验证码识别

一、前言

工作关系，在做自动化测试的时候，不可避免要碰到验证码，如果中途暂停手动输入的话，未免太繁琐，所以我在这里总结了自己搜索到的资料，结合实践经验，与各位分享。

---

 

二、解决的问题

本次我解决的问题主要是比较传统的图片验证码识别，类似下图这样的：

      

滑块验证和顺序点击图片那种逆天的验证码本次不涉及。

---

 

三、方法

我这里有java和python的不同实现，背后的思路大体一致：

① 图片二值化

② 去噪点

③ 识别

下面通过代码给大家讲解，相关代码已上传至github，可在文末查看。

---

 

四、java实现

首先列出工程目录：

 

 

 Entrance是程序入口，DT是一些配置信息，PictureOcr是识别用到的一些方法。

① 去噪点 

    /**
     * 图片去噪点
     * @param picPath
     * @return
     * @throws IOException
     */
    public static void removeBackground(String picPath) throws IOException {
        BufferedImage bufferedImage = ImageIO.read(new File(picPath));
        int width = bufferedImage.getWidth();
        int height = bufferedImage.getHeight();
        for (int x = 0; x < width; ++x) {
            for (int y = 0; y < height; ++y) {
                if (isWrite(bufferedImage.getRGB(x, y)) == 1) {
                    bufferedImage.setRGB(x, y, Color.white.getRGB());
                } else {
                    bufferedImage.setRGB(x, y, Color.black.getRGB());
                }
            }
        }
        ImageIO.write(bufferedImage, picType, new File(picPath));
    }

    /**
     * 如果某个像素的三原色值大于所设定的阈值，就将此像素设为白色，即为背景
     * @param colorInt
     * @return
     */
    public static int isWrite(int colorInt) {

        Color color = new Color(colorInt);
        if (color.getRed() + color.getGreen() + color.getBlue() > DT.DictOfOcr.threshold) {
            return 1;
        }
        return 0;
    }

 先取得图片的分辨率（长 * 宽），然后设定一个阈值，阈值就是某个像素的R，G，B三原色值的和，大家可以使用截图工具来分析要识别图像的验证码阈值是多少，以微信为例，验证码待识别区域的RGB值即可设定为阈值，大于此阈值的像素均设为白色，否则即设为黑色，这样便可以有效去除噪点。

② 裁剪边框

裁剪边框是为了尽可能大的保留图片特征，提高识别率

    /**
     * 裁剪边角
     * @param picPath
     * @throws IOException
     */
    public static void cutPic(String picPath) throws IOException {

        BufferedImage bufferedimage=ImageIO.read(new File(picPath));
        int width = bufferedimage.getWidth();
        int height = bufferedimage.getHeight();


        bufferedimage = cropPic(bufferedimage, (cutWidth / 2),0, (width - cutWidth / 2), height);
        bufferedimage = cropPic(bufferedimage,0, (cutHeight / 2),(width - cutWidth), (height - cutHeight / 2));
        ImageIO.write(bufferedimage, picType, new File(picPath));
    }

    /**
     * 根据参数裁剪图片
     * @param bufferedImage
     * @param startX
     * @param startY
     * @param endX
     * @param endY
     * @return
     */
    public static BufferedImage cropPic(BufferedImage bufferedImage, int startX, int startY, int endX, int endY) {
        int width = bufferedImage.getWidth();
        int height = bufferedImage.getHeight();
        if (startX == -1) {
            startX = 0;
        }
        if (startY == -1) {
            startY = 0;
        }
        if (endX == -1) {
            endX = width - 1;
        }
        if (endY == -1) {
            endY = height - 1;
        }
        BufferedImage result = new BufferedImage(endX - startX, endY - startY, 4);
        for (int x = startX; x < endX; ++x) {
            for (int y = startY; y < endY; ++y) {
                int rgb = bufferedImage.getRGB(x, y);
                result.setRGB(x - startX, y - startY, rgb);
            }
        }
        return result;
    }

③ 执行OCR识别

    /**
     * 执行Ocr识别
     * @param picPath
     * @return
     * @throws TesseractException
     */
    public static String executeOcr(String picPath) throws TesseractException {

        ITesseract iTesseract = new Tesseract();
        iTesseract.setDatapath(tessdataPath);
        //iTesseract.setLanguage("eng");
        //可根据需要引入相关的训练集
        String ocrResult = iTesseract.doOCR(new File(picPath));
        return ocrResult;
    }

用到了tessdata数据包

④ 效果

对于规范的验证码来说，识别率还是很不错的，80%左右。我在工程resources路径下建立了一个image文件夹，里面有些图片，大家可以自行尝试。

---

 

 

五、python实现

思路如下：

构建一定数量的数据集（被打上标签的验证码图片），然后进行模型的训练：

1、二值化图片

2、分割并保存每一张图片中的字符

3、“提取分割出的中的特征值”

4、生成训练集

5、定义分类模型

6、测试分类效果

 

def capt_process(capt):
    """
    图像预处理，将验证码图片转为二值型图片，按字符切割
    :param capt: image
    :return: 一个数组包含四个元素，每个元素是一张包含单个字符的二值型图片
    """
    # 转为灰度图
    capt_gray = capt.convert("L")
    # 取得图片阈值
    threshold = get_threshold(capt_gray)
    # 二值化图片
    table = get_bin_table(threshold)
    capt_bw = capt_gray.point(table, "1")
    capt_per_char_list = []
    for i in range(4):
        x = 5 + i * 15
        y = 2
        capt_per_char = capt_bw.crop((x, y, x + 13, y + 24))
        capt_per_char_list.append(capt_per_char)

    return capt_per_char_list

 

def get_threshold(capt):
    """
    获取一张图片中，像素出现次数最多的像素，作为阈值
    :param capt:
    :return:
    """
    pixel_dict = defaultdict(int)
    # 取得图片长、宽
    rows, cols = capt.size
    for i in range(rows):
        for j in range(cols):
            # 取得这一点的(r,g,b)
            pixel = capt.getpixel((i, j))
            # 以像素做key，出现的次数做value
            pixel_dict[pixel] += 1
    # 取得字典中像素出现最多的次数
    count_max = max(pixel_dict.values())
    # 反转字典，改为以出现次数做key，方便后面取得像素
    pixel_dict_reverse = {v: k for k, v in pixel_dict.items()}
    # 取得出现次数最多的像素
    threshold = pixel_dict_reverse[count_max]
    return threshold

def get_bin_table(threshold):
    """
    按照阈值进行二值化处理
    :param threshold:
    :return:
    """
    table = []
    rate = 0.1
    for i in range(256):
        if threshold * (1 - rate) <= i <= threshold * (1 + rate):
            table.append(1)
        else:
            table.append(0)
    return table

 

代码里都有注释，就不详细解释了。

本人python实现大量参考了这篇博文：

https://blog.csdn.net/weixin_38641983/article/details/80899354

具体每一步怎么做的，为什么这么做，都有清楚地解释，我在这里不再赘述，感谢这位博主。

我要说明的是，训练集可能每个人都不一样，图片切割尺寸也可能都不一样，这些需要在使用时随机应变。

---

 

六、结语

以上提供的方法只能识别简单的验证码，但是它为我们提供了一种问题解决范式，今后遇到类似的问题，不至于手忙脚乱。

相关代码还参考了以下博文：

https://segmentfault.com/a/1190000015240294?utm_source=tag-newest

 

https://blog.csdn.net/problc/article/details/5794460

 

再次感谢以上博主。

本文相关代码已上传至github，有问题欢迎与我交流。

https://github.com/Thinker-Mars/Demo/tree/master/picture-ocr