341
技術社區[雲棲]
php實現驗證碼的識別(中級篇)
在上篇文章 <php實現驗證碼的識別 (初級篇 ) > 中，講了如何識別簡單的驗證，這裏的簡單隻的是驗證碼有數字和字母組成，格式統一，每次出現位置固定。這篇文章將繼續深入研究識別驗證碼，這次識別的目標是，驗證碼有字符和數字組成，驗證碼存在旋轉（可能左右都旋轉），位置不固定，存在字符與字符之間的粘連，且驗證碼有更強的幹擾素。這篇文章講解的方法，並不是萬能的解決方案，並且提供代碼不能直接解決你的問題，這裏僅僅是方法，具體需求讀者自己解決，需要說明的是，識別驗證碼與具體的編程語言無關，這裏隻是使用 php 語言實現，使用這裏介紹的方法，你可以使用任何語言實現。
這篇文章逐步講解識別驗證碼過程中的各個步驟。
如上圖，隨後的講解我們都圍繞此圖展開。
一：拿到一個驗證碼的，第一眼我們首先要做的工作是，二值化。把驗證碼的部分用
1
表示，背景部分用
0
表示出來，識別方法很簡單，我們打印出驗證碼正張圖片的
RGB
，然後分析其規律即可，通過
RGB
碼，我們很容易分辨出上麵這張圖片的
R
值大於
120
，
G
和
B
的值小於
80
，所以依據這個規則我們很容易把上麵的圖片二值化。再看初級篇中識別的兩張圖
剛看上去，感覺很複雜。驗證碼的圖片每次背景色都不相同，且不是單色，各個驗證碼數字的顏色每次也各不相同。貌似很難二值化，其實我們打印出其 RGB 值很容易就發現。無論驗證數字顏色如何變化，該數字的 RGB 值總有一個值小於 125 ，所以通過如下判斷
$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125
我們就很容易分辨出哪裏是數字，哪裏是背景。
我們能夠找到這些規律的因素是，在製作驗證碼的幹擾素時，為了使幹擾素不影響數字的顯示效果，必須使用幹擾素的 RGB 和數字 RGB 相互獨立，互不幹擾。隻要懂得這個規律，我們就很容易實現二值化。
我們找到的 120 ， 80 ， 125 等閾值，可能和實際的 RGB 有出入，所以，有時二值化後，會有部分地方出現 1 ，對於驗證碼上固定位置顯示數字，這種幹擾沒有太大意義。但是對於驗證碼位置不確定的圖片來說，在我們切割字符時，很可能造成幹擾。所以，在二值化後要進行去噪出來。
二：接下來我們進行第二個步驟，出噪。出燥的原理很簡單，就是把孤立的有效的值去掉，如果噪點比較高，要求的效率也比較高的話，這裏麵也有很多工作要做。幸好這裏我們不要求這麼高深，我們使用最簡單的方法就可以，如果一個點為 1 則判斷這個點的上下左右上左上右下左下右 8 個方位上數字是否為 1 ，如果不為 1 ，就認為是一個燥點，直接設置為 1 即可。
如上圖所示，我們使用此方法很容易發現紅色方框部分的 1 為燥點，直接設置為 1 即可。
在判斷時我們使用了一個技巧，有時候的噪點可能是兩個連續的 1 ，所以我們
$num = 0; if($data[$i][$j] == 1) { // 上 if(isset($data[$i-1][$j])){ $num = $num + $data[$i-1][$j]; } // 下 if(isset($data[$i+1][$j])){ $num = $num + $data[$i+1][$j]; } // 左 if(isset($data[$i][$j-1])){ $num = $num + $data[$i][$j-1]; } // 右 if(isset($data[$i][$j+1])){ $num = $num + $data[$i][$j+1]; } // 上左 if(isset($data[$i-1][$j-1])){ $num = $num + $data[$i-1][$j-1]; } // 上右 if(isset($data[$i-1][$j+1])){ $num = $num + $data[$i-1][$j+1]; } // 下左 if(isset($data[$i+1][$j-1])){ $num = $num + $data[$i+1][$j-1]; } // 下右 if(isset($data[$i+1][$j+1])){ $num = $num + $data[$i+1][$j+1]; } } if($num == 0){ $data[$i][$j] = 0; }
我們計算這個點的
8
個方向上的值之和，最後我們判斷他們的和是否小於特定的閾值
三：經過去噪後，我們就得到幹淨的二值化的數據，接下來要做的就是切割字符了。切割字符的方法有很多種，這裏我采用最簡單的一種，先垂直方向切割成為字符，然後在水平方向去掉多於的
0000
，如下圖
第一步切割紅線部分，第二步切割藍線部分，這樣就可以得到獨立的字符了。但是像下麵這種情況
按上麵的方法會把
dw
字符切割成一個字符，這是錯誤的切割，所以這裏我們涉及到粘連字符的切割。
四：粘連字符切割，製作驗證碼時，規則字符的粘連很容易分割開，如果字符本身有縮放，變形就很難處理，經過分析，我們可以發現，上麵的字符粘連屬於很簡單的方式，隻是規則字符的粘連，所以處理這種情況，我們也使用很簡單的處理方式。當完成分割操作後，我們不能馬上確定分割的部分就為一個字符，要進行驗證，驗證的關鍵因素就是，切割下來的字符的寬是否大於閾值，這個閾值的取舍標準是，一個字符無論怎麼旋轉變形都不會大於這個閾值，所以，如果我們切割的塊大於這個閾值，就可以認為這是一個粘連字符；如果大於兩個閾值之和，就認為是三個字符粘連，以此類推。知道這個規則後，切割粘連字符也就很簡單了。如果我們發現是粘連字符塊，直接平分這個塊為兩個或者多個新的塊就可以。當然為了更好的還原字符，我一般都采用平分
+1
，
-1
對字符塊的部分進行適當的補充。
五：經過上麵四個步驟，我們就可以提取出比較純的字符塊了，接下來要做就是匹配字符了。對於旋轉字符的特征碼建立，有很多種方法，這裏就不做深入研究了。我這裏使用的最簡單的方式，為所有字符的所有情況建立匹配庫，所以在我提供的代碼種增加了
study
操作，其目的就是，先有人手工識別圖片的驗證碼，然後通過
study
方法，寫入特征碼庫。這樣寫入的圖片數據越多，驗證識別的準確行也就越高。
好了，經過以上步驟，我們基本上可以識別現在互聯網上大部分的驗證碼，這裏我們都是使用的最簡單的方法，沒有使用任何
OCR
知識。這些方法，應該屬於非
OCR
領域的頂峰了，要想識別更加複雜的驗證碼，那就需要更多的
OCR
知識了。有機會的話，我會在高級篇中一一做介紹。
下麵是一些容易識別的驗證碼，希望引起網站管理者的重視。
製作驗證碼的一些建議
對於識別驗證碼的程序來說，最難得部分是驗證字符的切割和特征碼的建立，而國內很多程序員隻做驗證碼時，總是喜歡在驗證碼加很多幹擾素，幹擾線，影響效果不說，還達不到很好的效果；所以，要想使自己驗證碼難於本識別，隻做下麵兩點就夠了
1
：字符粘連，最好所有的字符都有粘連的部分；
2
：不要使用規格字符，驗證碼的各個部分使用不同比例的縮放或者旋轉。
隻要做到這兩點，或者這兩點的變形，識別程序就很難識別。我們看看，
yahoo
和
google
的驗證碼就知道，白字黑底，卻很難被識別。
Goole:
yahoo:
源文件下：點擊下載
作者
:
逸學堂（
ugg
）
轉帖請注明：https://blog.csdn.net/ugg/archive/2009/03/09/3972368.aspx
最後更新：2017-04-02 00:06:41