用Asprise的OCR包，处理验证码。

今天要介绍Java的OCR（图片字符识别）包，由Asprise出品。它甚至可以读条形码。

请从下面的链接下载包含破解的zip文件。

Asprise-OCR-Java-Windows_XP_32bit-4.0.zip

这个包用起来非常简单。

解开上面的zip后，里面有demo-src.jar，把这个jar也解开，打开 com/asprise/util/ocr/demo/Demo.java 看看，就全明白了：

/* * $Id$ * */ package com.asprise.util.ocr.demo; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; import com.asprise.util.ocr.OCR; public class Demo { public static void main(String[] args) throws IOException { if(("1.4").compareTo(System.getProperty("java.vm.version")) > 0) { System.err.println("Warining: /n/nYou need Java version 1.4 or above for ImageIO to run this demo."); System.err.println("Your current Java version is: " + System.getProperty("java.vm.version")); System.err.println("/nSolutions: /n"); System.err.println("(1) Download JRE/JDK version 1.4 or above; OR /n"); System.err.println("(2) Run DemoUI, which can run on your current Java virtual machine."); System.err.println(" Double click the 'runDemoUI' to invoke it./n"); return; } System.out.println("Welcome to Asprise OCR v4.0 Demo!/n"); if(args.length < 1) { System.err.println("Usage: java Demo PATH_TO_IMAGE [Description]"); return; } if(args.length >= 2) { System.out.println("-----------------------------------------------------------"); for(int i=1; i<args.length; i++) System.out.println(args[i]); System.out.println("-----------------------------------------------------------/n"); } File file = new File(args[0]); System.out.println("Trying to perform OCR on image: " + file.getAbsolutePath()); //OCR.setLibraryPath("E:/Twain/OCR/OCR+i/Release/AspriseOCR.dll"); BufferedImage image = ImageIO.read(file); String s = new OCR().recognizeEverything(image); System.out.println("/n---- RESULTS: ------- /n" + s); } }

用ImageIO的read方法从File读入BufferedImage，然后把Image传个OCR类的recognizeEverything方法，这个方法会返回分析出来的字符串（英文和数字）。

核心的方法就是这些了，但是用它来处理大多数网站的验证码，都不太好使。

原因很简单，大多数网站的验证码都加入不同程度的噪音，以防止OCR软件的自动分析。

所谓的噪音就是，加入背景颜色，或者加入杂七杂八的点，或者加入横七竖八的线，然后就是扭曲文字等等。

那么怎么才能去掉这些噪音，从而让OCR可读呢？

这里以我以前做开心网外挂时用到的程序片段来做例子，给出点思路。

这个程序现在已经不能用了，因为开心网现在的验证码是由汉字组成的了，Asprise只能识别英文和数字。

BufferedImage image; image = ImageIO.read(new ByteArrayInputStream(buffer)); int width = image.getTileWidth(); int height = image.getTileHeight();

首先，看一下上面的代码，其中 buffer是一个 byte[]，它可以是用File打开的二进制文件，用InputStream的read方法读出的byte的全部，也可以是给出的网站的图片的URL，用HttpClient或者其他方法读入的图片二进制流。用ByteArrayInputStream转换后，被ImageIO的read方法转成Image。

Map<Integer, Integer> mapColor = new HashMap<Integer, Integer>(); for (int i = 0; i < width; i++) for (int j = 0; j < height; j++) { int color = image.getRGB(i, j); Integer count = mapColor.get(color); if (count == null) count = 0; count++; mapColor.put(color, count); }

上面的代码是对Image进行处理。一个二重循环，用image.getRGB方法来取得每个点的颜色，然后对颜色计数，并放到一个HashMap里去。

这是为后面的去噪音做准备。

后面的代码，针对不同的噪音，要用同的方法。这里只是给个思路。

List<Map.Entry<Integer, Integer>> list = new ArrayList<Map.Entry<Integer, Integer>>( mapColor.entrySet()); Collections.sort(list, new Comparator<Map.Entry<Integer, Integer>>() { @Override public int compare(Entry<Integer, Integer> o1, Entry<Integer, Integer> o2) { return o2.getValue() - o1.getValue(); } }); list = list.subList(0, 5);

上面是把，已经处理过的HashMap（key是颜色，value该颜色的点的个数）进行排序得到 list。

开心网的验证码是4位，然后每个的颜色不同。那么取list的前5项，必然是背景色和4位验证码的颜色。

list = list.subList(0, 5);

然后再来个二重循环，把不属于这5种颜色的点，全变成背景色，也就是去噪音了。

int intBack = list.get(0).getKey(); Set<Integer> setColor = new HashSet<Integer>(); for (Map.Entry<Integer, Integer> entry : list) { setColor.add(entry.getKey()); } for (int i = 0; i < width; i++) for (int j = 0; j < height; j++) { int color = image.getRGB(i, j); if (setColor.contains(color)) continue; image.setRGB(i, j, intBack); }

上面的程序，首先取出list的第一项（背景）的颜色：int intBack = list.get(0).getKey();

循环体中，如果是背景色或者验证码的颜色（if (setColor.contains(color))），那么继续循环；否则，该点为噪音，要设置成背景色（image.setRGB(i, j, intBack)）。

最后，当然就是把处理过的Image交个OCR了。

String strCode = ocr.recognizeEverything(image).trim().toLowerCase() .replaceAll(" ", "");

由于分析的来的字符里出现空格的可能很大，所以要删除。

以上的程序，对加入横七竖八的别的颜色的线的加噪音方法比较有效，加别的颜色的点，也可以处理。

然后对于别的噪音，这里只给点思路，就不给出算法实现了。

比方说，对于那些加入和验证码颜色一致的杂七杂八的点的处理。前面的方法不能去除这种噪音。

我们可以做这么个二重循环，分析每个点，如果这个点颜色的四周（上下左右4个点，或者包括斜角共8个点）的颜色不同，而四周的颜色都一致，那么就判定这个点是噪音点，把它设置成和四周颜色一致。

当然，这个噪音未必是一个点，也许是个块，比方说2*2个点，或者3*3个点。如果这样，处理稍微麻烦点。可以用围棋博弈算法里的分块算法，取得每个小块，那些特别小的就判定为噪音。

然后说说关于扭曲，通常是把字母的上下往左右拉升。如果要其归位，比较难，未必一定可以实现。

可以考虑，用分块算法，取得的每一块，一个一个处理。处理时，把最左上和最左下画连线，算斜率；最右上和最右下也算斜率。取平均值，然后以平均斜率为base进行纠正。

用Asprise的OCR包，处理验证码。相关推荐

用Asprise的OCR包，处理验证码
今天要介绍Java的OCR(图片字符识别)包,由Asprise出品.它甚至可以读条形码. 请从下面的链接下载包含破解的zip文件. Asprise-OCR-Java-Windows_XP_32bit- ...
用Asprise的OCR包，破解验证码
今天要介绍Java的OCR(图片字符识别)包,由Asprise出品.它甚至可以读条形码. 请从下面的链接下载包含破解的zip文件. Asprise-OCR-Java-Windows_XP_32bit- ...
python—简单数据抓取四（利用超级鹰的ocr识别图片验证码模拟登录超级鹰网站、利用百度云的ocr识别自如租房网价格图片获取到自如网的价格）
学习目标: python学习二十四 -简单数据抓取四学习内容: 1.利用超级鹰的ocr识别图片验证码模拟登录超级鹰网站 2.利用百度云的ocr识别自如租房网的价格图片,获取到自如网的价格数据 1.利 ...
python(自动化）利用selenium+百度ocr文字识别验证码实现自动登陆登陆CET-四级报名系统
操作步骤: 1:登陆打开CET-考试系统 2:填写相关登陆信息 3:调用百度ocr实现文字验证码识别 4:实现登陆如何使用和调用百度ocr文字识别接口 1:进入百度AI开发平台:链接 2:在页面上选 ...
python实现OCR识别图片验证码
用cv2模块读取和显示模块 #导包cv2拓展模块 import cv2#先给窗体起名字 cv2.namedWindow("ShowImage1") cv2.namedWindow( ...
爬虫-OCR技术识别验证码
一,OCR的安装先去官网:Index of /tesseract (uni-mannheim.de) 仔细找一下,下载tesseract-ocr-setup-4.00.00dev.exe这个文件,大 ...
【爬虫】学习：OCR识别图形验证码
GitHub python3网络爬虫开发实战第二版--8.1 环境问题安装 1.参考:Tesserocr 的安装 | 静觅在 Windows 下,首先需要下载 Tesseract,它为 Tesse ...
百度云 OCR 识别图片验证码
操作系统:Mac OS Python版本:3.7.2 OCR:百度云遇到的问题: API测试过程中,遇到API Resopnse 为图片验证码的情况,需要对图片进行识别得到text code,进行断 ...
Python OCR识别图片验证码（二）
操作系统:Windows Python:3.5 欢迎加入学习交流QQ群:657341423 上节讲到验证码的简单识别但对于一些复杂的验证码,我们需要做一些简单的图片处理才能识别. 例如,我要识别这些 ...

用Asprise的OCR包，处理验证码。

用Asprise的OCR包，处理验证码。相关推荐

最新文章

热门文章