用node.js实现验证码简单识别

DarrylHammo 8年前

来自： http://think2011.net/2016/01/31/node-ocr/

概述

在验证码识别上， node.js 其实也只是打酱油的角色，因为已经有成熟的工具做这个事情，而 node 只需要做调度就行了。

所需工具

那么介绍一下这些工具吧

  • Tesseract 开源的 OCR 识别工具，目前由 Google 维护，支持中文，默认的识别率很低哈，特别是中文，但是可以自己提供样本，训练提高识别率。
  • graphicsmagick 非常实用的图像处理工具，下面会讲到用途。

Tesseract的使用

以下操作均在 Mac 环境下，Windows 其实也差不多，请自行区分 :-)。

安装

brew install tesseract --all-languages

使用

tesseract 1.jpg -psm 7 r

-psm 7 表示识别的内容是文本， r 是保存识别内容的文件。

然后你会发现识别结果很坑.. (⊙o⊙)..

提高识别率

之所以是这样，是因为验证码上有无关的图像干扰，例如噪点什么的，理论上去掉了干扰的元素，识别率就会极大的提高。

用阈值处理图片是个很方便的办法，在 Photoshop中可以模拟这种操作 。

再试一次

这里配置为55%的阈值，再来一次。

成功了！( ⊙ o ⊙ )！虽然多了个空格，但是已经完整识别出来了。

用node.js实现

最后在 node.js 中整合上面的操作，其中图像处理用 graphicsmagick 代替。

直接上源码吧，里面用到了 tesseract 和 graphicsmagick 在 node.js 中对应的包装。 

var fs        = require('fs');  var tesseract = require('node-tesseract');  var gm        = require('gm');    processImg('1.jpg', 'test_1.jpg')      .then(recognizer)      .then(text => {          console.log(`识别结果:${text}`);      })      .catch((err)=> {          console.error(`识别失败:${err}`);      });    /**   * 处理图片为阈值图片   * @param imgPath   * @param newPath   * @param [thresholdVal=55] 默认阈值   * @returns {Promise}   */  function processImg (imgPath, newPath, thresholdVal) {      return new Promise((resolve, reject) => {          gm(imgPath)              .threshold(thresholdVal || 55)              .write(newPath, (err)=> {                  if (err) return reject(err);                    resolve(newPath);              });      });  }    /**   * 识别图片   * @param imgPath   * @param options tesseract options   * @returns {Promise}   */  function recognizer (imgPath, options) {      options = Object.assign({psm: 7}, options);        return new Promise((resolve, reject) => {          tesseract              .process(imgPath, options, (err, text) => {                  if (err) return reject(err);                  resolve(text.replace(/[\r\n\s]/gm, ''));              });      });  }
</div>

最后

写完之后才发现示例中的验证码的第一个字符其实是 G，而不是识别出来的C。

默认样本对相近字符识别还是挺低的，可以搜索 tesseract 训练 ，提高相近字符的识别率。

资源

</div>

相关经验