用node.js实现验证码简单识别
来自： http://think2011.net/2016/01/31/node-ocr/
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。
var fs = require('fs'); var tesseract = require('node-tesseract'); var gm = require('gm'); processImg('1.jpg', 'test_1.jpg') .then(recognizer) .then(text => { console.log(`识别结果:${text}`); }) .catch((err)=> { console.error(`识别失败:${err}`); }); /** * 处理图片为阈值图片 * @param imgPath * @param newPath * @param [thresholdVal=55] 默认阈值 * @returns {Promise} */ function processImg (imgPath, newPath, thresholdVal) { return new Promise((resolve, reject) => { gm(imgPath) .threshold(thresholdVal || 55) .write(newPath, (err)=> { if (err) return reject(err); resolve(newPath); }); }); } /** * 识别图片 * @param imgPath * @param options tesseract options * @returns {Promise} */ function recognizer (imgPath, options) { options = Object.assign({psm: 7}, options); return new Promise((resolve, reject) => { tesseract .process(imgPath, options, (err, text) => { if (err) return reject(err); resolve(text.replace(/[\r\n\s]/gm, '')); }); }); } 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。
资源
- node-tesseract tesseract的node包装
- gm graphicsmagick的node包装
- node-ocr-demo 还做了一个 demo 放在 github 上了
本文由用户 DarrylHammo 自行上传分享，仅供网友学习交流。所有权归原作者，若您的权利被侵害，请联系管理员。
转载本站原创文章，请注明出处，并保留原始链接、图片水印。
本站是一个以用户分享为主的开源技术平台，欢迎各类分享！