用node.js實現驗證碼簡單識別
來自： http://think2011.net/2016/01/31/node-ocr/
概述
在驗證碼識別上， node.js 其實也只是打醬油的角色，因為已經有成熟的工具做這個事情，而 node 只需要做調度就行了。
所需工具
那么介紹一下這些工具吧
- Tesseract 開源的 OCR 識別工具，目前由 Google 維護，支持中文，默認的識別率很低哈，特別是中文，但是可以自己提供樣本，訓練提高識別率。
- graphicsmagick 非常實用的圖像處理工具，下面會講到用途。
Tesseract的使用
以下操作均在 Mac 環境下，Windows 其實也差不多，請自行區分 :-)。
安裝
brew install tesseract --all-languages
使用
tesseract 1.jpg -psm 7 r
-psm 7 表示識別的內容是文本， r 是保存識別內容的文件。
然后你會發現識別結果很坑.. (⊙o⊙)..
提高識別率
之所以是這樣，是因為驗證碼上有無關的圖像干擾，例如噪點什么的，理論上去掉了干擾的元素，識別率就會極大的提高。
用閾值處理圖片是個很方便的辦法，在 Photoshop中可以模擬這種操作 。
再試一次
這里配置為55%的閾值，再來一次。
成功了！( ⊙ o ⊙ )！雖然多了個空格，但是已經完整識別出來了。
用node.js實現
最后在 node.js 中整合上面的操作，其中圖像處理用 graphicsmagick 代替。
直接上源碼吧，里面用到了 tesseract 和 graphicsmagick 在 node.js 中對應的包裝。
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(`識別結果:${text}`);
})
.catch((err)=> {
console.error(`識別失敗:${err}`);
});
/**
* 處理圖片為閾值圖片
* @param imgPath
* @param newPath
* @param [thresholdVal=55] 默認閾值
* @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);
});
});
}
/**
* 識別圖片
* @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, ''));
});
});
}
</div>
最后
寫完之后才發現示例中的驗證碼的第一個字符其實是 G，而不是識別出來的C。
默認樣本對相近字符識別還是挺低的，可以搜索 tesseract 訓練 ，提高相近字符的識別率。
資源
- node-tesseract tesseract的node包裝
- gm graphicsmagick的node包裝
- node-ocr-demo 還做了一個 demo 放在 github 上了
</ul> </div>
本文由用戶 DarrylHammo 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！