python/pretreatment.py · javaalpha/ticket

代码拉取完成,页面将自动刷新

扫描微信二维码支付

取消

支付完成

richgiteeai

Watch

不关注关注所有动态仅关注版本发行动态关注但不提醒动态

1 Star 0 Fork 152

javaalpha/ticket

forked from 千寻啊千寻/ticket

代码 Issues 0 Pull Requests 0 Wiki 统计流水线

服务

加入 Gitee

与超过 1400万开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)

免费加入

已有帐号? 立即登录

文件

master

分支 (2)

标签 (3)

管理

master

develop

20190904

20190802

20190719

克隆/下载

HTTPS SSH SVN SVN+SSH 下载ZIP

提示

下载代码请复制以下命令到终端执行

为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置

git config --global user.name userName 
git config --global user.email userEmail

初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置

1 生成 RSA 密钥

2 获取 RSA 公钥内容,并配置到 SSH公钥中

在 Gitee 上使用 SVN,请访问使用指南

使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议配置并使用私人令牌替代登录密码进行克隆、推送等操作

Username for 'https://gitee.com': userName

Password for 'https://userName@gitee.com': # 私人令牌

分支 2

标签 3

ticket

python

pretreatment.py

pretreatment.py 2.31 KB

#! env python
# coding: utf-8
# 功能:对图像进行预处理,将文字部分单独提取出来
# 并存放到ocr目录下
# 文件名为原验证码文件的文件名
import hashlib
import os
import pathlib

import cv2
import numpy as np
import requests
import scipy.fftpack

PATH = 'imgs'

def download_image():
 # 抓取验证码
 # 存放到指定path下
 # 文件名为图像的MD5
 url = 'https://kyfw.12306.cn/otn/passcodeNew/getPassCodeNew?module=login&rand=sjrand'
 r = requests.get(url)
 fn = hashlib.md5(r.content).hexdigest()
 with open(f'{PATH}/{fn}.jpg', 'wb') as fp:
 fp.write(r.content)

def download_images():
 pathlib.Path(PATH).mkdir(exist_ok=True)
 for idx in range(40000):
 download_image()
 print(idx)

def get_text(img, offset=0):
 # 得到图像中的文本部分
 return img[3:22, 120 + offset:177 + offset]

def avhash(im):
 im = cv2.resize(im, (8, 8), interpolation=cv2.INTER_CUBIC)
 avg = im.mean()
 im = im > avg
 im = np.packbits(im)
 return im

def phash(im):
 im = cv2.resize(im, (32, 32), interpolation=cv2.INTER_CUBIC)
 im = scipy.fftpack.dct(scipy.fftpack.dct(im, axis=0), axis=1)
 im = im[:8, :8]
 med = np.median(im)
 im = im > med
 im = np.packbits(im)
 return im

def _get_imgs(img):
 interval = 5
 length = 67
 for x in range(40, img.shape[0] - length, interval + length):
 for y in range(interval, img.shape[1] - length, interval + length):
 yield img[x:x + length, y:y + length]

def get_imgs(img):
 imgs = []
 for img in _get_imgs(img):
 imgs.append(phash(img))
 return imgs

def pretreat():
 if not os.path.isdir(PATH):
 download_images()
 texts, imgs = [], []
 for img in os.listdir(PATH):
 img = os.path.join(PATH, img)
 img = cv2.imread(img, cv2.IMREAD_GRAYSCALE)
 texts.append(get_text(img))
 imgs.append(get_imgs(img))
 return texts, imgs

def load_data(path='data.npz'):
 if not os.path.isfile(path):
 texts, imgs = pretreat()
 np.savez(path, texts=texts, images=imgs)
 f = np.load(path)
 return f['texts'], f['images']

if __name__ == '__main__':
 texts, imgs = load_data()
 print(texts.shape)
 print(imgs.shape)
 imgs = imgs.reshape(-1, 8)
 print(np.unique(imgs, axis=0).shape)

一键复制编辑原始数据按行查看历史

千寻啊千寻提交于 2019年07月16日 16:17 +08:00 . 初次提交抢票

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

#! env python
# coding: utf-8
# 功能:对图像进行预处理,将文字部分单独提取出来
# 并存放到ocr目录下
# 文件名为原验证码文件的文件名
import hashlib
import os
import pathlib

import cv2
import numpy as np
import requests
import scipy.fftpack


PATH = 'imgs'


def download_image():
 # 抓取验证码
 # 存放到指定path下
 # 文件名为图像的MD5
 url = 'https://kyfw.12306.cn/otn/passcodeNew/getPassCodeNew?module=login&rand=sjrand'
 r = requests.get(url)
 fn = hashlib.md5(r.content).hexdigest()
 with open(f'{PATH}/{fn}.jpg', 'wb') as fp:
 fp.write(r.content)


def download_images():
 pathlib.Path(PATH).mkdir(exist_ok=True)
 for idx in range(40000):
 download_image()
 print(idx)


def get_text(img, offset=0):
 # 得到图像中的文本部分
 return img[3:22, 120 + offset:177 + offset]


def avhash(im):
 im = cv2.resize(im, (8, 8), interpolation=cv2.INTER_CUBIC)
 avg = im.mean()
 im = im > avg
 im = np.packbits(im)
 return im


def phash(im):
 im = cv2.resize(im, (32, 32), interpolation=cv2.INTER_CUBIC)
 im = scipy.fftpack.dct(scipy.fftpack.dct(im, axis=0), axis=1)
 im = im[:8, :8]
 med = np.median(im)
 im = im > med
 im = np.packbits(im)
 return im


def _get_imgs(img):
 interval = 5
 length = 67
 for x in range(40, img.shape[0] - length, interval + length):
 for y in range(interval, img.shape[1] - length, interval + length):
 yield img[x:x + length, y:y + length]


def get_imgs(img):
 imgs = []
 for img in _get_imgs(img):
 imgs.append(phash(img))
 return imgs


def pretreat():
 if not os.path.isdir(PATH):
 download_images()
 texts, imgs = [], []
 for img in os.listdir(PATH):
 img = os.path.join(PATH, img)
 img = cv2.imread(img, cv2.IMREAD_GRAYSCALE)
 texts.append(get_text(img))
 imgs.append(get_imgs(img))
 return texts, imgs


def load_data(path='data.npz'):
 if not os.path.isfile(path):
 texts, imgs = pretreat()
 np.savez(path, texts=texts, images=imgs)
 f = np.load(path)
 return f['texts'], f['images']


if __name__ == '__main__':
 texts, imgs = load_data()
 print(texts.shape)
 print(imgs.shape)
 imgs = imgs.reshape(-1, 8)
 print(np.unique(imgs, axis=0).shape)