[人工智能] js逆向案例五-字符类验证码

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> js逆向案例五-字符类验证码 -> 正文阅读

[人工智能]js逆向案例五-字符类验证码

案例：一二三四

五、字符验证码的逆向（???）

1、案例插曲_验证码识别ocr库

ocr识别库种类有哪些，点击参考来自大佬的文章

（1）字符验证码特点

字符验证码：指用数字、字母、汉字和标点符号等字符作为元素的图片验证码，主要由数字、大写字母、彩色斜线、彩色噪点和彩色背景组成，图像分为3层，最底层为背景色，字符（数字和大写字母）层在背景色之上，干扰（斜线和噪点）层则在最上面，如以下验证码；
计算型验证码：计算型验证码在字符验证码的基础上增加了数学运算，它也是将人类视觉和计算机视觉的差异作为区分用户的依据，如以下验证码
难点：部分验证码带有彩色背景斜线、噪点、字符扭曲、角度旋转和文字重叠，图片中的字符颜色与背景颜色并没有强烈的反差
解决方法：降低斜线和噪点对文字的干扰，增强背景色与字符颜色的反差，也就是对图片进行灰度处理（去掉彩色）和二值化处理（降低干扰、增强颜色反差）
二值化处理：其实是根据阈值调整原图的像素值，将大于阈值的像素点颜色改为白色，小于阈值的像素点改为黑色，这样就能够达到增强颜反差的目的

（1） pytesseract / tesserocr安装与使用（不推荐）

此类ocr识别不是很推荐，毕竟依赖了tesseract-ocr.exe，可作为了解
tesserocr需安装依赖tesseract-ocr.exe，可用于识别字母中文，中文需指定参数lang=‘chi_sim’
```
pip install tesserocr -i https://mirrors.aliyun.com/pypi/simple
```

tesserocr识别之python解析使用如下，有两种二选一

import tesserocr
code = tesserocr.file_to_text('img_3.jpg')
print(code)

import tesserocr
from PIL import Image
code = tesserocr.image_to_text(Image.open('img_3.jpg'))
print(code)
# 识别中文
code = tesserocr.image_to_text(Image.open('img_4.jpg'), lang='chi_sim')
print(code)

pytesseract需安装依赖tesseract-ocr.exe，可用于识别字母中文，中文需指定参数lang=‘chi_sim’
```
pip install pytesseract -i https://mirrors.aliyun.com/pypi/simple
```

pytesseract识别之python解析使用如下

import pytesseract
from PIL import Image
code = pytesseract.image_to_string(Image.open('img_3.jpg'))
print(code)
# 识别中文
code = pytesseract.image_to_string(Image.open('img_4.jpg'), lang='chi_sim')
print(code)

可以选择训练字体模型：起因：看一张原图识别如下，有部分错别字，所以我们需要训练字体进行优化，可以生成一套自己的字体
- 如何训练，点击参考这篇文章，最终将生成的zwp.traineddata文件放到tessdata下面，然后识别的时候语言选择该字体。生成box文件原文章中的改成这个tesseract zwp.test.exp0.tif zwp.test.exp0 -l chi_sim --psm 7 batch.nochop makebox，双击jTessBoxEditorFX的.bat文件要等几秒才出现
- 实践训练出来识别也是失败的，暂未知原因，不管了，哈哈，差不多是这么个流程。最后不推荐这种训练，我们看下面的模块更好用

（2） muggle-ocr安装与使用（推荐）

官方文档https://pypi.org/project/muggle-ocr/已经下架，目前可以通过下面的方法安装；可用于识别字母数字中文
```
pip install muggle-ocr -i https://mirrors.aliyun.com/pypi/simple
```

muggle-ocr识别之python解析使用如下

import muggle_ocr


class ImageIdentify:
    @staticmethod
    def muggle_identify(captcha_bytes, ocr=False):
        """
        使用预置模型，预置模型包含了[ModelType.OCR, ModelType.Captcha] 两种
        其中 ModelType.OCR 用于识别普通印刷文本, ModelType.Captcha 用于识别4-6位简单英数验证码
        :param captcha_bytes: 验证码
        :param ocr: 是否使用ocr识别
        :return:
        """
        if ocr:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
        else:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
        return sdk.predict(image_bytes=captcha_bytes)

    @staticmethod
    def muggle_by_yaml_identify(captcha_bytes):
        """
        使用自定义模型
        支持基于 https://github.com/kerlomz/captcha_trainer 框架训练的模型
        训练完成后，进入导出编译模型的[out]路径下, 把[graph]路径下的pb模型和[model]下的yaml配置文件放到同一路径下。
        将 conf_path 参数指定为 yaml配置文件 的绝对或项目相对路径即可，其他步骤一致，如下示例：
        """
        sdk = muggle_ocr.SDK(conf_path="D:\Software\python37\operation18.yaml")
        text = sdk.predict(image_bytes=captcha_bytes)
        return text


with open(r'./img/img_1.jpg', 'rb') as f:
    print(ImageIdentify.muggle_identify(f.read(), True))
	print(ImageIdentify.muggle_identify(f.read()))
	print(ImageIdentify.muggle_by_yaml_identify(f.read()))

可以选择训练字体模型：
- 可查看up主视频解析讲解训练和部署，或者看文档介绍，或者看我下面简要的操作步骤，更详细的还是看上面的两个
- 使用captcha_trainer项目源码训练模型，下载源码并解压
- 然后安装一些项目环境依赖，上述下载的文件解压后可看见requirements.txt，建个虚拟环境安装进行安装依赖库pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt，框架默认安装TensorFlow-GPU版，建议使用GPU进行训练，如需换用CPU训练则需替换 requirements.txt 文件中的tensorflow-gpu 为tensorflow，其他无需改动。
- 下载好安装包(GPU训练需要)，注意下载runfile类型的安装包，deb安装会自动安装默认驱动：显卡NVIDIA 驱动下载 , CUDA 下载地址，cuDNN 下载地址(其中cuDNN需要注册NVIDIA账号且登陆，下载deb安装包）)
- 准备验证码训练样本如下：验证码命名必须是验证码_MD5的形式，如下图，修改验证码统一命名
```
import hashlib
import os

path = r"E:\Samples\case4\true"
filelist = os.listdir(path)
for item in filelist:
    src = os.path.join(os.path.abspath(path), item)
    print(src)
    with open(src, "rb") as f:
        _id = hashlib.md5(f.read()).hexdigest()
    dst = os.path.join(os.path.abspath(path), f'{item.split(".")[0]}_{_id}.jpg')
    os.rename(src, dst)
```
- 训练集样本数量准备注意事项：详细看这篇文章
- 然后运行当前目录下的app.py，即可看到可视化操作界面，如何具体操作可看可查看up主视频第12分钟开始解析讲解训练和部署，以及参数设置的注意事项，点击 [Start Training] 开始训练，中途若需终止训练可点击 [Stop] 停止，若是未达到结束条件而终止任务，可以手动点击 [Compile] 编译
- 训练完成后，在该框架下projects的项目名称下的out目录里可以找到.pb和.yaml文件，才是将该两个文件复制到muggle_ocr相同的目录下
- 训练模型后的调用方法，将训练模型和muggle_ocr原有的模型放在同一个目录下，然后调用的时候指定conf_path即可正常调用自己的模型

（3） ddddocr安装与使用（推荐）

ddddocr安装：识别数字、字母验证码

pip install ddddocr -i https://pypi.tuna.tsinghua.edu.cn/simple

ddddocr识别之python解析使用如下，可选择是否使用gpu

import ddddocr
ocr = ddddocr.DdddOcr(use_gpu=False)
with open(r'./img/img_3.jpg', 'rb') as f:
	print(ocr.classification(f.read()))

（4） easyocr安装与使用（推荐）

easyocr安装：支持80多种语言的识别，据该文章介绍，精度优于PaddleOCR
```
pip install easyocr -i https://pypi.tuna.tsinghua.edu.cn/simple
```
easyocr识别之python解析使用如下，第一次运行时加载稍长，需要在线下载检测模型和识别模型，之后就正常了，可选择是否使用gpu
```
reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)  # need to run only once to load model into memory
print(reader.readtext('./img/img_7.png', detail=0))
```

（5） paddleocr安装与使用（推荐）

paddleocr安装：注意此版本为CPU版本

pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple

paddleocr识别之python解析使用如下

from paddleocr import PaddleOCR, draw_ocr
from PIL import Image


ocr = PaddleOCR(use_angle_cls=True, lang="ch")
result = ocr.ocr(captcha_path, cls=True)
for line in result:
    print(line)
image = Image.open(captcha_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores)
im_show = Image.fromarray(im_show)
im_show.show()