本文源自:http://hooopo.iteye.com/blog/993538
工具:imagemagick +?tesseract-ocr
?
Tesseract-ocr据说辨识程度是世界排名第三,可谓神器啊。
准备工作:
1.安装tesseract-ocr
Java代码??
class="star">
- sudo?apt-get?install?tesseract??
2.安装imagemagick
Java代码??
- sudo?apt-get?install?imagemagick??
3.安装rmagick
Java代码??
- sudo?apt-get?remove?--purge?librmagick-ruby-doc?librmagick-ruby1.8??
- sudo?apt-get?install?libmagick9-dev?ruby1.8-dev??
- sudo?gem?install?rmagick??
先试一个简单的:
Ruby代码??
- require?'rubygems'??
- require?'rtesseract'??
- img?=?RTesseract.new("tmp/test.jpg")??
- img.to_s.sub(/\s+$/,?"")???
很成功,但这个太简单了。一般破解复杂点的验证码处理步骤是先用imagemagick灰度化,灰度反转,提高对比度,二值化等。然后再用ocr去识别。ocr识别黑白图片效果比较好些。
这个是人民网的验证码:
Ruby代码??
- img?=?MiniMagick::Image.new("tmp/people.jpg")???
- img.colorspace("GRAY")??
- image?=?RTesseract.new(img.path)??
- image.to_s.sub(/\s+$/,?"")???
?这个还是简单,再复杂一点的,这个是4399.com的验证码:
有黑色边框,有背景色,文字稍微扭曲。
?
Ruby代码??
- img?=?MiniMagick::Image.new("tmp/4399.jpg")??
- img.crop("#{img[:width]?-?2}x#{img[:height]?-?2}+1+1")?#去掉边框(上下左右各1像素)??
- img.colorspace("GRAY")???
- img.monochrome???
- image?=?RTesseract.new(img.path)???
- image.to_s.sub(/\s+$/,?"")???
?
像上面这样简单的识别率几乎能达到80%以上,扭曲太严重的识别率就很低了。有轻微噪点的就得自己写去噪算法了。。
?
还有一些验证码看起来很变态但是是纸老虎。像当当的。刷新了几次发现结果在1-20之间,选中一个数暴力破解每次也有1/20正确的概率。
还有139的:。答案就12种1-4A-Da-d。而且不区分大小写。选中一个字母每次有1/6的概率命中。
?
ps:研究破解验证码不是为了搞破坏。请勿跨省追捕。
?
当然还有人工ocr:优优云打码等 这些是付费的居多