借助开源OCR和图片处理工具做验证码识别

wuxue107

orc命令行工具：tesseract
图片处理命令行工具：nconvert（好东西）
可以做一些简单的验证码识别。但有时候颜色问题tesseract不能直接识别，就可以用nconvert做一些简单的处理。


用nconvert做下面处理：
色调分离 8
锐化 99
高斯模糊 3
颜色深度 2 无抖动
执行命令：nconvert -posterize 8 -sharpen 99 -gauss 3 -binary nodither 1.png 2.png

将转换为下面图片


再执行：tesseract -psm 6 2.png text
就可以得到需要的文字：BXAR

还有时候图片图片有些干扰的线条在里面，这时候就可以用到我之前提到过的WIA组件做一些处理了。
昨天用51的验证码试了下。


先用：nconvert -colors 16 66224.png 66224_1.png将图片降为16色，这样图片背景渐变色就分开了。
降颜色深度后：
再读取图片第一个行的颜色做背景色（去除，干扰线的颜色）
去完背景和干扰线条后：（其实处理后识别率也相当低约8~10%）
在用命令tesseract -psm 6 66224_1.png text
从text.txt文件里可看到要识别的文本。


vbs利用WIA组件写了段去背景色和线条的代码。

1. 
   
2. Dim fso
   
3. Set fso = WScript.CreateObject("Scripting.Filesystemobject")
   
4. Set f=fso.GetFolder("D:\文件夹转移\desktop\d")
   
5. 
   
6. For Each n In f.Files
   
7.         clearX n.Path,n.Path & ".clear.png"
   
8. next
   
9. 
   
10. Sub clearX(sfile,ofile)
    
11.         Dim pic
    
12.         Set pic = CreateObject("WIA.ImageFile.1")
    
13.         Set IP = CreateObject("WIA.ImageProcess")
    
14.         
    
15.         pic.LoadFile sfile
    
16.         pw = pic.Width
    
17.         ph = pic.Height
    
18.         Set cl=pic.ARGBData
    
19.         Dim bitarr()
    
20.         ReDim bitarr(cl.Count)
    
21.         
    
22. 
    
23.         ''获取背景色
    
24.         Set oDic = CreateObject("scripting.dictionary")
    
25.         oDic.RemoveAll
    
26.         For j=1 To pw
    
27.                 If not odic.Exists(cl.Item(j)) Then
    
28.                         odic.Add cl.Item(j),1
    
29.                 Else
    
30.                         odic.Item(cl.Item(j))=odic.Item(cl.Item(j))+1
    
31.                 End if
    
32.                 index=index+1
    
33.         Next
    
34.         
    
35.         For Each n In odic.Keys
    
36.                 '' 排除背景中的干扰线条色
    
37.                 If odic.Item(n)/pw < 0.03 Then
    
38.                         odic.Remove n
    
39.                 End If
    
40.         Next
    
41.         
    
42.         For i=1 To cl.Count
    
43.                 bitarr(i) = cl.Item(i)
    
44.         Next
    
45.         
    
46.         For index=pw+1 To pw * (ph - 1)
    
47.                         If odic.Exists(bitarr(index)) Then
    
48.                                 ''去背景色
    
49.                                 cl.Item(index) = &HFFFFFF
    
50.                         else
    
51.                                 samecount = 0
    
52.                                 If bitarr(index) = bitarr(index - 1 ) Then samecount = samecount + 1
    
53.                                 If bitarr(index) = bitarr(index + 1 ) Then samecount = samecount + 1
    
54.                                 If bitarr(index) = bitarr(index - pw ) Then samecount = samecount + 1
    
55.                                 If bitarr(index) = bitarr(index + pw ) Then samecount = samecount + 1
    
56.                                 If samecount < 3 Then
    
57.                                         ''去干扰线条
    
58.                                         cl.Item(index) =  &HFFFFFF
    
59.                                 Else
    
60.                                         cl.Item(index) =  -16777216
    
61.                                 End if
    
62.                         End If
    
63.         Next
    
64. 
    
65. 
    
66.         ''去上下边缘色
    
67.         For i=1 To pw
    
68.                 cl.Item(i) =  &HFFFFFF
    
69.         Next
    
70.         For i=pw * (ph - 1) + 1 To pw * ph
    
71.                 cl.Item(i) =  &HFFFFFF
    
72.         Next
    
73.         
    
74.         ''另存修改后的图片
    
75.         IP.Filters.Add IP.FilterInfos("ARGB").FilterID
    
76.         IP.Filters(1).Properties("ARGBData") = cl
    
77.         Set pic = IP.Apply(pic)
    
78.         pic.SaveFile ofile
    
79. End Sub

复制代码

赵佳乐SMILE

高手啊

黑羽祭

虽然不常用，不过方法值得学习。
顶上~

让测试飞起来

真的看到了...比PS还要牛！