- 地址：How to Generate Random Text CAPTCHAs Using Python
- 作者：Siddhant Sadangi
- 译文出自：掘金翻译计划
- 本文永久链接：github.com/xitu/gold-m…
- 译者：lhd951220
- 校对者：江不知，lihanxiang
你肯定在网站上碰到过用于验证你是用户还是机器人的验证码。验证码起源于书本数字化的协作平台，现在演变成为一个由大众支持的图像标记项目（在某些情况下，还有音频识别），在这个项目中你甚至不知道你是一个服务提供商，而不是一个用户。
在这篇文章中，我们将会使用 Python 的 OpenCV 和 PIL 库来学习如何生成我们自己的基本的文本验证码。
让我们现在开始！
创建画布
首先，我们需要从 PIL 中引入 ImageFont，ImageDraw 和 Image 模块：
from PIL import ImageFont, ImageDraw, Image
现在，我们要创建一个空白图像对象。为了达到这个目的，我们首先需要创建一个三维（对应三个颜色通道）numpy zeros 数组：
import numpy as np
img = np.zeros(shape=(25, 60, 3), dtype=np.uint8)
这给了我们一个数组，其中每个元素表示图像中的一个像素，图像的大小为 60 x 25 像素：
array([[[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
...,
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]]], dtype=uint8)
为了使用这个数组创建一个图像，我们调用 Image 的 fromarray() 方法：
因为每一个像素值都是 (0, 0, 0)，所以图像是黑色的，其中每一个值都表示红色，绿色，蓝色像素的亮度。亮度的取值范围为 0（最暗）到 255（最亮）。为了得到白色图像，我们在图像数组加上 255 即可：
由于我们需要使用白色背景，我们将会使用最后一个画布。
添加文本
现在，我们需要在我们的画布上绘制文本。为了达到这个目的，我们使用 ImageDraw 的 Draw() 函数在我们的画布上创建一个绘制界面。
draw = ImageDraw.Draw(img_pil)
然后，我们可以使用 Draw 的 text() 方法在画布上写文字。draw 方法需要以下参数：
xy：使用 (x,y) 元组指定文本的起始坐标。text：需要绘制的文本。font：使用的字体。这是 PIL 使用的FreeType或者OpenType字体，这也是ImageFont应用的地方。fill：文本填充的颜色，表达式为(R, G, B)。
我们需要为这个函数准备字体对象。我们将会使用 ImageDraw 的 truetype() 函数：
font = ImageFont.truetype(font = ‘arial’, size=12)
我们使用字体名称，但是 truetype 也可以使用系统上的字体路径。我们将会在稍后使用它。
现在，我们有了字体，让我们添加文本，然后看下验证码长什么样子：
我们也可以为图像添加线条，以此来迷惑任何尝试进入人类系统的机器。
元组指定线条的开始和结束的像素。第一条线条从 (0, 0) 开始，在 (60, 25) 结束。
使用更好的方式来显示根据数组渲染出来的图像是使用 OpenCV 的 imshow() 方法：
import cv2
cv2.imshow(‘OpenCV’,np.array(img_pil))
cv2.waitKey() #等待点击按钮再显示图像
cv2.destroyAllWindows()
添加噪声
我们基本的验证码现在已经准备好了，但是跟你在网上看到的验证码相比，它很清晰，并且可读性高。让我们添加一些噪声。
添加噪声最简单的方式就是在图像上随机地添加白色和黑色的像素。这被称为盐和胡椒粉噪声。
首先，我们必须根据图像创建一个数组：
img = np.array(img_pil)
然后，我定义需要被修改的像素的阈值。我们将它维持在 0.05 (5%)。添加噪声的代码就是使用一个简单的嵌套 for 循环，这个 for 循环随机的生成数字（0 – 1 之间）来决定是否将噪声添加到指定的像素。
import random
thresh = 0.05
for i in range(img.shape[0]):
for j in range(img.shape[1]):
rdn = random.random()
if rdn < thresh:
img[i][j] = 0
elif rdn > 1-thresh:
img[i][j] = 255
在这里，如果随机值小于阈值（0.05），我们将它变为白色。如果它大于 0.95，我们将它变为黑色。除此之外，我们使它保持原样。添加了噪声之后的输出像下面这样：
胡椒粉噪声（黑色像素）非常的明显，但是一些之前文本上是黑色的像素现在也变为了白色（注意行间的中断）。
我们可以通过模糊图像来添加更多的噪声，这会使噪声扩散开来。使用 cv2，这只需要一行代码！
img_blurred = cv2.blur(img,(2,2))
在这里，(2,2) 是平滑图像所使用的核心大小。阅读 OpenCV 的文档来了解更多相关的知识。
一切都随机化！
我们基本的代码已经准备好了……但是还缺少“随机文本验证码”中的“随机”。我们随机化大多数的事物，以此让每一个验证码都是唯一的。
所以，什么是可以被随机化的？好的，全都可以随机化，但我们只会专注于图像大小，文本（字符串，字体，字体大小，颜色），线条颜色，噪声阈值和噪声强度。
图像大小依赖于文本的长度和字体大小。所以我们先创建一个字体大小的变量和一个字符串长度的变量：
size = random.randint(10,16)
length = random.randint(4,8)
在对字体大小、字符串长度和画布大小之间的关系进行大量实验之后，我得出的画布的大小如下：
img = np.zeros(((size*2)+5, length*size, 3), np.uint8)
现在，为了随机化字体，我们可以使用 glob 库从系统字体路径中选择一些。我只使用 Arial 字体的变体。
然后我们可以通过使用 randint 选择一个随机字体：
fonts[random.randint(0, len(fonts)-1)]
现在轮到文本了。我们生成一个给定字符串长度的随机的 ASCII 字母数字字符序列：
text = ''.join(
random.choice(string.ascii_uppercase + string.digits + string.ascii_lowercase)
for _ in range(length))
因为长度已经是随机的了，我们只需要在调用这个函数的时候传递 length 参数：
对于文本和线条的颜色，之前我们仅仅使用了黑色（0, 0, 0）。这里可以使用 (random.randint(0,255), random.randint(0,255), random.randint(0,255)) 来进行随机化：
draw.text((5, 10), text, font=font,
fill=(random.randint(0,255), random.randint(0,255), random.randint(0,255)))
draw.line([(0, 0),(length*size,(size*2)+5)], width=1,
fill=(random.randint(0,255), random.randint(0,255), random.randint(0,255)))
对于噪声阈值，我们可以设置它为 1% ~ 5% 之间的任意随机值：
thresh = random.randint(1,5)/100
最后，对于噪声强度，我们不再对盐和胡椒粉像素使用绝对的白色和黑色，我们可以分别设置它们为随机的明和暗的阴影。
for i in range(img.shape[0]):
for j in range(img.shape[1]):
rdn = random.random()
if rdn < thresh:
img[i][j] = random.randint(0,123) #暗像素
elif rdn > 1-thresh:
img[i][j] = random.randint(123,255) #亮像素
整合
# 配置画布
size = random.randint(10,16)
length = random.randint(4,8)
img = np.zeros(((size*2)+5, length*size, 3), np.uint8)
img_pil = Image.fromarray(img+255)
# 绘制文本和线条
font = ImageFont.truetype(fonts[random.randint(0, len(fonts)-1)], size)
draw = ImageDraw.Draw(img_pil)
text = ''.join(random.choice(string.ascii_uppercase + string.digits + string.ascii_lowercase)
for _ in range(length))
draw.text((5, 10), text, font=font,
fill=(random.randint(0,255), random.randint(0,255), random.randint(0,255)))
draw.line([(0, 0),(length*size,(size*2)+5)], width=1,
fill=(random.randint(0,255), random.randint(0,255), random.randint(0,255)))
# 添加噪声和模糊
img = np.array(img_pil)
thresh = random.randint(1,5)/100
for i in range(img.shape[0]):
for j in range(img.shape[1]):
rdn = random.random()
if rdn < thresh:
img[i][j] = random.randint(0,123)
elif rdn > 1-thresh:
img[i][j] = random.randint(123,255)
img = cv2.blur(img,(int(size/5),int(size/5)))
#显示图像
cv2.imshow(f"{text}", img)
cv2.waitKey()
cv2.destroyAllWindows()
应用领域？
这项技术可以被用于生成验证码。你可以将带有文本的图像保存为要匹配的文件名。另一个新颖的应用是可以生成大量的标签图像来训练你的 OCR 模型。将上面的代码放入循环中，你将获得所需数量的图像！
如果你有更多的应用领域，请让我知晓！
如果发现译文存在错误或其他需要改进的地方，欢迎到 掘金翻译计划 对译文进行修改并 PR，也可获得相应奖励积分。文章开头的 本文永久链接 即为本文在 GitHub 上的 MarkDown 链接。
掘金翻译计划 是一个翻译优质互联网技术文章的社区，文章来源为 掘金 上的英文分享文章。内容覆盖 Android、iOS、前端、后端、区块链、产品、设计、人工智能等领域，想要查看更多优质译文请持续关注 掘金翻译计划、官方微博、知乎专栏。