一、準備工作與代碼執行個體
1、PIL、pytesser、tesseract
下載下傳後是一個exe，直接輕按兩下安裝，它會自動安裝到C:\Python27\Lib\site-packages中去，
下載下傳解壓後直接放C:\Python27\Lib\site-packages(根據你安裝的Python路徑而不同)，同時，建立一個pytesser.pth,内容就寫pytesser，注意這裡的内容一定要和pytesser這個檔案夾同名，意思就是pytesser檔案夾，pytesser.pth,及内容都要一樣！
下載下傳後解壓，tessdata檔案夾，用其替換掉pytesser解壓後的tessdata檔案夾即可。(就上面的pytesser檔案夾)
二、驗證
（1）原理：
驗證碼圖像處理
驗證碼圖像識别技術主要是操作圖檔内的像素點,通過對圖檔的像素點進行一系列的操作,最後輸出驗證碼圖像内的每個字元的文本矩陣。
1、讀取圖檔
2、圖檔降噪
3、圖檔切割
4、圖像文本輸出
（2）驗證字元識别
驗證碼内的字元識别主要以機器學習的分類算法來完成,目前我所利用的字元識别的算法為KNN(K鄰近算法)和SVM (支援向量機算法),後面我 會對這兩個算法的适用場景進行較長的描述。
1、擷取字元矩陣
2、矩陣進入分類算法
3、輸出結果
要驗證的圖檔如下：
（3）、簡單的指令：
from pytesser import *
image = Image.open('1.jpg') # Open image object using PIL
print image_to_string(image) # Run tesseract.exe on image
然後運作：
或者直接：
print image_file_to_string('fnord.tif')
同樣能輸出結果！
（4）、複雜一點的
上面的隻能對一些比較簡單的做處理，一
原理：彩色轉灰階，灰階轉二值，二值圖像識别
# 驗證碼識别，此程式隻能識别資料驗證碼
import Image
import ImageEnhance
import ImageFilter
import sys
# 二值化
threshold = 140
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
#由于都是數字
#對于識别成字母的 采用該表進行修正
rep={'O':'0',
'I':'1','L':'1',
'Z':'2',
'S':'8'
};
def getverify1(name):
#打開圖檔
im = Image.open(name)
#轉化到灰階圖
imgry = im.convert('L')
#儲存圖像
imgry.save('g'+name)
#二值化，采用門檻值分割法，threshold為分割點
out = imgry.point(table,'1')
out.save('b'+name)
#識别
text = image_to_string(out)
#識别對嗎
text = text.strip()
text = text.upper();
for r in rep:
text = text.replace(r,rep[r])
#out.save(text+'.jpg')
print text
return text
getverify1('1.jpg') #注意這裡的圖檔要和此檔案在同一個目錄，要不就傳絕對路徑也行
運作後效果：
http://blog.csdn.net/evankaka/article/details/49533493