验证码识别技术

由于现在很多网站，为了加强安全性，以及防止程序的自动操作网站，都加入的了验证码技术。但却给广大站长推广宣传网站带来的麻烦。所以我准备写这篇关于验证码识别技术的文章，不足之处在所难免！本人从来不写东西，今天为了想落伍才写了！

广大站长宣传推广自己的网站，经常要发布一些宣传广告，如果靠人工，太慢太昂贵，所以理想的办法是使用群发软件，可现在很多网站都有验证码，这成为群发软件的技术难点，而识别也就难点中的难点，好的，闲话少说，言归正传！

我举的例子是比较难于识别的验证码，不讨论不变形、不换字体、不换大小、不旋转的验证码，这里我可能不会写出代码，只是提供我编写的思路，按照这个思路，我写出的程序，比市场上出售的程序的识别率还要高很多。（有兴趣的可以问我，我不想在这里帮别人宣传，呵呵～～）

首先以数字验证码开始，字母的要比数字麻烦一些，不过搞清楚了数字验证码的识别，字母的也就不难了。

验证码一般都是图片，而且一般都是4位数，处理过程是：先分割为4个部分，然后逐一识别，由于分割比较简单，我这里就不说了，我这里只说如何识别。

我的方法是把需要识别的图片，划分为 5 行，3 列，15个块，为什么要划分为15个块呢？先看图！
○■○ 
■○■
■○■
■○■
○■○

○■○
■■○
○■○
○■○
■■■

■■■
○○■
■■■
■○○
■■■

■■■
○○■
■■■
○○■
■■■
我先举这4个例子吧，其余的大家可以自己画出来。如果做过验证码识别的朋友，肯定很快就明白为什么划分为15个块，其实主要就是因为这样划分更合理，也就更能提高识别率。

我的方法是把需要识别的图片，划分为 5 行，3 列，15个块，然后对每个块进行计算，当每个块里的有效象素超过多少百分比的时候，就标记为 ■，如果没超过就标记为○，（这里为了显示方便我使用了■，○，你完全可以把它标为1、0），这里要注意一下，这里的百分比根据字体的粗细可以取 67％，50％，33％，20％，为什么要取这几个数？主要和计算机的浮点数运算有关，选这几个数，运算更快，且不容易出错，否则计算机在进行大量计算时也是会出错的！当然这里，你完全可以选适合你的验证码图片的百分比！！

如果验证码不变形、不换字体、不换大小、不旋转，我们的识别工作到这一步基本上就结束了，因为已经可以得到比较清晰的块图，对付大多数论坛，就已经足够了。^_^

如果验证码的变形比较大、且有很多字体、大小也不固定、且有旋转，那么我们经过划分、取比率显示后，可能会得到这样一个图：
○■○
○○■
○■○
■○○
■■■
    那么这个数字应该是什么数字，我们需要使用排除法！排除所有不可能，在0123456789中，这个图不可能是013456789，他只能是 ：2。

写过验证码识别的朋友可能已经明白了！是的，我们需要建立一个类似的数据库，也就是识别库，出现哪些图，他就属于那个数字。
   再举一个例子：
○■○
■○○
■■■
■○■
○■○
     这是哪个数字呢？？是6，没错

我这里我需要再说明一下为什么要取5行，3列，15个块，因为块太多了你 的识别库就会很大，块太少了，就会出现很多分不清楚的块图。

另外你取的百分比也需要注意，不能太大也不能太小。

好了，等做好自己的数据库，这时就可以识别大部分数字了。

最后还有一个问题，就是重复的问题，比如，图片上的数字，明明是 5，可由于它的字体不是常见的字体，且发生了旋转，最后得到这样一个图：
■■■
■○○
■■■
■○■
■■■
   在我的数据库里，这个块图，是6，也是就说识别错误，怎么办？

我的解决方法是，在数据库里先把这条数据删除因为这个是错误的。

遇到这种情况，就需要进行二次处理，我的方法是：降低百分比，这时就得到了：
■■○
■○○
■■○
○○■
■■○
     OK，经过降低百分比，图片就由“6”又变为“5”了，呵呵～～～由于降低了百分比，我们需要再建立一个识别库的来存储这些数据。

赞 (0)

相关推荐

  • Perl使用Tesseract-OCR实现验证码识别教程

    一.Tesseract-OCR 是什么 An OCR Engine that was developed at HP Labs between 1985 and 1995- and now at Google 基于Leptonica(http://leptonica.com/)图形处理库开的开源图形识别引擎. 支持Linux.Windows.Mac平台, 支持.NET.C++.Python.Java等开发语言:https://code.google.com/p/tesseract-ocr/wik

  • C#实现的简单验证码识别实例

    C#实现的简单验证码识别实例

    最近做一个小玩意需要识别验证码,之前从来没有接触过识别验证码这块,这可难倒了我.所以,在网上搜索如何识别验证码,许多前辈写的博文教会了我.怕以后又忘记了,故此写篇随笔记录. 我要识别的验证码是一种非常简单,如图: 识别步骤: 1.图片灰度化(把彩色的验证码图片转换成灰色的图片).图片二值化 复制代码 代码如下: for (int i = 0; i < bmp.Width; i++)             {                 for (int j = 0; j < bmp.He

  • php制作的简单验证码识别代码

    php制作的简单验证码识别代码

    一直想写这个,过了很久今天兴趣来了索性记录下. 验证码 全自动区分计算机和人类的公开图灵测试(英语:Completely Automated Public Turing test to tell Computers and Humans Apart,简称CAPTCHA),俗称验证码,是一种区分用户是计算机和人的公共全自动程序.在CAPTCHA测试中,作为服务器的计算机会自动生成一个问题由用户来解答.这个问题可以由计算机生成并评判,但是必须只有人类才能解答.由于计算机无法解答CAPTCHA的问题,

  • python下调用pytesseract识别某网站验证码的实现方法

    一.pytesseract介绍 1.pytesseract说明 pytesseract最新版本0.1.6,网址:https://pypi.python.org/pypi/pytesseract Python-tesseract is a wrapper for google's Tesseract-OCR ( http://code.google.com/p/tesseract-ocr/ ). It is also useful as a stand-alone invocation scrip

  • 如何识别高级的验证码的技术总结第1/4页

    一.验证码的基本知识 1. 验证码的主要目的是强制人机交互来抵御机器自动化攻击的. 2. 大部分的验证码设计者并不得要领,不了解图像处理,机器视觉,模式识别,人工智能的基本概念. 3. 利用验证码,可以发财,当然要犯罪:比如招商银行密码只有6位,验证码形同虚设,计算机很快就能破解一个有钱的账户,很多帐户是可以网上交易的. 4. 也有设计的比较好的,比如Yahoo,Google,Microsoft等.而国内Tencent的中文验证码虽然难,但算不上好. 二.人工智能,模式识别,机器视觉,图像处理的

  • 使用C#的aforge类库识别验证码实例

    使用C#的aforge类库识别验证码实例

    时间过得真快啊,转眼今年就要过去了,大半年都没有写博客了,要说时间嘛,花在泡妹子和搞英语去了,哈哈...前几天老大问我 怎么这么长时间都没写博客了,好吧,继续坚持,继续分享我的心得体会. 这个系列我们玩玩aforge.net,套用官方都话就是一个专门为开发者和研究者基于C#框架设计的,这个框架提供了不同的类库和关于类库的 资源,还有很多应用程序例子,包括计算机视觉与人工智能,图像处理,神经网络,遗传算法,机器学习,机器人等领域,这个系列研究的重点 就是瞎几把搞下AForge.Imaging这个命

  • PHP脚本自动识别验证码查询汽车违章

    PHP脚本自动识别验证码查询汽车违章

    经常有查下自己的车有没有违章,所以写了现在这个脚本,帮助查询自己的车是否违章. 主要用到,带cookie模拟表单提交和验证码识别. Tesseract-OCR 验证码识别技术,Tesseract-OCR:https://github.com/tesseract-ocr/tesseract 安装教程:https://github.com/tesseract-ocr/tesseract Tesseract-Ocr-For-PHP 把需要执行的命令,封装了一下 https://github.com/t

  • C#验证码识别基础方法实例分析

    C#验证码识别基础方法实例分析

    本文实例讲述了C#验证码识别基础方法,是非常实用的技巧.分享给大家供大家参考.具体方法分析如下: 背景 最近有朋友在搞一个东西,已经做的挺不错了,最后想再完美一点,于是乎就提议把这种验证码给K.O.了,于是乎就K.O.了这个验证码.达到单个图片识别时间小于200ms,500个样本人工统计正确率为95%.由于本人没有相关经验,是摸着石头过河.本着经验分享的精神,分享一下整个分析的思路.在各位大神面前献丑了. 再来看看部分识别结果如下图所示: 这里是不是看着很眼熟?下面再来具体分析一下. 处理第一步

  • 验证码识别技术

    由于现在很多网站,为了加强安全性,以及防止程序的自动操作网站,都加入的了验证码技术.但却给广大站长推广宣传网站带来的麻烦.所以我准备写这篇关于验证码识别技术的文章,不足之处在所难免!本人从来不写东西,今天为了想落伍才写了! 广大站长宣传推广自己的网站,经常要发布一些宣传广告,如果靠人工,太慢太昂贵,所以理想的办法是使用群发软件,可现在很多网站都有验证码,这成为群发软件的技术难点,而识别也就难点中的难点,好的,闲话少说,言归正传! 我举的例子是比较难于识别的验证码,不讨论不变形.不换字体.不换大小

  • python爬虫之验证码篇3-滑动验证码识别技术

    滑动验证码介绍 本篇涉及到的验证码为滑动验证码,不同于极验证,本验证码难度略低,需要的将滑块拖动到矩形区域右侧即可完成. 这类验证码不常见了,官方介绍地址为:https://promotion.aliyun.com/ntms/act/captchaIntroAndDemo.html 使用起来肯定是非常安全的了,不是很好通过机器检测 如何判断验证码类型 这个验证码的标识一般比较明显,在页面源码中一般存在一个 nc.js 基本可以判定是阿里云的验证码了 <script type="text/j

  • Python网站验证码识别

    Python网站验证码识别

    0x00 识别涉及技术 验证码识别涉及很多方面的内容.入手难度大,但是入手后,可拓展性又非常广泛,可玩性极强,成就感也很足. 验证码图像处理 验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵. 读取图片 图片降噪 图片切割 图像文本输出 验证字符识别 验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述.

  • Python验证码识别处理实例

    Python验证码识别处理实例

    一.准备工作与代码实例 (1)安装PIL:下载后是一个exe,直接双击安装,它会自动安装到C:\Python27\Lib\site-packages中去, (2)pytesser:下载解压后直接放C:\Python27\Lib\site-packages(根据你安装的Python路径而不同),同时,新建一个pytheeer.pth,内容就写pytesser,注意这里的内容一定要和pytesser这个文件夹同名,意思就是pytesser文件夹,pytesser.pth,及内容都要一样! (3)Te

  • Python实现字符型图片验证码识别完整过程详解

    1摘要 验证码是目前互联网上非常常见也是非常重要的一个事物,充当着很多系统的防火墙功能,但是随时OCR技术的发展,验证码暴露出来的安全问题也越来越严峻.本文介绍了一套字符验证码识别的完整流程,对于验证码安全和OCR识别技术都有一定的借鉴意义. 本文的基于传统的机器学习SVM的源码共享:https://github.com/zhengwh/captcha-svm 2关键词 关键词:安全,字符图片,验证码识别,OCR,Python,SVM,PIL 3免责声明 本文研究所用素材来自于某旧Web框架的网

  • Python通用验证码识别OCR库之ddddocr验证码识别

    Python通用验证码识别OCR库之ddddocr验证码识别

    目录 前言 传统验证码 滑动验证码 文字点选验证码 总结 前言 相信做自动化测试的同学一定不可忽视的问题就是验证码,他几乎是一个网站登录的标配,当然,我一般是不建议在这上面浪费时间去做识别的. 举个例子,现在你的目的是进入自己家的房子,房子为了防止小偷进入于是上了一把锁.我们没必要花费力气去研究开锁技术.去找锁匠配置一把万能钥匙(让开发设置验证码的万能码),或者干脆先去上锁匠把验证码去掉(让开发暂时屏蔽验证码).严格来说识别验证码不是我们自动化测试的重点.除非你是验证码厂商的员工,破解识别验证码

  • python验证码识别的示例代码

    python验证码识别的示例代码

    写爬虫有一个绕不过去的问题就是验证码,现在验证码分类大概有4种: 图像类 滑动类 点击类 语音类 今天先来看看图像类,这类验证码大多是数字.字母的组合,国内也有使用汉字的.在这个基础上增加噪点.干扰线.变形.重叠.不同字体颜色等方法来增加识别难度. 相应的,验证码识别大体可以分为下面几个步骤: 灰度处理 增加对比度(可选) 二值化 降噪 倾斜校正分割字符 建立训练库 识别 由于是实验性质的,文中用到的验证码均为程序生成而不是批量下载真实的网站验证码,这样做的好处就是可以有大量的知道明确结果的数据

  • 谈谈Python进行验证码识别的一些想法

    谈谈Python进行验证码识别的一些想法

    用python加"验证码"为关键词在baidu里搜一下,可以找到很多关于验证码识别的文章.我大体看了一下,主要方法有几类:一类是通过对图片进行处理,然后利用字库特征匹配的方法,一类是图片处理后建立字符对应字典,还有一类是直接利用ocr模块进行识别.不管是用什么方法,都需要首先对图片进行处理,于是试着对下面的验证码进行分析. 一.图片处理 这个验证码中主要的影响因素是中间的曲线,首先考虑去掉图片中的曲线.考虑了两种算法: 第一种是首先取到曲线头的位置,即x=0时,黑点的位置.然后向后移动

  • Tensorflow简单验证码识别应用

    Tensorflow简单验证码识别应用

    简单的Tensorflow验证码识别应用,供大家参考,具体内容如下 1.Tensorflow的安装方式简单,在此就不赘述了. 2.训练集训练集以及测试及如下(纯手工打造,所以数量不多): 3.实现代码部分(参考了网上的一些实现来完成的) main.py(主要的神经网络代码) from gen_check_code import gen_captcha_text_and_image_new,gen_captcha_text_and_image from gen_check_code import

随机推荐