python如何生成验证码，captcha库的安装和使用，yeild和next关键字的使用，数据 generator

最近在研究 tensorflow框架下的深度学习，了解到深度学习对数据非常依赖，而标注好的数据集非常难得。今天发现 python 的 captcha 库，可以生成验证码，因此，完全可以利用captcha库生成一个验证码数据集，用于图片识别的实验。这其中会用到 yeild 和 next 关键字，生成数据 generator。

captcha 库的安装

captcha 库的安装非常简单，直接利用 pip 命令安装即可。

pip install captcha

看终端提示，它是先安装了 captcha 库，接着安装了 pillow 库。如果 pip 命令安装失败，可以自己下载安装包安装。

python实战，调用 captcha 生成简单图形验证码

安装好 captcha 库后，就可以使用 python 调用，生成验证码了。因为计划做图片识别，所以这里生成图形验证码。这里是一个例子。

#-*- coding:utf-8 -*-
from captcha.image import ImageCaptcha
import random
import string

image = ImageCaptcha(160,60)    # 图片宽 160 高 60
characters = string.digits + string.ascii_uppercase + string.ascii_lowercase        #验证码组成，数字+大写字母+小写字母
char_num = 4 #验证码字符个数

captcha_str = ''.join(random.sample(characters, char_num))
img = image.generate_image(captcha_str)
img.save(captcha_str + '.jpg')

上述代码生成了一个 160x60 的图形验证码，验证码由 4 位随机的数字、大小写字母组成，生成的验证码我们保存为 jpg 格式。

执行代码，得到如下图片：

因为验证码是由 10 个数字和 26 个字母组成，所以一共有 10 + 26x2（大小写） = 62 个类别，每次随机取 4 个字符组成验证码，如果标签用 one-hot 编码，那么标签的大小为 62x4 = 248。

python 的 yield 关键字

本节学习使用 python 的 captcha 库的目的就是为了做深度学习的数据集，深度学习网络需要很大的数据量，而存储和计算数据的内存是有限的，这两点其实是一对矛盾。我们需要大量数据，但是却没有无限大的内存存储它，有解决办法吗？当然是有的。

我们可以用多少，生成多少。比如训练深度学习网络时，需要一个 batch 的大小为 64 张验证码，那完全可以一次只生成 64 张图片。

似乎可以这样来：我们写一个函数，每次生成 64 张图片，需要数据时，调用一次该函数即可。这当然可行，只不过这样会有一个问题：每次生成图片都需要初始化程序，并且退出程序，而这样会导致产生数据的效率低下。为了解决这个问题，python有个叫数据生成器（generator）的功能，借助yield和next关键字，可以再程序不重启的情况下，产生一个 batch 的图片。看下面这段代码：

def gen_captcha(self,batch_size = 50):
        ...
        while True:
            for i in range(batch_size):
                ...
                    Y[i,j,self.characters.find(ch)] = 1 
            Y = np.reshape(Y,(batch_size,self.char_num*self.classes))
            yield X,Y

咋一看它是一个死循环，不过 yield 关键字的使用，让它可以完成数据generator的功能。每次程序执行到yield时，它会将 X 和 Y 返回，但是这个函数不会退出，在遇到 next 关键字后，它会接着运行。例如我们在别处调用了

batch_x,batch_y = next(captcha.gen_captcha(64))

gen_captcha函数会从上次停下的地方接着运行，这就源源不断的产生 batch size 的验证码图片了。

将生成验证码的动作封装为库

这一部分，我们基于前面的内容，利用 python 的 captcha 库，封装一个可以每次产生验证码 batch 的类，用于后续的深度学习网络的训练。代码如下：

#-*- coding:utf-8 -*-
from captcha.image import ImageCaptcha
from PIL import Image
import numpy as np
import random
import string

class generateCaptcha():
    def __init__(self,
                 width = 160,#验证码图片的宽
                 height = 60,#验证码图片的高
                 char_num = 4,#验证码字符个数
                 characters = string.digits + string.ascii_uppercase + string.ascii_lowercase):#验证码组成，数字+大写字母+小写字母
        self.width = width
        self.height = height
        self.char_num = char_num
        self.characters = characters
        self.classes = len(characters)
        # print self.classes

    def gen_captcha(self,batch_size = 50):
        X = np.zeros([batch_size,self.height,self.width,1])
        img = np.zeros((self.height,self.width),dtype=np.uint8)
        Y = np.zeros([batch_size,self.char_num,self.classes])
        image = ImageCaptcha(width = self.width,height = self.height)

        while True:
            for i in range(batch_size):
                captcha_str = ''.join(random.sample(self.characters,self.char_num))
                img = image.generate_image(captcha_str).convert('L')
                img = np.array(img.getdata())
                X[i] = np.reshape(img,[self.height,self.width,1])/255.0
                for j,ch in enumerate(captcha_str):
                    Y[i,j,self.characters.find(ch)] = 1 
            Y = np.reshape(Y,(batch_size,self.char_num*self.classes))
            yield X,Y

    def decode_captcha(self,y):
        y = np.reshape(y,(len(y),self.char_num,self.classes))
        return ''.join(self.characters[x] for x in np.argmax(y,axis = 2)[0,:])

    def get_parameter(self):
        return self.width,self.height,self.char_num,self.characters,self.classes

这里，我们详细分析一下 gen_captcha 函数，它是用来产生验证码 batch 的。

X：一个 mini-batch 的训练数据，其 shape 为 [ batch_size, height, width, 1 ]，batch_size 表示每批次多少个训练数据，height 表示验证码图片的高，width 表示验证码图片的宽，1 表示图片的通道。
Y：X 中每个训练数据属于哪一类验证码，其形状为 [ batch_size, class ] ，对验证码中每个字符进行 One-Hot 编码，所以 class 大小为 4*62。

在每一个 batch 中，程序先将 RGB 彩色图片转成灰度图片，然后将数据全部变换到 [0,1] 范围内，存在 X 的第 i 个 batch。

img = image.generate_image(captcha_str).convert('L')
img = np.array(img.getdata())
X[i] = np.reshape(img,[self.height,self.width,1])/255.0

标签值存在 Y 里，令 Y 中每个 batch 对应的字符的位置等于 1（即 one-hot 编码），最后将 Y 转成 [batch_size, 总类别] 的形状。

for j,ch in enumerate(captcha_str):
    Y[i,j,self.characters.find(ch)] = 1 
Y = np.reshape(Y,(batch_size,self.char_num*self.classes))

至此，利用 python 的 captcha 库生成验证码数据集的准备工作就做好了，今后研究深度学习图片识别时，这个可以作为一个不错的数据集。只需要将对象实例化，使用 next 关键字，就可以源源不断的获得训练的验证码 batch。