在上篇文章 <php實現驗證碼的識別 (初級篇 ) http://www.BkJia.com/kf/201203/123439.html > 中，講了如何識別簡單的驗證，這裡的簡單只的是驗證碼有數字和字母組成，格式統一，每次出現位置固定。這篇文章將繼續深入研究識別驗證碼，這次識別的目標是，驗證碼有字符和數字組成，驗證碼存在旋轉（可能左右都旋轉），位置不固定，存在字符與字符之間的粘連，且驗證碼有更強的干擾素。這篇文章講解的方法，並不是萬能的解決方案，並且提供代碼不能直接解決你的問題，這裡僅僅是方法，具體需求讀者自己解決，需要說明的是，識別驗證碼與具體的編程語言無關，這裡只是使用 php 語言實現，使用這裡介紹的方法，你可以使用任何語言實現。
這篇文章逐步講解識別驗證碼過程中的各個步驟。
剛看上去，感覺很復雜。驗證碼的圖片每次背景色都不相同，且不是單色，各個驗證碼數字的顏色每次也各不相同。貌似很難二值化，其實我們打印出其 RGB 值很容易就發現。無論驗證數字顏色如何變化，該數字的 RGB 值總有一個值小於 125 ，所以通過如下判斷
$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125
我們就很容易分辨出哪裡是數字，哪裡是背景。
我們能夠找到這些規律的因素是，在制作驗證碼的干擾素時，為了使干擾素不影響數字的顯示效果，必須使用干擾素的 RGB 和數字 RGB 相互獨立，互不干擾。只要懂得這個規律，我們就很容易實現二值化。
我們找到的 120 ， 80 ， 125 等阈值，可能和實際的 RGB 有出入，所以，有時二值化後，會有部分地方出現 1 ，對於驗證碼上固定位置顯示數字，這種干擾沒有太大意義。但是對於驗證碼位置不確定的圖片來說，在我們切割字符時，很可能造成干擾。所以，在二值化後要進行去噪出來。
二：接下來我們進行第二個步驟，出噪。出燥的原理很簡單，就是把孤立的有效的值去掉，如果噪點比較高，要求的效率也比較高的話，這裡面也有很多工作要做。幸好這裡我們不要求這麼高深，我們使用最簡單的方法就可以，如果一個點為 1 則判斷這個點的上下左右上左上右下左下右 8 個方位上數字是否為 1 ，如果不為 1 ，就認為是一個燥點，直接設置為 1 即可。
如上圖所示，我們使用此方法很容易發現紅色方框部分的 1 為燥點，直接設置為 1 即可。
在判斷時我們使用了一個技巧，有時候的噪點可能是兩個連續的 1 ，所以我們
[php:collapse] + expand sourceview plaincopyprint?$num = 0;
if($data[$i][$j] == 1)
{
// 上
if(isset($data[$i-1][$j])){
$num = $num + $data[$i-1][$j];
}
// 下
if(isset($data[$i+1][$j])){
$num = $num + $data[$i+1][$j];
}
// 左
if(isset($data[$i][$j-1])){
$num = $num + $data[$i][$j-1];
}
// 右
if(isset($data[$i][$j+1])){
$num = $num + $data[$i][$j+1];
}
// 上左
if(isset($data[$i-1][$j-1])){
$num = $num + $data[$i-1][$j-1];
}
// 上右
if(isset($data[$i-1][$j+1])){
$num = $num + $data[$i-1][$j+1];
}
// 下左
if(isset($data[$i+1][$j-1])){
$num = $num + $data[$i+1][$j-1];
}
// 下右
if(isset($data[$i+1][$j+1])){
$num = $num + $data[$i+1][$j+1];
}
}
if($num == 0){
$data[$i][$j] = 0;
}
$num = 0;
if($data[$i][$j] == 1)
{
// 上
if(isset($data[$i-1][$j])){
$num = $num + $data[$i-1][$j];
}
// 下
if(isset($data[$i+1][$j])){
$num = $num + $data[$i+1][$j];
}
// 左
if(isset($data[$i][$j-1])){
$num = $num + $data[$i][$j-1];
}
// 右
if(isset($data[$i][$j+1])){
$num = $num + $data[$i][$j+1];
}
// 上左
if(isset($data[$i-1][$j-1])){
$num = $num + $data[$i-1][$j-1];
}
// 上右
if(isset($data[$i-1][$j+1])){
$num = $num + $data[$i-1][$j+1];
}
// 下左
if(isset($data[$i+1][$j-1])){
$num = $num + $data[$i+1][$j-1];
}
// 下右
if(isset($data[$i+1][$j+1])){
$num = $num + $data[$i+1][$j+1];
}
}
if($num == 0){
$data[$i][$j] = 0;
}
我們計算這個點的 8 個方向上的值之和，最後我們判斷他們的和是否小於特定的阈值
三：經過去噪後，我們就得到干淨的二值化的數據，接下來要做的就是切割字符了。切割字符的方法有很多種，這裡我采用最簡單的一種，先垂直方向切割成為字符，然後在水平方向去掉多於的 0000 ，如下圖
第一步切割紅線部分，第二步切割藍線部分，這樣就可以得到獨立的字符了。但是像下面這種情況
按上面的方法會把 dw 字符切割成一個字符，這是錯誤的切割，所以這裡我們涉及到粘連字符的切割。
四：粘連字符切割，制作驗證碼時，規則字符的粘連很容易分割開，如果字符本身有縮放，變形就很難處理，經過分析，我們可以發現，上面的字符粘連屬於很簡單的方式，只是規則字符的粘連，所以處理這種情況，我們也使用很簡單的處理方式。當完成分割操作後，我們不能馬上確定分割的部分就為一個字符，要進行驗證，驗證的關鍵因素就是，切割下來的字符的寬是否大於阈值，這個阈值的取捨標准是，一個字符無論怎麼旋轉變形都不會大於這個阈值，所以，如果我們切割的塊大於這個阈值，就可以認為這是一個粘連字符；如果大於兩個阈值之和，就認為是三個字符粘連，以此類推。知道這個規則後，切割粘連字符也就很簡單了。如果我們發現是粘連字符塊，直接平分這個塊為兩個或者多個新的塊就可以。當然為了更好的還原字符，我一般都采用平分 +1 ， -1 對字符塊的部分進行適當的補充。
五：經過上面四個步驟，我們就可以提取出比較純的字符塊了，接下來要做就是匹配字符了。對於旋轉字符的特征碼建立，有很多種方法，這裡就不做深入研究了。我這裡使用的最簡單的方式，為所有字符的所有情況建立匹配庫，所以在我提供的代碼種增加了 study 操作，其目的就是，先有人手工識別圖片的驗證碼，然後通過 study 方法，寫入特征碼庫。這樣寫入的圖片數據越多，驗證識別的准確行也就越高。
好了，經過以上步驟，我們基本上可以識別現在互聯網上大部分的驗證碼，這裡我們都是使用的最簡單的方法，沒有使用任何 OCR 知識。這些方法，應該屬於非 OCR 領域的頂峰了，要想識別更加復雜的驗證碼，那就需要更多的 OCR 知識了。有機會的話，我會在高級篇中一一做介紹。
下面是一些容易識別的驗證碼，希望引起網站管理者的重視。
制作驗證碼的一些建議
對於識別驗證碼的程序來說，最難得部分是驗證字符的切割和特征碼的建立，而國內很多程序員只做驗證碼時，總是喜歡在驗證碼加很多干擾素，干擾線，影響效果不說，還達不到很好的效果；所以，要想使自己驗證碼難於本識別，只做下面兩點就夠了
1 ：字符粘連，最好所有的字符都有粘連的部分；
2 ：不要使用規格字符，驗證碼的各個部分使用不同比例的縮放或者旋轉。
只要做到這兩點，或者這兩點的變形，識別程序就很難識別。我們看看， yahoo 和 google 的驗證碼就知道，白字黑底，卻很難被識別。
Goole:
yahoo:
源文件下：點擊下載http://www.BkJia.com/uploadfile/2012/0316/20120316111107739.rar
摘自 ugg的專欄
剛看上去，感覺很復雜。驗證碼的圖片每次背景色都不相同，且不是單色，各個驗證碼數字的顏色每次也各不相同。貌似很難二值化，其實我們打印出其 RGB 值很容易就發現。無論驗證數字顏色如何變化，該數字的 RGB 值總有一個值小於 125 ，所以通過如下判斷
$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125
我們就很容易分辨出哪裡是數字，哪裡是背景。
我們能夠找到這些規律的因素是，在制作驗證碼的干擾素時，為了使干擾素不影響數字的顯示效果，必須使用干擾素的 RGB 和數字 RGB 相互獨立，互不干擾。只要懂得這個規律，我們就很容易實現二值化。
我們找到的 120 ， 80 ， 125 等阈值，可能和實際的 RGB 有出入，所以，有時二值化後，會有部分地方出現 1 ，對於驗證碼上固定位置顯示數字，這種干擾沒有太大意義。但是對於驗證碼位置不確定的圖片來說，在我們切割字符時，很可能造成干擾。所以，在二值化後要進行去噪出來。
二：接下來我們進行第二個步驟，出噪。出燥的原理很簡單，就是把孤立的有效的值去掉，如果噪點比較高，要求的效率也比較高的話，這裡面也有很多工作要做。幸好這裡我們不要求這麼高深，我們使用最簡單的方法就可以，如果一個點為 1 則判斷這個點的上下左右上左上右下左下右 8 個方位上數字是否為 1 ，如果不為 1 ，就認為是一個燥點，直接設置為 1 即可。
剛看上去，感覺很復雜。驗證碼的圖片每次背景色都不相同，且不是單色，各個驗證碼數字的顏色每次也各不相同。貌似很難二值化，其實我們打印出其 RGB 值很容易就發現。無論驗證數字顏色如何變化，該數字的 RGB 值總有一個值小於 125 ，所以通過如下判斷
$rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125
我們就很容易分辨出哪裡是數字，哪裡是背景。
我們能夠找到這些規律的因素是，在制作驗證碼的干擾素時，為了使干擾素不影響數字的顯示效果，必須使用干擾素的 RGB 和數字 RGB 相互獨立，互不干擾。只要懂得這個規律，我們就很容易實現二值化。
我們找到的 120 ， 80 ， 125 等阈值，可能和實際的 RGB 有出入，所以，有時二值化後，會有部分地方出現 1 ，對於驗證碼上固定位置顯示數字，這種干擾沒有太大意義。但是對於驗證碼位置不確定的圖片來說，在我們切割字符時，很可能造成干擾。所以，在二值化後要進行去噪出來。
二：接下來我們進行第二個步驟，出噪。出燥的原理很簡單，就是把孤立的有效的值去掉，如果噪點比較高，要求的效率也比較高的話，這裡面也有很多工作要做。幸好這裡我們不要求這麼高深，我們使用最簡單的方法就可以，如果一個點為 1 則判斷這個點的上下左右上左上右下左下右 8 個方位上數字是否為 1 ，如果不為 1 ，就認為是一個燥點，直接設置為 1 即可。
