# coding=utf-8

#非黑即白--谷歌OCR光学字符识别

# 颜色的世界里，非黑即白。computer表示深信不疑。

# 今天研究一下OCR光学识别庞大领域中的众多分支里的一个开源项目的一个包-tesseract。

#

# 能让机器识别图片是无数工程师梦寐以求的事

# 任何物体只有成功转为二进制才有可能被机器识别，而识别是做出一系列智能行为的前提

#

# 下面以一张验证码为例梳理一下机器识别的思路：

#

# 准备工作：

# 1、取到图片地址，在线转化为图片流或者下载到本地

# 2、PIL, pytesseract 两个包，其实主要用他们中各一个函数，前者是用Image将图片做像素级处理，以便后者用image_to_string将图片转化为字符串

# 3、图像基础知识：RGB所代表的红绿蓝色域均为0-255，三色叠加0代表黑色，255代表白色，区间值即为灰度

#

# 流程：

# 1、读取图片转为Image函数的对象

# 2、转化为灰度图（即黑白图片），进行二值化（强化黑白）

# 3、坐标系去除噪点，继续强化黑白

# 4、转化为字符串（涉及到分割、识别，image_to_string自动做了）

from PIL import Image

from pytesseract import image_to_string

#  接收图片地址,和int类型的灰度值作为阈值，返回黑白图

def parse(img_address, g):

    img = Image.open(img_address)

    # 转化为灰度图

    imgL = img.convert('L')

    # imgL.show()

    img_load = imgL.load()

    print(imgL.size)

    # 遍历宽与高中的每一个像素并依据阈值判断，进行二值化

    for y in range(imgL.size[1]):

        for x in range(imgL.size[0]):

            # 阈值就是寻找灰度的平衡点

            # 小于阈值的数就是向黑色靠拢，直接赋值为黑，大于阈值即向255靠拢，直接赋值为白

            if img_load[x, y] <= g:

                img_load[x, y] = 0

            else:

                img_load[x, y] = 255

    return imgL

# 擦除噪点，对L模式下的图处理

# x,y 像素点坐标

# g 阈值（0-255之间的灰度值）

# n 强度（周围有几个符合阈值的像素点才留下）

def wipe_spot(img, x, y, g, n):

    count = 0

    if img[x - 1, y + 1] == g:

        count += 1

    if img[x, y + 1] == g:

        count += 1

    if img[x + 1, y + 1] == g:

        count += 1

    if img[x - 1, y] == g:

        count += 1

    if img[x + 1, y] == g:

        count += 1

    if img[x + 1, y - 1] == g:

        count += 1

    if img[x, y - 1] == g:

        count += 1

    if img[x + 1, y - 1] == g:

        count += 1

    if count < n:

        img[x, y] = 255

# 示例

imgl = parse("D://1111.jpg", 150)

imgload = imgl.load()

for y in xrange(imgl.size[1]):

    for x in xrange(imgl.size[0]):

        if imgload[x, y] == 0:

            wipe_spot(imgload, x, y, 0, 1)

imgl.show()

print image_to_string(imgl).replace(' ', '')