欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

用imagemagick和tesseract-ocr破解简单验证码

程序员文章站 2022-07-04 18:38:09
...

工具:imagemagick + tesseract-ocr

 

Tesseract-ocr据说辨识程度是世界排名第三,可谓神器啊。

准备工作:

1.安装tesseract-ocr

sudo apt-get install tesseract

2.安装imagemagick

sudo apt-get install imagemagick

3.安装rmagick

sudo apt-get remove --purge librmagick-ruby-doc librmagick-ruby1.8
sudo apt-get install libmagick9-dev ruby1.8-dev
sudo gem install rmagick

先试一个简单的:用imagemagick和tesseract-ocr破解简单验证码
            
    
    博客分类: Ruby rubygemsRuby算法工作

require 'rubygems'
require 'rtesseract'
img = RTesseract.new("tmp/test.jpg")
img.to_s.sub(/\s+$/, "") # => "3R8Z" 

很成功,但这个太简单了。一般破解复杂点的验证码处理步骤是先用imagemagick灰度化,灰度反转,提高对比度,二值化等。然后再用ocr去识别。ocr识别黑白图片效果比较好些。

这个是人民网的验证码:用imagemagick和tesseract-ocr破解简单验证码
            
    
    博客分类: Ruby rubygemsRuby算法工作

img = MiniMagick::Image.new("tmp/people.jpg") 
img.colorspace("GRAY")#灰度化
image = RTesseract.new(img.path)
image.to_s.sub(/\s+$/, "") # => "254369" 

 这个还是简单,再复杂一点的,这个是4399.com的验证码:用imagemagick和tesseract-ocr破解简单验证码
            
    
    博客分类: Ruby rubygemsRuby算法工作

有黑色边框,有背景色,文字稍微扭曲。

 

img = MiniMagick::Image.new("tmp/4399.jpg")
img.crop("#{img[:width] - 2}x#{img[:height] - 2}+1+1") #去掉边框(上下左右各1像素)
img.colorspace("GRAY") #灰度化
img.monochrome #二值化
image = RTesseract.new(img.path) #ocr识别
image.to_s.sub(/\s+$/, "") #=> "5692" 

 

像上面这样简单的识别率几乎能达到80%以上,扭曲太严重的识别率就很低了。有轻微噪点的就得自己写去噪算法了。。

 

还有一些验证码看起来很变态但是是纸老虎。像当当的用imagemagick和tesseract-ocr破解简单验证码
            
    
    博客分类: Ruby rubygemsRuby算法工作。刷新了几次发现结果在1-20之间,选中一个数暴力破解每次也有1/20正确的概率。

还有139的:用imagemagick和tesseract-ocr破解简单验证码
            
    
    博客分类: Ruby rubygemsRuby算法工作。答案就12种1-4A-Da-d。而且不区分大小写。选中一个字母每次有1/6的概率命中。

 

ps:研究破解验证码不是为了搞破坏。请勿跨省追捕。