用node.js实现验证码简单识别

2016-2-1 11:48 2855 0

摘要: 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 ...

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.webp', 'test_1.webp')
    .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, ''));
            });
    });
}