Value_Row=[]
for k in range(4):
im1= im.crop((X_Value[(2*k)],Y_Value[(2*k)],(X_Value[(2*k+1)]+1),(Y_Value[(2*k+1)]+1))) #切割图像为4个子图像
ims.append(im1)
for j in range(Y_Value[(2*k)],(Y_Value[(2*k+1)]+1)):
for i in range(X_Value[(2*k)],(X_Value[(2*k+1)]+1)):
if im.getpixel((i,j))==0:#黑色像素的值是0
Image_Value_Row.append(1)
else:
Image_Value_Row.append(0)
Image_Value.append(Image_Value_Row)#
Image_Value_Row=[]#
Image_Values.append(Image_Value)
Image_Value=[]
return Image_Values #返回切割后各个图像对应的黑白像素的0-1值所存储在其中的三维数组。
#处理图片以便后续的0-1二值化
def Handle_Image(Docu_Name,Dist,w_box,h_box):
im = Image.open('%s.jpg'%(Dist+Docu_Name)) #打开对应目录的png格式的验证码图片
im=im.convert('RGB')
w,h = im.size
im = resize(w, h, w_box, h_box, im)
for j in range(im.size[1]):
for i in range(im.size[0]):
Gray = Change_Gray(im.getpixel((i,j))) #灰度化
im.putpixel([i,j],(Gray,Gray,Gray))
# if i==0 or i==(im.size[0]-1): #将图片的第一行和最后一行设为白色。
# im.putpixel([i,j],(255,255,255))
# if j==0 or j==(im.size[1]-1):#将图片的第一列和最后一列设为白色。
# im.putpixel([i,j],(255,255,255))
enhancer = ImageEnhance.Contrast(im) #增加对比对
im = enhancer.enhance(2)
enhancer = ImageEnhance.Sharpness(im) #锐化
im = enhancer.enhance(2)
enhancer = ImageEnhance.Brightness(im) #增加亮度
im = enhancer.enhance(2)
#im=im.convert('L').filter(ImageFilter.DETAIL) #滤镜效果
im = im.convert('1') #转为黑白图片
im = Clear_Point(im) #清除周围8个像素都是白色的孤立噪点
#im = Clear_Point_Twice(im) #清除两个孤立的噪点：周围8个像素中有7个是白色，而唯一的黑色像素对应的他的邻域（他周围的8个像素）中唯一的黑色像素是自身。
#im = Clear_Point_Third(im) #清除第三种噪点：左右都是3个（含）以上的空白列，自身相邻的3个列上的X值投影不大于3.
w,h = im.size
im = resize(w, h, w_box, h_box, im)
return im
def Handle_Image1(image,w_box,h_box):
im = image
im=im.convert('RGB')
w,h = im.size
im = resize(w, h, w_box, h_box, im)
for j in range(im.size[1]):
for i in range(im.size[0]):
Gray = Change_Gray(im.getpixel((i,j))) #灰度化
im.putpixel([i,j],(Gray,Gray,Gray))
# if i==0 or i==(im.size[0]-1): #将图片的第一行和最后一行设为白色。
# im.putpixel([i,j],(255,255,255))
# if j==0 or j==(im.size[1]-1):#将图片的第一列和最后一列设为白色。
# im.putpixel([i,j],(255,255,255))
enhancer = ImageEnhance.Contrast(im) #增加对比对
im = enhancer.enhance(5)
# enhancer = ImageEnhance.Sharpness(im) #锐化
# im = enhancer.enhance(2)
# enhancer = ImageEnhance.Brightness(im) #增加亮度
# im = enhancer.enhance(2)
#im=im.convert('L').filter(ImageFilter.DETAIL) #滤镜效果
im = im.convert('1') #转为黑白图片
im = Clear_Point(im) #清除周围8个像素都是白色的孤立噪点
#im = Clear_Point_Twice(im) #清除两个孤立的噪点：周围8个像素中有7个是白色，而唯一的黑色像素对应的他的邻域（他周围的8个像素）中唯一的黑色像素是自身。
#im = Clear_Point_Third(im) #清除第三种噪点：左右都是3个（含）以上的空白列，自身相邻的3个列上的X值投影不大于3.
w,h = im.size
im = resize(w, h, w_box, h_box, im)
return im
#改变灰度，查文献后发现据说按照下面的R，G，B数值的比例进行调整，图像的灰度最合适。
def Change_Gray(RGB_Value):
Gray = int((RGB_Value[0]*299+RGB_Value[1]*587+RGB_Value[2]*114)/1000)
return Gray
#图像处理的关键是后续的清楚噪点，也就是所谓的孤立点
#清除单个孤立点
def Clear_Point(im):
for j in range(1,(im.size[1]-1)):
for i in range(1,(im.size[0]-1)):
if im.getpixel((i,j))==0 and im.getpixel(((i-1),(j-1)))==255 and im.getpixel((i,(j-1)))==255 and im.getpixel(((i+1),(j-1)))==255 and im.getpixel(((i-1),j))==255 and im.getpixel(((i+1),j))==255 and im.getpixel(((i-1),(j+1)))==255 and im.getpixel((i,(j+1)))==255 and im.getpixel(((i+1),(j+1)))==255:
im.putpixel([i,j],255)
return im
#清除只有2个的孤立点
def Clear_Point_Twice(im):
for j in range(1,(im.size[1]-1)):
for i in range(1,(im.size[0]-1)):
if im.getpixel((i,j))==0 and ( im.getpixel(((i-1),(j-1)))+im.getpixel((i,(j-1)))+im.getpixel(((i+1),(j-1)))+im.getpixel(((i-1),j))+im.getpixel(((i+1),j))+im.getpixel(((i-1),(j+1)))+im.getpixel((i,(j+1)))+im.getpixel(((i+1),(j +1)))) == 255*7:
if im.getpixel(((i+1),j))==0: #因为扫描的顺序是从上到下，从左到右，噪点只能是在自身像素的后面和下面，也就是只有4个可能性而已，而不是8个，可以减少一半的代码。
m=i+1
n=j
if ( im.getpixel(((m-1),(n-1)))+im.getpixel((m,(n-1)))+im.getpixel(((m+1),(n-1)))+im.getpixel(((m-1),n))+im.getpixel(((m+ 1),n))+im.getpixel(((m-1),(n+ 1)))+im.getpixel((m,(n+ 1)))+im.getpixel(((m +1),(n+ 1)))) == 255*7:
im.putpixel([i,j],255)
im.putpixel([m,n],255)
elif im.getpixel(((i-1),(j+1)))==0:
m=i-1
n=j+1
if ( im.getpixel(((m-1),(n-1)))+im.getpixel((m,(n-1)))+im.getpixel(((m+1),(n-1)))+im.getpixel(((m-1),n))+im.getpixel(((m +1),n))+im.getpixel(((m-1),(n +1)))+im.getpixel((m,(n+ 1)))+im.getpixel(((m+ 1),(n +1)))) == 255*7:
im.putpixel([i,j],255)
im.putpixel([m,n],255)
elif im.getpixel((i,(j+1)))==0:
m=i
n=j+1
if ( im.getpixel(((m-1),(n-1)))+im.getpixel((m,(n-1)))+im.getpixel(((m+1),(n-1)))+im.getpixel(((m-1),n))+im.getpixel(((m+ 1),n))+im.getpixel(((m-1),(n+ 1)))+im.getpixel((m,(n +1)))+im.getpixel(((m+ 1),(n +1)))) == 255*7:
im.putpixel([i,j],255)
im.putpixel([m,n],255)
elif im.getpixel(((i+1),(j+1)))==0:
m=i+1
n=j+1
if ( im.getpixel(((m-1),(n-1)))+im.getpixel((m,(n-1)))+im.getpixel(((m+1),(n-1)))+im.getpixel(((m-1),n))+im.getpixel(((m+ 1),n))+im.getpixel(((m-1),(n +1)))+im.getpixel((m,(n +1)))+im.getpixel(((m +1),(n +1)))) == 255*7:
im.putpixel([i,j],255)
im.putpixel([m,n],255)
return im
#清楚第三种噪点比较麻烦，需要计算图像的0-1值在X轴的投影后，才能判断。
#依据图片像素颜色计算X轴投影
def Caculate_X(im):
Image_Value=[]
for i in range(im.size[0]):
Y_pixel=0
for j in range(im.size[1]):
if im.getpixel((i,j))==0:
temp_value=1
else:
temp_value=0
Y_pixel = Y_pixel+temp_value
Image_Value.append(Y_pixel)
return Image_Value
#逐次将多列设为全白
def Set_White_Y(im,List_Black):
for j in range(im.size[1]):
for i in range(List_Black[0],(List_Black[(len(List_Black)-1)]+1)):
im.putpixel([i,j],255)
return im
#清除第三种残余的孤立点
def Clear_Point_Third(im):
Image_Value = Caculate_X(im)
List01=[]
List_Black=[]
List03=[]
for i in range(len(Image_Value)): #从左到右扫描
if Image_Value[i] ==0 and len(List_Black) == 0 : #X轴投影是0，说明是空白列，黑色列的列表是空值，说明当前列是黑色列的左侧
List01.append(i)
elif Image_Value[i] >0 : #X周投影大于0的列，即扫描到了黑色列
List_Black.append(i)
elif Image_Value[i] ==0 and len(List_Black)>0 and len(List_Black)<=3:# 黑色列的列表的长度大于0，不大于3个空白字符，现在的X轴投影为0，说明现在扫描到了孤立噪点所在的黑色列右侧的空白列
List03.append(i)
if len(List03)==3:#空白列为3列
im = Set_White_Y(im,List_Black) #逐次将多列设为全白
List01=[]
List_Black=[]
List03=[]
elif Image_Value[i] ==0 and len(List_Black)>3: #当前是空白列，黑色列的数量大于3，说明扫描到了数字所在部分（不是噪点）的右侧空白列。
List01=[]
List_Black=[]
List03=[]
List01.append(i)
return im
def resize(w, h, w_box, h_box, pil_image):
'''
resize a pil_image object so it will fit into
a box of size w_box times h_box, but retain aspect ratio
'''
f1 = 1.0*w_box/w # 1.0 forces float division in Python2
f2 = 1.0*h_box/h
factor = min([f1, f2])
#print(f1, f2, factor) # test
# use best down-sizing filter
width = int(w*factor)
height = int(h*factor)
return pil_image.resize((width, height), Image.ANTIALIAS)
#切割完毕后，将4个子图片的像素颜色信息写入到文本文件
def Write_ImageFile(Docu_Name,Image_Value,Dist):
f=open('%s' % (Dist+Docu_Name+'.txt'),'w')
f.write(str(Image_Value))
f.close()
def Write_Txt(Dist):
''' txt文件的写入格式
#文件名
a=[]
Image_Libs.append(a)
'''
#Big_Txt = Document_Name()
fw = open ('%s' %(Dist+'code1'+'.txt'),'a')
Array=[]
for item in os.listdir(Dist): # 遍历指定目录
if os.path.isfile(Dist+item) and item.endswith('.txt') and len(item)<20: # 判断是否为.txt文件
f = open((Dist+item),'r') # 打开文件
line=f.readline()
for i in range(2): #为了保障比对时的成功率，每个素材要写入2次，这样可以提高比对成功率。
fw.write('#')
fw.write(item)
fw.write('\n')
fw.write('a=')
fw.write(line)
fw.write('\nImage_Libs.append(a)\n')
Array.append(int(item[0]))
f.close()
a={}
for i in Array:
if Array.count(i)>0:
a[i]=Array.count(i)
b=[]
b.append(a[0])
for i in range(1,len(a)):
b.append(( a[i]+b[i-1] )) #生成一个从0到9，依次存储各个数字的累积个数的数组。
b=[0]+b
fw.write('\n')
fw.write('Rank_Index=')
fw.write(str(b))
fw.close()
#if __name__ == '__main__':
# #Change_Image('code345','E:\\USTCEPCCode\\')
# Dist = 'E:\USTCEPCCode\\'
# Image_Value = Change_Image('code300',Dist)
# Write_ImageFile('code',Image_Value,Dist)
# Write_Txt(Dist)
# for i in range (300,310):
# imgry = Handle_Image('code'+str(i),'E:\USTCEPCCode\\')
# imgry.save('e:\\code%s.tiff'%(str(i)))