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.jpg', 'test_1.jpg')
.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, ''));
});
});
}
最后
写完之后才发现示例中的验证码的第一个字符其实是 G,而不是识别出来的C。
默认样本对相近字符识别还是挺低的,可以搜索 tesseract 训练
,提高相近字符的识别率。
资源
node-tesseract tesseract的node包装
gm graphicsmagick的node包装
node-ocr-demo 还做了一个 demo 放在 github 上了
本文同时发布在 think2011的博客 2016-01-31 17:49:08
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。