复杂背景的验证码识别破解 以Discuz的动画验证码为例。

对于比较复杂的验证码，比如DZ论坛最新的验证码，处理起来相对麻烦一些，但是原理还是和普通的识别一样的，无非多了个背景处理的方案，看如下对DZ论坛的验证码的识别的思路首先我们要去除它的背景，对于这样稍微复杂的背景，用过去的方法很难做到，上图的例子还不是很明显，我发现很多图片背景色和字母色近似，而且字母颜色是不断变化的，背景也是不断变化的那我初始的想法是找到图片中使用颜色最多的方法，于是我们用HSL表示各点颜色，接着进行统计，得到最大的几个峰值，这里便是图片中几个最丰富的颜色的L值得累加值其余的都可以认为是噪音，我们对每个峰值进行分割，得到如下图片你看这样就把单个颜色图片分割出来了，接下来就是找到图片中除去黑色和白色后的图片然后进行灰化处理，阀值处理，降噪，得到接着根据边界检测出来的最左侧x位置，来排序字母顺序接下来的事情就轻车熟路了，把图片转成标准模板，通过少量学习就达到了95%以上的识别率c:15 j:8 8:7 t:9 9:4 x:7 4:6 2:4 h:7 f:8 e:18 b:5 y:3 k:4 w:3 g:5 3:5 7:6 r:2 m:3 q:4 v:2 p:3 6:2以上数据表示 c学习15次 j学习8次…只要字符不粘连，大部分验证码干扰技术都是可以有办法，所以为什么google验证码看起来很简单，但是没有人能够很好的破解它得原因。补充，rise在留言中发现有一些字符加入杂点的问题，由于这种验证码不是很普遍，稍微做了研究CY3E 这个图片3字中有杂点，其他没有，按照文章中介绍的办法，怎么知道这个3不是像其他颜色杂点一样的图片呢？我觉得需要加入一个步骤，就是对每次过滤颜色生成出来的图片，进行填充找到3的杂点原图：然后我们进行算法填充这个图片与其他全部是杂点的图片之间的差别进行过滤，我考虑可以通过以下方法：1、连贯点的宽度2、连贯点的个数这样剩下的就只剩下CY3E的过滤后的图片至于字符倾斜的问题，我觉得完全可以在机器学习过程中，我们自己旋转正在学习的图片一定角度，例如从-10到+10度，只不过这样的学习库会大一些，但是就10个数字的验证码来说，这点性能损失应该可以忽略不计。