摘要：驗(yàn)證碼的識(shí)別成功率跟圖片質(zhì)量關(guān)系密切，一般拿到后的驗(yàn)證碼都得經(jīng)過灰度化，二值化，去噪，利用就可以很方便的做到。

所謂驗(yàn)證碼，就是將一串隨機(jī)產(chǎn)生的數(shù)字或符號(hào)，生成一幅圖片，圖片里加上一些干擾象素（防止OCR），由用戶肉眼識(shí)別其中的驗(yàn)證碼信息，輸入表單提交網(wǎng)站驗(yàn)證，驗(yàn)證成功后才能使用某項(xiàng)功能，通俗說就是一種區(qū)分用戶是計(jì)算機(jī)和人的公共全自動(dòng)程序

可以防止惡意破解密碼、刷票、論壇灌水，有效防止某個(gè)黑客對(duì)某一個(gè)特定注冊(cè)用戶用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試，所使用驗(yàn)證碼技術(shù)是現(xiàn)在很多網(wǎng)站通行的方式（比如招商銀行的網(wǎng)上個(gè)人銀行，百度社區(qū)）。
沒有驗(yàn)證碼登陸，黑客會(huì)更加容易破解你的賬號(hào)，通過組合碼刷機(jī)等黑客技術(shù)來破取你的密碼，有了驗(yàn)證碼相當(dāng)于加了一層很厚的屏障，安全系數(shù)很高。

隨機(jī)的四位數(shù)字的組合，這是最原始的驗(yàn)證碼
隨機(jī)數(shù)字圖片驗(yàn)證碼，圖片上的字符比較中規(guī)中矩，驗(yàn)證作用比上一個(gè)好
隨機(jī)數(shù)字+隨機(jī)大小寫英文字母圖片驗(yàn)證碼，每刷新一次,每個(gè)字符還會(huì)變位置
隨機(jī)數(shù)字+隨機(jī)大小寫英文字母+隨機(jī)干擾像素+隨機(jī)位置圖片驗(yàn)證碼，比上一個(gè)驗(yàn)證作用更好，不易識(shí)別

所需要的工具：

識(shí)別工具，目前由Google維護(hù)，支持中文，默認(rèn)的識(shí)別率很低，特別是中文，但是可以自己提供樣本，訓(xùn)練提高識(shí)別率。

安裝：

brew install tesseract --all-languages // MAC安裝
npm install node-tesseract // // windows安裝

在DOS窗口輸入：tesseract，顯示如圖則證明安裝成功

命令行使用方法：

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]

imagename為目標(biāo)圖片文件名，需加格式后綴；outputbase是轉(zhuǎn)換結(jié)果文件名；lang是語言名稱（在Tesseract-OCR中tessdata文件夾可看到以eng開頭的語言文件eng.traineddata），如不標(biāo)-l eng則默認(rèn)為eng；pagesegmode則是生成結(jié)果顯示相關(guān)配置。

例如：

tesseract 1.jpg result -psm 7 

tesseract code.jpg result -l chi_sim -psm 7 //  -l chi_sim 表示用簡(jiǎn)體中文字庫, -psm 7 表示告訴tesseract code.jpg圖片是一行文本,這個(gè)參數(shù)可以減少識(shí)別錯(cuò)誤率，默認(rèn)為3

node使用方法（官方示例）：

var tesseract = require("node-tesseract");

// Recognize text of any language in any format
tesseract.process(__dirname + "/path/to/image.jpg",function(err, text) {
    if(err) {
        console.error(err);
    } else {
        console.log(text);
    }
});

// Recognize German text in a single uniform block of text and set the binary path

var options = {
    l: "deu",
    psm: 6,
    binary: "/usr/local/bin/tesseract"
};

tesseract.process(__dirname + "/path/to/image.jpg", options, function(err, text) {
    if(err) {
        console.error(err);
    } else {
        console.log(text);
    }
});

運(yùn)行結(jié)果：

嘗試調(diào)用此方法后會(huì)在本地文件生成一個(gè)對(duì)應(yīng)的txt文件，內(nèi)容即為識(shí)別內(nèi)容?？梢钥闯鰜?，對(duì)于簡(jiǎn)單清楚的驗(yàn)證碼識(shí)別還比較準(zhǔn)確，但是對(duì)于帶有噪點(diǎn)或者其他影響的識(shí)別效果的就很坑，完全識(shí)別不出來，所以我們需要對(duì)圖片進(jìn)行一些處理，比如提高圖片的閾值，比如設(shè)置為55%，可以用ps等軟件實(shí)現(xiàn)，但是node中已經(jīng)有相應(yīng)的包graphicsmagick，可以對(duì)圖像進(jìn)行這種處理，比較方便。

非常實(shí)用的圖像處理工具,一般后臺(tái)想要處理圖片就需要下載graphicsmagick，可以方便實(shí)現(xiàn)比如：制作縮略圖、頭像剪切等功能。
驗(yàn)證碼的識(shí)別成功率跟圖片質(zhì)量關(guān)系密切，一般拿到后的驗(yàn)證碼都得經(jīng)過灰度化，二值化，去噪，利用graphicsmagick就可以很方便的做到。

安裝：

brew install imagemagick
brew install graphicsmagick // Mac安裝

npm install gm // windows安裝

命令行使用方法：

gm convert 1.jpg -thumbnail "100x100!" output_1.jpg  // 非等比縮圖，生成的圖片大小是：100x100

gm convert 1.jpg 1.pdf  // 格式轉(zhuǎn)換

node使用方法（官方示例）：

var fs = require("fs")
  , gm = require("gm");

// resize and remove EXIF profile data
gm("/path/to/my/img.jpg")
.resize(240, 240)
.noProfile()
.write("/path/to/resize.png", function (err) {
  if (!err) console.log("done");
});

// some files would not be resized appropriately
// http://stackoverflow.com/questions/5870466/imagemagick-incorrect-dimensions
// you have two options:
// use the "!" flag to ignore aspect ratio
gm("/path/to/my/img.jpg")
.resize(240, 240, "!")
.write("/path/to/resize.png", function (err) {
  if (!err) console.log("done");
});

運(yùn)行結(jié)果:

可以看出，gm成功將這個(gè)圖片進(jìn)行裁剪或者轉(zhuǎn)換為pdf格式，使用很方便。

新建項(xiàng)目目錄

在合適的磁盤目錄下創(chuàng)建項(xiàng)目目錄 node-orc

初始化項(xiàng)目

1.進(jìn)入node-orc文件夾下
2.執(zhí)行npm init，初始化package.json文件

安裝依賴包

1.npm install gm
2.npm install node-tesseract

新建index.js,寫入代碼如下：

var fs        = require("fs");
var tesseract = require("node-tesseract");
var gm        = require("gm");

/**
 * 對(duì)圖片進(jìn)行閾值處理(默認(rèn)55)
 */
function disposeImg (imgPath, newPath, thresholdValue) {
  return new Promise((resolve, reject) => {
    gm(imgPath)
      .threshold(thresholdValue || 55)
      .write(newPath, (err)=> {
        if (err) return reject(err);
        resolve(newPath);
      });
  });
}

/**
 * 識(shí)別閾值化后圖片內(nèi)容
 */
function recognizeImg (imgPath, options) {
  options = Object.assign({psm: 8}, options);
  // options = Object.assign({l: "chi_sim"}, options); // 識(shí)別中文

  return new Promise((resolve, reject) => {
    tesseract
      .process(imgPath, options, (err, text) => {
        if (err) return reject(err);
        resolve(text.replace(/[
s]/gm, "")); // 去掉識(shí)別結(jié)果中的換行回車空格
      });
  });
}

async function recognize(imgPath, newPath, thresholdValue) {
  try {
    const newImgPath = await disposeImg(imgPath, newPath, thresholdValue)
    const result = await recognizeImg(newImgPath)
    console.log(`識(shí)別結(jié)果:${result}`)
  } catch (err) {
    console.error(`識(shí)別失敗:${err}`);
  }
}

recognize("1.jpg", "test_1.jpg")

運(yùn)行代碼

進(jìn)入當(dāng)前目錄，運(yùn)行node index即可直接打印出當(dāng)前識(shí)別的結(jié)果

識(shí)別結(jié)果

可以看到比之前的識(shí)別率高很多，但是還是細(xì)節(jié)方便識(shí)別不夠好，不夠完善，感興趣的可以看看tesseract訓(xùn)練，訓(xùn)練一個(gè)自己的識(shí)別庫，精確度會(huì)提高很多

注意：
windows直接運(yùn)行代碼會(huì)提示Could not execute GraphicsMagick/ImageMagick: gm "convert",這是因?yàn)閃indows系統(tǒng)找不到gm中的convert命令，所以需要我們安裝個(gè)客戶端工具GraphicsMagick（下載的時(shí)候要下載Q8版本的），然后，因?yàn)閏onvert這個(gè)命令執(zhí)行需要特定的環(huán)境，所以我們需要在電腦的環(huán)境變量中加gm.exe的所在目錄

目前這個(gè)庫只能識(shí)別英文，中文直接是亂碼，如何識(shí)別中文呢？
我們可以下載一個(gè)中文庫，下載地址如下：https://pan.baidu.com/s/13DCN...，并下載Tesseract-OCR安裝包，tesseract安裝目錄的tessdata文件是存放語言庫的，可以將解壓后的文件放入這個(gè)文件夾下，字庫文件擴(kuò)展名為.raineddata 簡(jiǎn)體中文字庫文件名為 chi_sim.traineddata，使用的時(shí)候帶上語言類型即可，例如：tesseract 7.jpg result -l chi_sim

中文識(shí)別效果：

對(duì)于簡(jiǎn)單的驗(yàn)證碼直接用Tesseract識(shí)別
對(duì)于一些有噪點(diǎn)或者其他影響的驗(yàn)證碼可以通過graphicsmagick進(jìn)行圖像處理，再用Tesseract識(shí)別
關(guān)于中文或者其他語言的識(shí)別需要多帶帶下載相關(guān)的語言庫并放到tessData文件夾下，并在Tesseract識(shí)別代碼中配置一下

整個(gè)識(shí)別效果還是不夠完善，想要識(shí)別結(jié)果的準(zhǔn)確度更高，可以對(duì)代碼進(jìn)行Tesseract訓(xùn)練，因?yàn)檫@個(gè)稍微復(fù)雜點(diǎn)，之后會(huì)繼續(xù)了解，希望大家多多交流指正！

本文相關(guān)代碼和圖片github地址：https://github.com/fighting12...