PP云高级测试工程师详析图片验证码识别-Python PIL 模块

Posted 2021-04-24 苏宁视频云

利用Python PIL 模块识别验证码

 

WEB 自动化过程中，我们会遇到使用图片验证码登录或者校验的场景。一般我们的做法有下面几种：

1.让开发注释掉验证码。---- 这种在生产环境不可行

2.留后门，添加一个万能验证码。----- 验证码泄露后有风险

3.人工登录，保存cookie, 使用cookie 信息登录。 ---- 对于一些有效期时间短的登录场景也不适用

4.找开发了解生成规则，到缓存或者数据库中取数据。 ---- 这个也比较麻烦有的线上会使用跳板机等等限制

5.图片验证码识别   ------  

这种方法只适用于比较简单一点的验证码

a.有少量干扰线

b.验证码变形不太严重

c.位置变动不大

d.图片中为字母或者数字

 

下面就来介绍一下这种验证码的识别

做之前首先要分析一下验证码的特征，看看有没有可行性，我们要分析以下几点：

这里借助工具 FastStone.rar  解压即用，绿色版。点击取色工具放到图片上就可以看到图片的RGB值

背景色

验证码颜色

干扰线颜色

验证码相近颜色

验证码分布区间

把x=41 和 x=61 的点全部设置成黑色，然后图片另外保存图片。

通过这些观察我们可以得出结论

1.背景色和干扰线 RGB 值均大于 180 。

2.验证码和相近颜色 RG 值小于 150. B 值大于 170。

3.验证码分布区间[0-21],[21-41],[41,61],[61,81]

 

这样我们就可以根据RGB 值来进行二值化,这样就得到了我们的字典。

1.RG < 150 & B>170 的点全部设置成黑色（0,0,0,255）

2.其他的点全部设置成白色(255,255,255,255)

验证码识别的设计思路

 

1.先获取足够验证码图片样本，写个shell 脚本去下载100 个。

2. 下载完成后人工识别，根据验证码命名图片名字。

3. 二值化图片保存成字典

4. 下面需要识别的验证码，用二值化后的值和字典中对应区域做对比，保存差异最小的值。

根据验证码的四个分布区间，取异或。然后分别保存四个区间的异或值。

如果当前字典异或值小于保存的count 中的值，就把字典文件名对应部分存入到code 中。

这样最终遍历完所有字典，得到的 code 中就保存了差异最小的验证码。

字典维护

100 个字典基本上成功率也在 90% 以上，这个识别率已经很高了，但是想要进一步提升识别率就要增加字典的数量。

 

思路就是，在做自动化的时候，如果碰到了失败的验证码登录不了，就把这个验证码图片保留下来。然后人工识别加入到字典里面，这样后续验证码的识别率会越来越高。根据经验如果字典达到 1000 左右，基本上就不会有失败了。

苏宁旗下子品牌PP云已累计服务客户超过2000个；PP云凭借PPTV 十年媒体技术和服务经验，融合流媒体技术、P2P、CDN 分发、海量存储、安全策略等构建的专注视频领域的一站式SaaS 服务平台。PP云集视频云直播、云点播、云上传、云转码、云存储、云统计等功能于一体，多平台全方位支持客户各种视频场景的业务需求。

点击下方“阅读原文”查看更多

↓↓↓