php實現(xiàn)驗證碼識別的方法

小編給大家分享一下php實現(xiàn)驗證碼識別的方法，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

php實現(xiàn)驗證碼識別的方法：首先將圖片二值化，并將值保存到二維數(shù)組里；然后通過循環(huán)，求出每一個數(shù)字的位置；接著計算出數(shù)字在二維數(shù)組里的位置，并拼接數(shù)字；最后將字符串與每一個字模的字符串進(jìn)行比較識別即可。

但是原文的介紹比較簡單，而且沒提到算法的具體實現(xiàn)過程。詳細(xì)過程轉(zhuǎn)自：

http://www.poboke.com/study/php-verification-code-identification-primary.html

所以本文以一個實際例子來演示php識別驗證碼的過程，并提交驗證碼到服務(wù)器驗證。

第一部分：驗證碼的識別

近期研究一些突破驗證碼方面的知識，記錄下來。一方面算是對這幾天學(xué)習(xí)知識的總結(jié)幫助自己理解；另一方面希望對研究這方面的技術(shù)同學(xué)有所幫助；另外也希望引起網(wǎng)站管理者的注意，在提供驗證碼時多些考慮進(jìn)去。由于剛剛接觸這方面的知識，理解比較淺顯，有錯誤再所難免，歡迎拍磚。

驗證碼的作用：有效防止某個黑客對某一個特定注冊用戶用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。其實現(xiàn)代的驗證碼一般是防止機器批量注冊的，防止機器批量發(fā)帖回復(fù)。目前，不少網(wǎng)站為了防止用戶利用機器人自動注冊、登錄、灌水，都采用了驗證碼技術(shù)。

所謂驗證碼，就是將一串隨機產(chǎn)生的數(shù)字或符號，生成一幅圖片，圖片里加上一些干擾象素（防止OCR），由用戶肉眼識別其中的驗證碼信息，輸入表單提交網(wǎng)站驗證，驗證成功后才能使用某項功能。

我們最常見的驗證碼：
1、四位數(shù)字，隨機的一數(shù)字字符串，最原始的驗證碼，驗證作用幾乎為零。
2、隨機數(shù)字圖片驗證碼。圖片上的字符比較中規(guī)中矩，有的可能加入一些隨機干擾素，還有一些是隨機字符顏色，驗證作用比上一個好。沒有基本圖形圖像學(xué)知識的人，不可破！
3、各種圖片格式的隨機數(shù)字+隨機大寫英文字母+隨機干擾像素+隨機位置。
4、漢字是注冊目前最新的驗證碼，隨機生成，打起來更難了,影響用戶體驗，所以，一般應(yīng)用的比較少。

簡單起見，我們這次說明的主要對象是第1種類型的，我們先看幾種網(wǎng)上比較常見的驗證碼圖片。
這四種樣式，基本上能代表2中所提到的驗證碼類型，初步看起來第一個圖片最容易破解，第二個次之，第三個更難,第四個最難。
真實情況呢？其實這三種圖片破解難度相同。

第一個圖片，最容易，圖片背景和數(shù)字都使用相同的顏色，字符規(guī)整，字符位置統(tǒng)一。本篇文章，就一這種類型驗證碼為例說明，其它的圖片，同學(xué)們自己搞。
第二個圖片，看似不容易，其實仔細(xì)研究會發(fā)現(xiàn)其規(guī)則，背景色和干擾素?zé)o論怎么變化，驗證字符字符規(guī)整，顏色相同，所以排除干擾素非常容易，只要是非字符色素全部排除即可。
第三個圖片，看似更復(fù)雜，處理上面提到背景色和干擾素一直變化外，驗證字符的顏色也在變化，并且各個字符的顏色也各不相同。
第四個圖片，除了第三個圖片上提到的特征外，又在文字上加了兩條直線干擾率，看似困難其實，很容易去掉。

下面以萬網(wǎng)的“通用網(wǎng)址查詢”來說明驗證碼的識別過程。
打開萬網(wǎng)：http://www.net.cn ，網(wǎng)站右邊側(cè)邊欄有一個“通用網(wǎng)址查詢”：

可以看出，這是第一種驗證碼，為了讓人眼能夠識別出數(shù)字，所以驗證碼圖片的數(shù)字顏色和背景顏色的色差是比較大的，所以其RBG值也相差很大，可以通過判斷每個像素的RGB值來區(qū)分?jǐn)?shù)字和背景。

驗證碼識別一般分為以下幾個步驟：

一、取出字模
識別驗證碼，畢竟不是專業(yè)的OCR識別，并且，由于各個網(wǎng)站的驗證碼各不相同，所以，最常見的方法就是就是建立這個驗證碼的特征碼庫。去字模時，我們需要多下載幾張圖片，使這些圖片中，包括所有的字符，我們這里的圖片里只有數(shù)字，所以，只要收集到包括0-9的數(shù)字圖片即可。

1、多刷新幾次驗證碼，將驗證碼圖片保存起來，要搜集齊0-9的圖片。

2、用圖片處理軟件打開圖片，我用的是Fireworks，按住ctrl+8可以將圖片的視圖放大8倍，這樣就能很清楚地觀察到圖片的每個像素。

可以發(fā)現(xiàn)，每個數(shù)字的寬是6px，高是10px，數(shù)字的間隔是4px，第一個數(shù)字左邊偏移了2px，頂部偏移了0px。這些數(shù)字后面都是要用到的。

3、將每個數(shù)字截出來保存為圖片，大小為6*10。

二、圖片二值化
二值化就是把圖片上的驗證數(shù)字上每個象素用數(shù)字1表示，其它部分用0表示。把要識別的圖片，進(jìn)行二值化，將數(shù)據(jù)保存到二維數(shù)組里，得到圖片特征數(shù)組。

1、首先要將數(shù)字和背景色和干擾色區(qū)分開來，用屏幕取色器觀察顏色的規(guī)律。

可以得出一個結(jié)論：背景顏色的R、G、B值都是大于200的，而數(shù)字的顏色的R、G、B值的某一項有可能小于200，因此可以很容易區(qū)分。

2、下面的php代碼只是為了演示二維數(shù)組，為了直觀看出數(shù)字，所以把1和0改為了0和-：

結(jié)果如下圖所示：

如果圖片的背景顏色比較復(fù)雜，處理方法也是一樣的，總能找到臨界值來區(qū)分，具體要靠自己觀察了。

三、數(shù)字字模二值化
計算出每個數(shù)字字模的二值化的數(shù)據(jù)，記錄下這些數(shù)據(jù)，當(dāng)作key即可。

1、將0-9的數(shù)字字模圖片進(jìn)行二值化，逐個取出圖片的像個像素的顏色，然后獲取每個像素的R、G、B值，再進(jìn)行判斷，代碼如下：

輸出結(jié)果：

四、對照樣本
把步驟二中的圖片特征碼和步驟三中的驗證碼的字模進(jìn)行對比，得到驗證圖片上的數(shù)字。

算法過程（代碼見附件）：
1、將圖片二值化后的值保存到二維數(shù)組里。
2、通過循環(huán)，求出每一個數(shù)字的位置，要用到前面得到的數(shù)字的寬、高、間隔、左邊偏移、頂部偏移。
例如：第i個數(shù)字左邊偏移 =（數(shù)字寬 + 間隔）* i + 左邊偏移。（w h x y）
3、知道了數(shù)字的偏移位置，就可以計算出數(shù)字在二維數(shù)組里的位置，通過循環(huán)將數(shù)字的6*10=60個數(shù)據(jù)取出來拼接在一起，就形成了與數(shù)字字模類似的字符串。
4、將字符串與每一個字模的字符串比較，求其相似度，取最高的相似度對應(yīng)的數(shù)字，或者相似度達(dá)到95%以上就可以斷定是某個數(shù)字。
5、識別結(jié)果如下：

使用目前這種方法，對驗證碼的識別基本上可以做到100%。
通過以上步驟，您可能說了，并沒有發(fā)現(xiàn)如何取出干擾素啊！其實取出干擾素的方法很簡單，干擾素的一個重要特征是，不能影響驗證碼的顯示效果，所以制作干擾素時它的RGB可能低于或者高于某個特定值，比如我給的例子中的圖片，干擾素的RGB各項值是不會小于200的，所以，這樣我們就很容易去掉干擾素了。

以上是php實現(xiàn)驗證碼識別的方法的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！