中文点选验证码之自动识别
Posted FreeBuf
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了中文点选验证码之自动识别相关的知识,希望对你有一定的参考价值。
某次测试中遇到了汉字点选的验证码,看着很简单,尝试了一下发现有两种简单的识别方法,终于有空给重新整理一下,分享出来。
0x01 验证码的获取
首先获取验证码。由于网站比较特殊,就不以他们的为例,自己生成验证码吧。这个不是重点,这里直接贴代码了。
运行后生成这样两张图片。
ap_XXXXX.png
mp_XXXXX.png
ap_XXXXX.png是说明需要点击的文字,mp_XXXXX.png是需要点击的图片。
0x02 验证码识别
对于这种简单的点选验证码,可以有两种很容易的识别方式(机器学习算麻烦的,这里就不列出了。嗯,对,我也不会)。一种是opencv的图像模板匹配,另外一种是OCR识别。
1. opencv的图像模板匹配
第一种方式,使用opencv的图像模板匹配。模板匹配是一种在较大图像中搜索和查找模板图像位置的方法,opencv2和opencv3中提供了一个专门用于模板匹配的函数matchTemplate()。它是在输入图像上滑动模板图像(如在2D卷积中),并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了六种比较方法(这里用到的是cv2.TM_CCOEFF_NORMED),它返回一个灰度图像,其中每个像素表示该像素的邻域与模板匹配的程度。
获得结果后,可以使用cv.minMaxLoc()函数查找最大/最小值的位置。将其作为矩形的左上角,并将(w,h)作为矩形的宽度和高度,那个矩形就是模板区域。
我们进行使用模板匹配来识别这种验证码时,首先先将“模板”找出来,这里我们需要匹配的是“猎”、“户”、“室”这三个字。将这三个字所在的图片进行截取,然后使用matchTemplate()函数在mp中进行匹配。
首先截取第一个字“猎”。
截取之后,就可以在mp中进行匹配。
这里得到了最大和最小位置。我们使用最大位置,然后将最大值作为阈值。获取模板的尺寸,然后在 mp 中用矩形(红色区域)画出匹配的区域。如下所示。
同理,用黄色和蓝色矩形将“户”、“室”所在的区域画出来。
点选时发送所选区域中间的坐标即可,这里就不再给出实例了。这种方法虽然简单,但是对于字体不一的就不能很正确的标记出来。
修改生成图片的代码,将mp中的文字的字体设置为随机。修改的代码如下:
ap生成的结果还是和之前一样, mp 的图片如下:
使用同样的代码来匹配。
此时匹配的结果就有些惨不忍睹了。所以就换另外一种识别方式-ocr 识别。
2.OCR识别
这里采用的是腾讯云的OCR-通用印刷体识别(https://cloud.tencent.com/document/product/866/17600)。
参考文档。输入mp图片,返回的是json。
查看json内容,发现包含了图片中的文字、位置和大小等。
同理ap中内容也可以获取。
此时匹配的时候直接就是匹配文字了。首先获取ap中后三个文字,然后与mp中返回的内容匹配,获取其位置和大小,然后再画矩形即可。
由于比较简单,这里直接贴结果。
匹配相当完美。
0X03 总结
本文用了两种方法来自动识别汉字点选验证码,第一种采用的是opencv的模板匹配,这种方法虽然也可以匹配到,但这种方法缺点就是对于字体形状差异较大的验证码识别率较低。而第二种方法就比较快捷方便了,而且识别度高,比较推荐第二种方法。
当然这两种方法对于简单、“正规”的验证码可以,遇到复杂的、“扭曲的”验证码就不行了。这时候就要用到机器学习了,而本文只是简单的“识别”,将机器学习用到这里,就有些大材小用了。
相关代码:
https://github.com/fupinglee/MyPython/tree/master/captcha/Pointselection
0x04 参考
[1]http://bluewhale.cc/2017-09-22/use-python-opencv-for-image-template-matching-match-template.html
[2]https://cloud.tencent.com/document/product/866/17600
以上是关于中文点选验证码之自动识别的主要内容,如果未能解决你的问题,请参考以下文章