python识别验证码+灰度图片base64转换图片
一、为后面识别验证码准备
1、base64转换为图片，保存本地、并且置灰
上文中的base64,后面的就是包含Base64编码的PNG图像的字符串复制下来
import base64
from PIL import Image
import io# 这里是你的Base64编码的字符串
base64_data = "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"# 解码Base64数据为二进制
image_data = base64.b64decode(base64_data)# 将二进制数据转换为图片
with Image.open(io.BytesIO(image_data)) as img:# img.show() image展示# 保存图片到本地img.save("decoded_image.png", "PNG")# 变成灰色图gray_img = img.convert('L')gray_img.show()
2、二值化图片
import base64from PIL import Image
import io# 这里是你的Base64编码的字符串
base64_data = "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"# 解码Base64数据为二进制
image_data = base64.b64decode(base64_data)# 将二进制数据转换为图片
with Image.open(io.BytesIO(image_data)) as im:img = im.convert('L')pixels = img.load()for x in range(img.width):for y in range(img.height):# 可以适当调大这个200if pixels[x, y] > 200:pixels[x, y] = 255else:pixels[x, y] = 0img.show()
3、图片转存内存中
import base64
from PIL import Image
import io
import ddddocr
# 这里是你的Base64编码的字符串
base64_data = "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"# 解码Base64数据为二进制
image_data = base64.b64decode(base64_data)# 将二进制数据转换为图片
img = Image.open(io.BytesIO(image_data))# img.show() image展示# 变成灰色图
gray_img = img.convert('L')
# 讲图片存在内存中二进制
buffered = io.BytesIO()
gray_img.save(buffered, format="JPEG") # 可以根据需要调整格式
gray_image_binary = buffered.getvalue()二、识别图片上内容（ddddocr库）
由于本人python版本问题pip出现了 就不进行验证了
链接
相关文章：
python识别验证码+灰度图片base64转换图片
一、为后面识别验证码准备 1、base64转换为图片，保存本地、并且置灰 上文中的base64,后面的就是包含Base64编码的PNG图像的字符串复制下来 import base64 from PIL import Image import io# 这里是你的Base64编码的字符串 base64_data "iVBORw0KGgoAAAANSUhE…...
TF-IDF（Term Frequency-Inverse Document Frequency）算法 简介
TF-IDF（Term Frequency-Inverse Document Frequency）是一种用于信息检索和文本挖掘的常用算法。它用于评估一个词对于一个文档集合中某个文档的重要性。 这个算法的基本思想是：如果一个词在一个文档中频繁出现，并且在整个文档集合…...
企业怎么打造私域转化闭环?
一、私域矩阵构建 1、公众号 （1）流量来源：微信公众号既是私域流量的起点，亦为其源源不断的提供流量支持； （2）内容展示：公众号作为内容发布的主要渠道，可以通过公众号传…...
基于等保合规和滑动标尺模型的云安全建设方法
文章目录 前言一、云计算平台面临的安全挑战（一）新兴风险和传统风险的冲击（二） 云计算安全日益严峻，面临更大的安全挑战（三）提升对云计算平台的全面系统性安全建设的认知二、在云计算安全建设上的误区（一）缺乏整体视角构建云上安全，安全及运营存在割裂（二） 缺乏云内…...
MySQL数据库期末知识点总结（复习版）
一、数据库基本知识 数据库中的数据有什么特点 1、数据是按某种结构组织的 2、数据有整体性、共享性和较高的独立性 数据管理技术经历了哪三个阶段 1、手工管理 2、文件管理 3、数据库管理 数据库管理系统的主要功能有哪些 数据库管理系统的主要功能包括数据定义、数据…...
流行的Jmeter+Ant+Jenkins接口自动化测试框架在网络上走红
大致思路：Jmeter可以做接口测试，也能做压力测试，而且是开源软件；Ant是基于Java的构建工具，完成脚本执行并收集结果生成报告，可以跨平台，Jenkins是持续集成工具。将这三者结合起来可以搭建一套We…...
MySQL 数据页损坏处理思路
文章目录 前言1. 备份恢复2. 强制 InnoDB 恢复2.1 损坏数据页2.2 观察错误日志2.3 设置参数2.4 定位表信息2.5 分析处理2.6 恢复数据 总结 前言 研发自己搭建了一套 MySQL 没有设置双一参数，机房异常断电，导致数据页出现损坏，本篇文章介绍此…...
面试 Vue 框架八股文十问十答第二期
面试 Vue 框架八股文十问十答第二期 作者：程序员小白条，个人博客 相信看了本文后，对你的面试是有一定帮助的！关注专栏后就能收到持续更新！ ⭐点赞⭐收藏⭐不迷路！⭐ 1）常见的事件修饰符及其作…...
【Python学习】2024PyCharm插件推荐
目录 【Python学习】2024PyCharm插件推荐 1. Key Promoter X2.Rainbow CSV3.Markdown4.Rainbow Brackets5.Indent Rainbow6.Regex Tester7.Regex Tester8.Background Image Plus9.Material Theme UI10. Chinese 汉化插件参考 文章所属专区 Python学习 1. Key Promoter X 方便…...
剑指offer题解合集——Week2day6
文章目录 剑指offerWeek2周六：表示数值的字符串AC代码思路： 周六：调整数组顺序使奇数位于偶数前面AC代码思路： 剑指offerWeek2 周六：表示数值的字符串 题目链接：表示数值的字符串 请实现一个函数用来判…...
算法训练第五十二天|300. 最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组
300. 最长递增子序列： 题目链接 给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。 子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组…...
HTTP基础知识总结
目录 一、什么是HTTP？ 二、与HTTP有关的协议 三、HTTP请求特征 四、HTTP组成格式 五、HTTP标头 1.通用标头 2.实体标头 3.请求标头 4.响应标头 六、HTTP状态码分类 我们在日常测试过程中，也可以通过浏览器F12简单定位是前端问题还是后端问题&a…...
创意与技术的结晶：AI魔法绘图与中文描述的完美结合
在人类文明的长河中，创意与技术一直是推动发展的重要动力。随着科技的日新月异，人工智能（AI）在创意领域的应用逐渐崭露头角，而AI魔法绘图与中文描述的结合，更是将这一趋势推向了新的高度。AI魔法绘图是一种…...
)
Python：int(value, base=10)
int(value, base2) 是 Python 中的一个内置函数，用于将一个字符串或数字以指定的进制转换为整数。 函数的参数含义如下： value：要进行转换的值，可以是一个字符串或数字。base：进制数，默认为 10࿰…...
)
Vue之调用store的action(包含getter调用)
文章目录 Vue之调用store的action(包含getter调用)调用store的action方法一：Promise 链式调用方法二：async/await方法三：Promise.all()同时执行 调用store的getter方法一：this.$store.getters调用方法二：mapGetters调用…...
蟹目标检测数据集VOC格式400张
蟹，一种独特的海洋生物，以其强壮的身体和独特的生活习性而闻名。 蟹的身体宽厚，有一对锐利的大钳子，这使得它们在寻找食物和保护自己时非常有力。蟹的外观颜色多样，有绿色、蓝色、棕色和红色等，这使得它们在…...
PyTorch中常用的工具（4）Visdom
文章目录 前言3.2 Visdom 前言 在训练神经网络的过程中需要用到很多的工具，最重要的是数据处理、可视化和GPU加速。本章主要介绍PyTorch在这些方面常用的工具模块，合理使用这些工具可以极大地提高编程效率。 由于内容较多，本文分成了五篇文…...
Linux(ubuntu)下git / github/gitee使用
先附上git命令 linuxchenxiao:~$ cd Templates/ 先进入一个目录，也可mkdir新建一个目录：用于接下来初始化为git可以管理的仓库 这个目录就是所说的工作目录，指当前正在进行开发的项目的本地目录。 linuxchenxiao:~/Templates$ git init 已…...
回归预测 | MATLAB实OOA-LSTM基于鱼鹰优化算法优化长短期记忆网络的多输入单输出数据回归预测模型 （多指标，多图）
回归预测 | MATLAB实OOA-LSTM基于鱼鹰优化算法优化长短期记忆网络的多输入单输出数据回归预测模型 （多指标，多图） 目录 回归预测 | MATLAB实OOA-LSTM基于鱼鹰优化算法优化长短期记忆网络的多输入单输出数据回归预测模型 （多指标&a…...
2023年工作初体验
23年终于正式入职，参与了正式上线的电商平台、crm平台等项目的研发，公司规模较小，气氛融洽，没有任何勾心斗角、末位淘汰，几乎没什么压力。虽然是我的第一家公司，但实际是个适合养老的公司（笑 总…...
DeepSeek 赋能智慧能源：微电网优化调度的智能革新路径
目录 一、智慧能源微电网优化调度概述1.1 智慧能源微电网概念1.2 优化调度的重要性1.3 目前面临的挑战 二、DeepSeek 技术探秘2.1 DeepSeek 技术原理2.2 DeepSeek 独特优势2.3 DeepSeek 在 AI 领域地位 三、DeepSeek 在微电网优化调度中的应用剖析3.1 数据处理与分析3.2 预测与…...
PHP和Node.js哪个更爽?
先说结论，rust完胜。 php：laravel，swoole，webman，最开始在苏宁的时候写了几年php，当时觉得php真的是世界上最好的语言，因为当初活在舒适圈里，不愿意跳出来，就好比当初活在…...
基于Uniapp开发HarmonyOS 5.0旅游应用技术实践
一、技术选型背景 1.跨平台优势 Uniapp采用Vue.js框架，支持"一次开发，多端部署"，可同步生成HarmonyOS、iOS、Android等多平台应用。 2.鸿蒙特性融合 HarmonyOS 5.0的分布式能力与原子化服务，为旅游应用带来…...
uniapp微信小程序视频实时流+pc端预览方案
方案类型技术实现是否免费优点缺点适用场景延迟范围开发复杂度WebSocket图片帧定时拍照Base64传输✅ 完全免费无需服务器 纯前端实现高延迟高流量 帧率极低个人demo测试 超低频监控500ms-2s⭐⭐RTMP推流TRTC/即构SDK推流❌ 付费方案 （部分有免费额度&#x…...
（转）什么是DockerCompose?它有什么作用？
一、什么是DockerCompose? DockerCompose可以基于Compose文件帮我们快速的部署分布式应用，而无需手动一个个创建和运行容器。 Compose文件是一个文本文件，通过指令定义集群中的每个容器如何运行。 DockerCompose就是把DockerFile转换成指令去运行。 …...
MySQL 知识小结（一）
一、my.cnf配置详解 我们知道安装MySQL有两种方式来安装咱们的MySQL数据库，分别是二进制安装编译数据库或者使用三方yum来进行安装,第三方yum的安装相对于二进制压缩包的安装更快捷，但是文件存放起来数据比较冗余，用二进制能够更好管理咱们M…...
Windows安装Miniconda
一、下载 https://www.anaconda.com/download/success 二、安装 三、配置镜像源 Anaconda/Miniconda pip 配置清华镜像源_anaconda配置清华源-CSDN博客 四、常用操作命令 Anaconda/Miniconda 基本操作命令_miniconda创建环境命令-CSDN博客...
什么是VR全景技术
VR全景技术，全称为虚拟现实全景技术，是通过计算机图像模拟生成三维空间中的虚拟世界，使用户能够在该虚拟世界中进行全方位、无死角的观察和交互的技术。VR全景技术模拟人在真实空间中的视觉体验，结合图文、3D、音视频等多媒体元素…...
十九、【用户管理与权限 - 篇一】后端基础：用户列表与角色模型的初步构建
【用户管理与权限 - 篇一】后端基础：用户列表与角色模型的初步构建 前言准备工作第一部分：回顾 Django 内置的 `User` 模型第二部分：设计并创建 `Role` 和 `UserProfile` 模型第三部分：创建 Serializers第四部分：创建 ViewSets第五部分：注册 API 路由第六部分：后端初步测…...
【深度学习新浪潮】什么是credit assignment problem？
Credit Assignment Problem（信用分配问题） 是机器学习，尤其是强化学习（RL）中的核心挑战之一，指的是如何将最终的奖励或惩罚准确地分配给导致该结果的各个中间动作或决策。在序列决策任务中，智能体执行一系列动作后获得一个最终奖励，但每个动作对最终结果的贡献程度往往…...