php实现验证码的识别(中级篇)

  在上篇文章 <php实现验证码的识别 (初级篇 ) http://www.zzzyk.com/kf/201203/123439.html > 中，讲了如何识别简单的验证，这里的简单只的是验证码有数字和字母组成，格式统一，每次出现位置固定。这篇文章将继续深入研究识别验证码，这次识别的目标是，验证码有字符和数字组成，验证码存在旋转（可能左右都旋转），位置不固定，存在字符与字符之间的粘连，且验证码有更强的干扰素。这篇文章讲解的方法，并不是万能的解决方案，并且提供代码不能直接解决你的问题，这里仅仅是方法，具体需求读者自己解决，需要说明的是，识别验证码与具体的编程语言无关，这里只是使用 php 语言实现，使用这里介绍的方法，你可以使用任何语言实现。

 这篇文章逐步讲解识别验证码过程中的各个步骤。 

 刚看上去，感觉很复杂。验证码的图片每次背景色都不相同，且不是单色，各个验证码数字的颜色每次也各不相同。貌似很难二值化，其实我们打印出其 RGB 值很容易就发现。无论验证数字颜色如何变化，该数字的 RGB 值总有一个值小于 125 ，所以通过如下判断

$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125

我们就很容易分辨出哪里是数字，哪里是背景。

  我们能够找到这些规律的因素是，在制作验证码的干扰素时，为了使干扰素不影响数字的显示效果，必须使用干扰素的 RGB 和数字 RGB 相互独立，互不干扰。只要懂得这个规律，我们就很容易实现二值化。

  我们找到的 120 ， 80 ， 125 等阈值，可能和实际的 RGB 有出入，所以，有时二值化后，会有部分地方出现 1 ，对于验证码上固定位置显示数字，这种干扰没有太大意义。但是对于验证码位置不确定的图片来说，在我们切割字符时，很可能造成干扰。所以，在二值化后要进行去噪出来。

  二：接下来我们进行第二个步骤，出噪。出燥的原理很简单，就是把孤立的有效的值去掉，如果噪点比较高，要求的效率也比较高的话，这里面也有很多工作要做。幸好这里我们不要求这么高深，我们使用最简单的方法就可以，如果一个点为 1 则判断这个点的上下左右上左上右下左下右 8 个方位上数字是否为 1 ，如果不为 1 ，就认为是一个燥点，直接设置为 1 即可。

如上图所示，我们使用此方法很容易发现红色方框部分的 1 为燥点，直接设置为 1 即可。

在判断时我们使用了一个技巧，有时候的噪点可能是两个连续的 1 ，所以我们

[php:collapse] + expand sourceview plaincopyprint?$num = 0; 
if($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;
}

我们计算这个点的 8 个方向上的值之和，最后我们判断他们的和是否小于特定的阈值
 三：经过去噪后，我们就得到干净的二值化的数据，接下来要做的就是切割字符了。切割字符的方法有很多种，这里我采用最简单的一种，先垂直方向切割成为字符，然后在水平方向去掉多于的 0000 ，如下图

第一步切割红线部分，第二步切割蓝线部分，这样就可以得到独立的字符了。但是像下面这种情况

  

按上面的方法会把 dw 字符切割成一个字符，这是错误的切割，所以这里我们涉及到粘连字符的切割。
 四：粘连字符切割，制作验证码时，规则字符的粘连很容易分割开，如果字符本身有缩放，变形就很难处理，经过分析，我们可以发现，上面的字符粘连属于很简单的方式，只是规则字符的粘连，所以处理这种情况，我们也使用很简单的处理方式。当完成分割操作后，我们不能马上确定分割的部分就为一个字符，要进行验证，验证的关键因素就是，切割下来的字符的宽是否大于阈值，这个阈值的取舍标准是，一个字符无论怎么旋转变形都不会大于这个阈值，所以，如果我们切割的块大于这个阈值，就可以认为这是一个粘连字符；如果大于两个阈值之和，就认为是三个字符粘连，以此类推。知道这个规则后，切割粘连字符也就很简单了。如果我们发现是粘连字符块，直接平分这个块为两个或者多个新的块就可以。当然为了更好的还原字符，我一般都采用平分 +1 ， -1 对字符块的部分进行适当的补充。
 五：经过上面四个步骤

补充：Web开发 , php ,

上一个：PHP创建与解析XML
下一个：php实现验证码的识别(初级篇)