文档章节

Python3.5 Windows 7下 利用百度识图来获得图片信息

M
 MichaelShu
发布于 2017/08/16 10:16
字数 589
阅读 42
收藏 0
点赞 0
评论 0
#!/usr/bin/python

from PIL import Image
from PIL import ImageFilter
import urllib
import requests
import re
import json

# hack CERTIFICATE_VERIFY_FAILED
# https://github.com/mtschirs/quizduellapi/issues/2
import ssl

if hasattr(ssl, '_create_unverified_context'):
    ssl._create_default_https_context = ssl._create_unverified_context


UA = 'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.78 Safari/537.36'

pic_url = "https://kyfw.12306.cn/otn/passcodeNew/getPassCodeNew?module=login&rand=sjrand&0.21191171556711197"

'''
def get_img():
    resp = urllib.urlopen(pic_url)
    raw = resp.read()
    with open("./tmp.png", 'wb') as fp:
        fp.write(raw)

    return Image.open("./tmp.jpg")
'''

def get_img(im):
    (WITH,HEIGHT) = im.size
    print("WITH = %d,HEIGHT = %d"%(WITH,HEIGHT))
    left = 0
    top = 0
    right = left + WITH
    bottom = top + HEIGHT

    return im.crop((left, top, right, bottom))


def baidu_image_upload(im):
    url = "http://image.baidu.com/pictureup/uploadshitu?fr=flash&fm=index&pos=upload"

    im.save("./tmp.png")
    raw = open("./tmp.png", 'rb').read()

    files = {
        'fileheight': "0",
        'newfilesize': str(len(raw)),
        'compresstime': "0",
        'Filename': "image.png",
        'filewidth': "0",
        'filesize': str(len(raw)),
        'filetype': 'image/png',
        'Upload': "Submit Query",
        'filedata': ("image.png", raw)
    }

    resp = requests.post(url, files=files, headers={'User-Agent': UA})

    #print("resp.text = %s"%resp.text)
    #  resp.url
    redirect_url = "http://image.baidu.com" + resp.text
    return redirect_url


def baidu_stu_lookup(im):
    redirect_url = baidu_image_upload(im)

    # print redirect_url
    #print("1111111111redirect_url = %s"%redirect_url)
   
    resp = requests.get(redirect_url)

    html = resp.text
    #print("2222222222resp.text = %s"%resp.text)
    return baidu_stu_html_extract(html)


def baidu_stu_html_extract(html):
    pattern = re.compile(r"'multitags':\s*'(.*?)'")
    matches = pattern.findall(html)
    if not matches:
        print("Not match")
        return '[ERROR?]'
    else:
        print("Match")
   
    tags_str = matches[0]
   
    for item in matches:
        print("item = %s"%item)
   
    #print("tags_str = %s"%tags_str)
    result = list(filter(None, tags_str.replace('\t', ' ').split()))

    return '|'.join(result) if result else '[UNKOWN]'


def ocr_question_extract(im):
    # git@github.com:madmaze/pytesseract.git
    global pytesseract
    try:
        import pytesseract
    except:
        print("[ERROR] pytesseract not installed")
        return
   
    (width, height) = im.size
    im = im.crop((0, 0, width, height))
    im = pre_ocr_processing(im)
    #im.show()
    return pytesseract.image_to_string(im, lang='chi_sim').strip()


def pre_ocr_processing(im):
    im = im.convert("RGB")
    (width, height) = im.size

    white = im.filter(ImageFilter.BLUR).filter(ImageFilter.MaxFilter(23))
    grey = im.convert('L')
    impix = im.load()
    whitepix = white.load()
    greypix = grey.load()

    for y in range(height):
        for x in range(width):
            greypix[x, y] = min(255, max(255 + impix[0,0][0] - whitepix[x, y][0],
                         255 + impix[0,0][1] - whitepix[x, y][1],
                         255 + impix[0,0][2] - whitepix[x, y][2]))

    new_im = grey.copy()
    binarize(new_im, 150)
    return new_im

def binarize(im, thresh=120):
    assert 0 < thresh < 255
    assert im.mode == 'L'
    w, h = im.size
    for y in range(0, h):
        for x in range(0, w):
            if im.getpixel((x, y)) < thresh:
                im.putpixel((x, y), 0)
            else:
                im.putpixel((x, y), 255)


if __name__ == '__main__':
    # im = get_img()
    im = Image.open("tmp.jpg")

    '''
    try:
        print('OCR Question:', ocr_question_extract(im))
    except Exception as e:
        print ('<OCR failed>', e)
   '''

    im2 = get_img(im)

    result = baidu_stu_lookup(im2)
    print(result)

将一张名为tmp.jpg的jpeg图片放在代码目录下:

显示结果如下:

E:\Python35\python.exe E:/PycharmProjs/baidushitu/baidushitu.py
WITH = 500,HEIGHT = 440
Match
item = 小鸡  哈多利博美  荷兰猪 豚鼠 鸡雏 鸡蛋孵小鸡
小鸡|哈多利博美|荷兰猪|豚鼠|鸡雏|鸡蛋孵小鸡

Process finished with exit code 0

本来是想用来识别12306抢票的验证码,但百度识图的识别率不高,其他的也试了,现在都不太高,所以就在想想有什么好的值得研究推荐下

© 著作权归作者所有

共有 人打赏支持
M
粉丝 3
博文 71
码字总数 14156
作品 0
海淀
技术主管
【互联网人必备】最实用的6大专业搜索工具

播妞的一位朋友,用了将近10年电脑。但他的信息检索能力令人诧异。每次需要找点图片、网站甚至小电影,都需要用很久时间,在各大网站论坛里里疲于奔波。 因为他只会用百度和360啊! 然而,百...

Lunaqi ⋅ 2017/11/28 ⋅ 0

百度图片搜索功能内测

11月11日获悉,百度内部开始测试识图搜索(shitu.baidu.com),可以寻找某一图片的类似图片。目前这一搜索功能外部无法使用,也没有正式推出的时间。 去年4月,Google实验室就曾推出“相似图片...

老古董 ⋅ 2010/11/12 ⋅ 11

零基础爬虫学习全记录2:今日头条指定搜索内容下的所有图集图片保存——图片采集小程序

零基础爬虫学习全记录 无论仅仅有多少基础,都不该在徘徊和犹豫中浪费! 只有放弃幻想,用行动促进思考,才能最快找到想要的路。 背景: 没有任何编程基础的金融学专业学生,C语言都没接触过...

无小意丶 ⋅ 2017/10/27 ⋅ 0

百度“图腾”新版本将上线:联盟链+四大服务打通图片行业价值链

雷锋网AI金融评论获悉,今年4月低调上线的百度区块链原创图片服务平台“图腾”将发布新版本,并将搭建其专属联盟链“图腾链”。 此前百度曾表示,“图腾”将会采用自研区块链版权登记网络,配...

周蕾 ⋅ 06/06 ⋅ 0

Tensorflow+cuda+cudnn+window+Python之window下安装TensorFlow

这篇文章主要讲TensorFlow在原生Windows下的安装教程。 安装环境:TensorFlow0.12+cuda8.0+cudnn v5.1+window7+python3.5 (1) 先安装Python3.5 从官网下载Python3.5,https://www.python.or...

Flying_sfeng ⋅ 2017/02/27 ⋅ 0

深度学习框架TensorFlow入门-windows10系统

1.环境: windows10系统 python3.5 Nvidia显卡(cpu版本不需要) (建议安装anaconda集成环境,——(安装python3.5版本,并起名为py35,激活python3.5) CUDA:它所作用的对象是显卡,也就是...

可汗爷爷 ⋅ 2017/12/24 ⋅ 0

使用request和BeautifulSoup来爬取网页内容

目前可以基本上说是Python的天下,Python真的是非常火的一门编程语言,而且它非常的简单,以至于小学生都可以学会,那么作为已经成年的我,更应该学习这门编程语言了,下面我就将自己在学习P...

彩虹的夜晚 ⋅ 2017/09/13 ⋅ 0

phash图像识别应用

基于感知哈希算法的视觉目标跟踪 http://blog.csdn.net/zouxy09/article/details/17471401 基于感知哈希算法的视觉目标跟踪 zouxy09@qq.com http://blog.csdn.net/zouxy09 偶然看到这三篇博文...

毛朱 ⋅ 2015/09/02 ⋅ 1

【Python爬虫实战】——爬取今日头条美女图片

笔者是头条的深度使用者,经常用头条完成“看片”大业。若不信的话可以试试在头条搜索街拍,返回的都是一道道靓丽的风景线。 想把图片存下来,该怎么办呢?我们可以用Python爬虫啊。 人生苦短...

崔斯特 ⋅ 2016/12/25 ⋅ 0

Google为知识图添加健康知识,搜索结果将直接回答健康相关问题

  Google 的官方博客今天刊登了产品经理 Prem Ramaswami 的文章,称搜索巨头已为其知识图(Knowledge Graph)添加了更多的医疗保健知识,几天后用户搜索医疗相关问题时将可以获得直接回答。...

Airship ⋅ 2015/02/11 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

个人博客的运营模式能否学习TMALL天猫质量为上?

心情随笔|个人博客的运营模式能否学习TMALL天猫质量为上? 中国的互联网已经发展了很多年了,记得在十年前,个人博客十分流行,大量的人都在写博客,而且质量还不错,很多高质量的文章都是在...

原创小博客 ⋅ 24分钟前 ⋅ 0

JavaScript零基础入门——(十一)JavaScript的DOM操作

JavaScript零基础入门——(十一)JavaScript的DOM操作 大家好,欢迎回到我们的JavaScript零基础入门。最近有些同学问我说,我讲的的比书上的精简不少。其实呢,我主要讲的是我在开发中经常会...

JandenMa ⋅ 今天 ⋅ 0

volatile和synchronized的区别

volatile和synchronized的区别 在讲这个之前需要先了解下JMM(Java memory Model :java内存模型):并发过程中如何处理可见性、原子性、有序性的问题--建立JMM模型 详情请看:https://baike.b...

MarinJ_Shao ⋅ 今天 ⋅ 0

深入分析Kubernetes Critical Pod(一)

Author: xidianwangtao@gmail.com 摘要:大家在部署Kubernetes集群AddOn组件的时候,经常会看到Annotation scheduler.alpha.kubernetes.io/critical-pod"="",以表示这是一个关键服务,那你知...

WaltonWang ⋅ 今天 ⋅ 0

原子性 - synchronized关键词

原子性概念 原子性提供了程序的互斥操作,同一时刻只能有一个线程能对某块代码进行操作。 原子性的实现方式 在jdk中,原子性的实现方式主要分为: synchronized:关键词,它依赖于JVM,保证了同...

dotleo ⋅ 今天 ⋅ 0

【2018.06.22学习笔记】【linux高级知识 14.4-15.3】

14.4 exportfs命令 14.5 NFS客户端问题 15.1 FTP介绍 15.2/15.3 使用vsftpd搭建ftp

lgsxp ⋅ 今天 ⋅ 0

JeeSite 4.0 功能权限管理基础(Shiro)

Shiro是Apache的一个开源框架,是一个权限管理的框架,实现用户认证、用户授权等。 只要有用户参与一般都要有权限管理,权限管理实现对用户访问系统的控制,按照安全规则或者安全策略控制用户...

ThinkGem ⋅ 昨天 ⋅ 0

python f-string 字符串格式化

主要内容 从Python 3.6开始,f-string是格式化字符串的一种很好的新方法。与其他格式化方式相比,它们不仅更易读,更简洁,不易出错,而且速度更快! 在本文的最后,您将了解如何以及为什么今...

阿豪boy ⋅ 昨天 ⋅ 0

Python实现自动登录站点

如果我们想要实现自动登录,那么我们就需要能够驱动浏览器(比如谷歌浏览器)来实现操作,ChromeDriver 刚好能够帮助我们这一点(非谷歌浏览器的驱动有所不同)。 一、确认软件版本 首先我们...

blackfoxya ⋅ 昨天 ⋅ 0

线性回归原理和实现基本认识

一:介绍 定义:线性回归在假设特证满足线性关系,根据给定的训练数据训练一个模型,并用此模型进行预测。为了了解这个定义,我们先举个简单的例子;我们假设一个线性方程 Y=2x+1, x变量为商...

wangxuwei ⋅ 昨天 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部