用node.js实现验证码简单识别

Posted 2021-04-25 优才网

概述

在验证码识别上，node.js其实也只是打酱油的角色，因为已经有成熟的工具做这个事情，而node只需要做调度就行了。

所需工具

那么介绍一下这些工具吧

• Tesseract 开源的 OCR 识别工具，目前由 Google 维护，支持中文，默认的识别率很低哈，特别是中文，但是可以自己提供样本，训练提高识别率。

• graphicsmagick 非常实用的图像处理工具，下面会讲到用途。

Tesseract的使用

以下操作均在 Mac 环境下，Windows 其实也差不多，请自行区分 :-)。

安装

brew install tesseract --all-languages

使用

tesseract 1.jpg -psm 7 r

-psm 7 表示识别的内容是文本，r是保存识别内容的文件。

然后你会发现识别结果很坑.. (⊙o⊙)..

提高识别率

之所以是这样，是因为验证码上有无关的图像干扰，例如噪点什么的，理论上去掉了干扰的元素，识别率就会极大的提高。

用阈值处理图片是个很方便的办法，在Photoshop中可以模拟这种操作。

再试一次

这里配置为55%的阈值，再来一次。

成功了！( ⊙ o ⊙ )！虽然多了个空格，但是已经完整识别出来了。

用node.js实现

最后在node.js中整合上面的操作，其中图像处理用 graphicsmagick 代替。
直接上源码吧，里面用到了 tesseract 和 graphicsmagick 在node.js中对应的包装。

最后

写完之后才发现示例中的验证码的第一个字符其实是 G，而不是识别出来的C。

默认样本对相近字符识别还是挺低的，可以搜索 tesseract 训练，提高相近字符的识别率。

来源：http://think2011.net/2016/01/31/node-ocr/

推荐阅读