php實(shí)現(xiàn)驗(yàn)證碼識別的方法：首先將圖片二值化，并將值保存到二維數(shù)組里；然后通過循環(huán)，求出每一個(gè)數(shù)字的位置；接著計(jì)算出數(shù)字在二維數(shù)組里的位置，并拼接數(shù)字；最后將字符串與每一個(gè)字模的字符串進(jìn)行比較識別即可。
推薦：《PHP視頻教程》
但是原文的介紹比較簡單，而且沒提到算法的具體實(shí)現(xiàn)過程。詳細(xì)過程轉(zhuǎn)自：
http://www.poboke.com/study/php-verification-code-identification-primary.html
所以本文以一個(gè)實(shí)際例子來演示php識別驗(yàn)證碼的過程，并提交驗(yàn)證碼到服務(wù)器驗(yàn)證。
第一部分：驗(yàn)證碼的識別
近期研究一些突破驗(yàn)證碼方面的知識，記錄下來。一方面算是對這幾天學(xué)習(xí)知識的總結(jié)幫助自己理解；另一方面希望對研究這方面的技術(shù)同學(xué)有所幫助；另外也希望引起網(wǎng)站管理者的注意，在提供驗(yàn)證碼時(shí)多些考慮進(jìn)去。由于剛剛接觸這方面的知識，理解比較淺顯，有錯(cuò)誤再所難免，歡迎拍磚。
驗(yàn)證碼的作用：有效防止某個(gè)黑客對某一個(gè)特定注冊用戶用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。其實(shí)現(xiàn)代的驗(yàn)證碼一般是防止機(jī)器批量注冊的，防止機(jī)器批量發(fā)帖回復(fù)。目前，不少網(wǎng)站為了防止用戶利用機(jī)器人自動注冊、登錄、灌水，都采用了驗(yàn)證碼技術(shù)。
所謂驗(yàn)證碼，就是將一串隨機(jī)產(chǎn)生的數(shù)字或符號，生成一幅圖片，圖片里加上一些干擾象素（防止OCR），由用戶肉眼識別其中的驗(yàn)證碼信息，輸入表單提交網(wǎng)站驗(yàn)證，驗(yàn)證成功后才能使用某項(xiàng)功能。
我們最常見的驗(yàn)證碼：
1、四位數(shù)字，隨機(jī)的一數(shù)字字符串，最原始的驗(yàn)證碼，驗(yàn)證作用幾乎為零。
2、隨機(jī)數(shù)字圖片驗(yàn)證碼。圖片上的字符比較中規(guī)中矩，有的可能加入一些隨機(jī)干擾素，還有一些是隨機(jī)字符顏色，驗(yàn)證作用比上一個(gè)好。沒有基本圖形圖像學(xué)知識的人，不可破！
3、各種圖片格式的隨機(jī)數(shù)字+隨機(jī)大寫英文字母+隨機(jī)干擾像素+隨機(jī)位置。
4、漢字是注冊目前最新的驗(yàn)證碼，隨機(jī)生成，打起來更難了,影響用戶體驗(yàn)，所以，一般應(yīng)用的比較少。
簡單起見，我們這次說明的主要對象是第1種類型的，我們先看幾種網(wǎng)上比較常見的驗(yàn)證碼圖片。 
這四種樣式，基本上能代表2中所提到的驗(yàn)證碼類型，初步看起來第一個(gè)圖片最容易破解，第二個(gè)次之，第三個(gè)更難,第四個(gè)最難。
真實(shí)情況呢？其實(shí)這三種圖片破解難度相同。
第一個(gè)圖片，最容易，圖片背景和數(shù)字都使用相同的顏色，字符規(guī)整，字符位置統(tǒng)一。本篇文章，就一這種類型驗(yàn)證碼為例說明，其它的圖片，同學(xué)們自己搞。
第二個(gè)圖片，看似不容易，其實(shí)仔細(xì)研究會發(fā)現(xiàn)其規(guī)則，背景色和干擾素?zé)o論怎么變化，驗(yàn)證字符字符規(guī)整，顏色相同，所以排除干擾素非常容易，只要是非字符色素全部排除即可。
第三個(gè)圖片，看似更復(fù)雜，處理上面提到背景色和干擾素一直變化外，驗(yàn)證字符的顏色也在變化，并且各個(gè)字符的顏色也各不相同。
第四個(gè)圖片，除了第三個(gè)圖片上提到的特征外，又在文字上加了兩條直線干擾率，看似困難其實(shí)，很容易去掉。
下面以萬網(wǎng)的“通用網(wǎng)址查詢”來說明驗(yàn)證碼的識別過程。
打開萬網(wǎng)：http://www.net.cn ，網(wǎng)站右邊側(cè)邊欄有一個(gè)“通用網(wǎng)址查詢”：
可以看出，這是第一種驗(yàn)證碼，為了讓人眼能夠識別出數(shù)字，所以驗(yàn)證碼圖片的數(shù)字顏色和背景顏色的色差是比較大的，所以其RBG值也相差很大，可以通過判斷每個(gè)像素的RGB值來區(qū)分?jǐn)?shù)字和背景。
驗(yàn)證碼識別一般分為以下幾個(gè)步驟：
一、取出字模
識別驗(yàn)證碼，畢竟不是專業(yè)的OCR識別，并且，由于各個(gè)網(wǎng)站的驗(yàn)證碼各不相同，所以，最常見的方法就是就是建立這個(gè)驗(yàn)證碼的特征碼庫。去字模時(shí)，我們需要多下載幾張圖片，使這些圖片中，包括所有的字符，我們這里的圖片里只有數(shù)字，所以，只要收集到包括0-9的數(shù)字圖片即可。
1、多刷新幾次驗(yàn)證碼，將驗(yàn)證碼圖片保存起來，要搜集齊0-9的圖片。
2、用圖片處理軟件打開圖片，我用的是Fireworks，按住ctrl+8可以將圖片的視圖放大8倍，這樣就能很清楚地觀察到圖片的每個(gè)像素。
可以發(fā)現(xiàn)，每個(gè)數(shù)字的寬是6px，高是10px，數(shù)字的間隔是4px，第一個(gè)數(shù)字左邊偏移了2px，頂部偏移了0px。這些數(shù)字后面都是要用到的。
3、將每個(gè)數(shù)字截出來保存為圖片，大小為6*10。
二、圖片二值化
二值化就是把圖片上的驗(yàn)證數(shù)字上每個(gè)象素用數(shù)字1表示，其它部分用0表示。把要識別的圖片，進(jìn)行二值化，將數(shù)據(jù)保存到二維數(shù)組里，得到圖片特征數(shù)組。
1、首先要將數(shù)字和背景色和干擾色區(qū)分開來，用屏幕取色器觀察顏色的規(guī)律。
可以得出一個(gè)結(jié)論：背景顏色的R、G、B值都是大于200的，而數(shù)字的顏色的R、G、B值的某一項(xiàng)有可能小于200，因此可以很容易區(qū)分。
2、下面的php代碼只是為了演示二維數(shù)組，為了直觀看出數(shù)字，所以把1和0改為了0和-：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
echo '<br><img src="v1.jpg"><br><br>';
getHec("v1.jpg");
function getHec($imagePath) {
$res = imagecreatefromjpeg($imagePath);
$size = getimagesize($imagePath);
for ($i = 0; $i < $size[1]; ++$i) {
for ($j = 0; $j < $size[0]; ++$j) {
$rgb = imagecolorat($res, $j, $i);
$rgbarray = imagecolorsforindex($res, $rgb);
if ($rgbarray['red'] < 200 || $rgbarray['green']<200 || $rgbarray['blue'] < 200) {
echo "0";
}else{
echo "-";
}
}
echo "<br>";
}
}
|
結(jié)果如下圖所示：
如果圖片的背景顏色比較復(fù)雜，處理方法也是一樣的，總能找到臨界值來區(qū)分，具體要靠自己觀察了。
三、數(shù)字字模二值化
計(jì)算出每個(gè)數(shù)字字模的二值化的數(shù)據(jù)，記錄下這些數(shù)據(jù)，當(dāng)作key即可。
1、將0-9的數(shù)字字模圖片進(jìn)行二值化，逐個(gè)取出圖片的像個(gè)像素的顏色，然后獲取每個(gè)像素的R、G、B值，再進(jìn)行判斷，代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
for($i=0;$i<10;$i++){
echo"'$i'=>'";
echogetHec("$i.jpg")."',<br>";
}
functiongetHec($imagePath){
$res=imagecreatefromjpeg($imagePath);
$size=getimagesize($imagePath);
for($i=0;$i<$size[1];++$i){
for($j=0;$j<$size[0];++$j){
$rgb=imagecolorat($res,$j,$i);
$rgbarray=imagecolorsforindex($res,$rgb);
if($rgbarray['red']<200||$rgbarray['green']<200||$rgbarray['blue']<200){
echo"1";
}else{
echo"0";
}
}
}
}
|
輸出結(jié)果：
|
1
2
3
4
5
6
7
8
9
10
|
'0'=>'011110100001100001100001100001100001100001100001100001011110',
'1'=>'001000111000001000001000001000001000001000001000001000111110',
'2'=>'011110100001100001000001000010000100001000010000110011111111',
'3'=>'011110100001100001000010001100000010000001100001100001011110',
'4'=>'000100000100001100010100100100100100111111000100001100001111',
'5'=>'111111100000100000101110110001000001000001100001100001011110',
'6'=>'001110010001100000100000101110110001100001100001100001011110',
'7'=>'111111100010100010000100000100001000001000001000001000001000',
'8'=>'011110100001100001100001011110010010100001100001100001011110',
'9'=>'011100100010100001100001100011011101000001000001100010011100',
|
四、對照樣本
把步驟二中的圖片特征碼和步驟三中的驗(yàn)證碼的字模進(jìn)行對比，得到驗(yàn)證圖片上的數(shù)字。
算法過程（代碼見附件）：
1、將圖片二值化后的值保存到二維數(shù)組里。
2、通過循環(huán)，求出每一個(gè)數(shù)字的位置，要用到前面得到的數(shù)字的寬、高、間隔、左邊偏移、頂部偏移。
例如：第i個(gè)數(shù)字左邊偏移 =（數(shù)字寬 + 間隔）* i + 左邊偏移。（w h x y）
3、知道了數(shù)字的偏移位置，就可以計(jì)算出數(shù)字在二維數(shù)組里的位置，通過循環(huán)將數(shù)字的6*10=60個(gè)數(shù)據(jù)取出來拼接在一起，就形成了與數(shù)字字模類似的字符串。
4、將字符串與每一個(gè)字模的字符串比較，求其相似度，取最高的相似度對應(yīng)的數(shù)字，或者相似度達(dá)到95%以上就可以斷定是某個(gè)數(shù)字。
5、識別結(jié)果如下：
使用目前這種方法，對驗(yàn)證碼的識別基本上可以做到100%。
通過以上步驟，您可能說了，并沒有發(fā)現(xiàn)如何取出干擾素?。∑鋵?shí)取出干擾素的方法很簡單，干擾素的一個(gè)重要特征是，不能影響驗(yàn)證碼的顯示效果，所以制作干擾素時(shí)它的RGB可能低于或者高于某個(gè)特定值，比如我給的例子中的圖片，干擾素的RGB各項(xiàng)值是不會小于200的，所以，這樣我們就很容易去掉干擾素了。
源碼下載:http://yunpan.cn/cmJCkEnyGij3t 訪問密碼 d2ba
站長資訊網(wǎng)