破解验证码相关:用imagemagick和tesseract-ocr破解简单验证码_JAVA_编程开发_程序员俱乐部

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

1. sudo?apt-get?install?tesseract??

2.安装imagemagick

1. sudo?apt-get?install?imagemagick??

3.安装rmagick

1. sudo?apt-get?remove?--purge?librmagick-ruby-doc?librmagick-ruby1.8??
2. sudo?apt-get?install?libmagick9-dev?ruby1.8-dev??
3. sudo?gem?install?rmagick??

先试一个简单的：

1. require?'rubygems'??
2. require?'rtesseract'??
3. img?=?RTesseract.new("tmp/test.jpg")??
4. img.to_s.sub(/\s+$/,?"")?#?=>?"3R8Z"???

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：

1. img?=?MiniMagick::Image.new("tmp/people.jpg")???
2. img.colorspace("GRAY")#灰度化??
3. image?=?RTesseract.new(img.path)??
4. image.to_s.sub(/\s+$/,?"")?#?=>?"254369"???

?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。

?

1. img?=?MiniMagick::Image.new("tmp/4399.jpg")??
2. img.crop("#{img[:width]?-?2}x#{img[:height]?-?2}+1+1")?#去掉边框（上下左右各1像素）??
3. img.colorspace("GRAY")?#灰度化??
4. img.monochrome?#二值化??
5. image?=?RTesseract.new(img.path)?#ocr识别??
6. image.to_s.sub(/\s+$/,?"")?#=>?"5692"???

?

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