php實作驗證碼的識别(中級篇)（轉）
在上篇文章 <php實作驗證碼的識别 (初級篇 ) > 中，講了如何識别簡單的驗證，這裡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。這篇文章将繼續深入研究識别驗證碼，這次識别的目标是，驗證碼有字元和數字組成，驗證碼存在旋轉（可能左右都旋轉），位置不固定，存在字元 與字元之間的粘連，且驗證碼有更強的幹擾素。這篇文章講解的方法，并不是萬能的解決方案，并且提供代碼不能直接解決你的問題，這裡僅僅是方法，具體需求讀 者自己解決，需要說明的是，識别驗證碼與具體的程式設計語言無關，這裡隻是使用 php 語言實作，使用這裡介紹的方法，你可以使用任何語言實作。
這篇文章逐漸講解識别驗證碼過程中的各個步驟。
如上圖，随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，識别方法很簡單，我們列印出驗證碼正張圖檔的 RGB ，然後分析其規律即可，通過 RGB 碼，我們很容易分辨出上面這張圖檔的 R 值大于 120 ， G 和 B 的值小于 80 ，是以依據這個規則我們很容易把上面的圖檔二值化。再看初級篇中識别的兩張圖
剛看上去，感覺很複雜。驗證碼的圖檔每次背景色都不相同，且不是單色，各個驗證碼數字的顔色每次也各不相同。貌似很難二值化，其實我們列印出其 RGB 值很容易就發現。無論驗證數字顔色如何變化，該數字的 RGB 值總有一個值小于 125 ，是以通過如下判斷
$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125
我們就很容易分辨出哪裡是數字，哪裡是背景。
我們能夠找到這些規律的因素是，在制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 互相獨立，互不幹擾。隻要懂得這個規律，我們就很容易實作二值化。
我們找到的 120 ， 80 ， 125 等門檻值，可能和實際的 RGB 有出入，是以，有時二值化後，會有部分地方出現 1 ，對于驗證碼上固定位置顯示數字，這種幹擾沒有太大意義。但是對于驗證碼位置不确定的圖檔來說，在我們切割字元時，很可能造成幹擾。是以，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，這裡面也有很多工作要做。幸好這裡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，直接設定為 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，直接設定為 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 ，是以我們
view plain copy to clipboard print ?
- $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;
- }
$num = 0;
if($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于特定的門檻值
三：經過去噪後，我們就得到幹淨的二值化的資料，接下來要做的就是切割字元了。切割字元的方法有很多種，這裡我采用最簡單的一種，先垂直方向切割成為字元，然後在水準方向去掉多于的 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元了。但是像下面這種情況
按上面的方法會把 dw 字元切割成一個字元，這是錯誤的切割，是以這裡我們涉及到粘連字元的切割。
四：粘連字元切割，制作驗證碼時，規則字元的粘連很容易分割開，如果字元本身有縮放，變形就很難處理，經過分析，我們可以發現，上面的字元粘連屬于很簡 單的方式，隻是規則字元的粘連，是以處理這種情況，我們也使用很簡單的處理方式。當完成分割操作後，我們不能馬上确定分割的部分就為一個字元，要進行驗 證，驗證的關鍵因素就是，切割下來的字元的寬是否大于門檻值，這個門檻值的取舍标準是，一個字元無論怎麼旋轉變形都不會大于這個門檻值，是以，如果我們切割的塊 大于這個門檻值，就可以認為這是一個粘連字元；如果大于兩個門檻值之和，就認為是三個字元粘連，以此類推。知道這個規則後，切割粘連字元也就很簡單了。如果我 們發現是粘連字元塊，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元，我一般都采用平分 +1 ， -1 對字元塊的部分進行适當的補充。
五：經過上面四個步驟，我們就可以提取出比較純的字元塊了，接下來要做就是比對字元了。對于旋轉字元的特征碼建立，有很多種方法，這裡就不做深入研究了。我這裡使用的最簡單的方式，為所有字元的所有情況建立比對庫，是以在我提供的代碼種增加了 study 操作，其目的就是，先有人手工識别圖檔的驗證碼，然後通過 study 方法，寫入特征碼庫。這樣寫入的圖檔資料越多，驗證識别的準确行也就越高。
好了，經過以上步驟，我們基本上可以識别現在網際網路上大部分的驗證碼，這裡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，應該屬于非 OCR 領域的頂峰了，要想識别更加複雜的驗證碼，那就需要更多的 OCR 知識了。有機會的話，我會在進階篇中一一做介紹。
下面是一些容易識别的驗證碼，希望引起網站管理者的重視。
制作驗證碼的一些建議
對于識别驗證碼的程式來說，最難得部分是驗證字元的切割和特征碼的建立，而國内很多程式員隻做驗證碼時，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；是以，要想使自己驗證碼難于本識别，隻做下面兩點就夠了
1 ：字元粘連，最好所有的字元都有粘連的部分；
2 ：不要使用規格字元，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，識别程式就很難識别。我們看看， yahoo 和 google 的驗證碼就知道，白字黑底，卻很難被識别。
Goole:
yahoo:
源檔案下：點選下載下傳
作者 : 逸學堂（ ugg ）
轉帖請注明：http://blog.csdn.net/ugg/archive/2009/03/09/3972368.aspx