汉字点选验证码之自动识别
作者:星期四, 九月 13, 20180

某次测试中遇到了汉字点选的验证码,看着很简单,尝试了一下发现有两种简单的识别方法,终于有空给重新整理一下,分享出来。

 

0x01 验证码的获取

首先获取验证码。由于网站比较特殊,就不以他们的为例,自己生成验证码吧。这个不是重点,这里直接贴代码了。

 

<?php

function createImage($word,$imagePath,$type,$imageName){

$fontPath = ‘msyh.ttc’;//字体
$fontSize = 20 * 0.75;
foreach ($word as $v ) {
$fontarea = imagettfbbox($fontSize, 0, $fontPath, $v);
$textWidth = $fontarea[2] – $fontarea[0];
$textHeight = $fontarea[1] – $fontarea[7];
$tmp[‘text’] = $v;
$tmp[‘size’] = $fontSize;
$tmp[‘width’] = $textWidth;
$tmp[‘height’] = $textHeight;
$textArr[] = $tmp;
}
list($imageWidth, $imageHeight, $imageType) = getimagesize($imagePath);

for($i=0;$i<count($textArr);$i++){
list($x, $y) = randPosition($textArr, $imageWidth, $imageHeight, $textArr[$i][‘width’], $textArr[$i][‘height’],$i,$type);
$textArr[$i][‘x’] = $x;
$textArr[$i][‘y’] = $y;
}
unset($v);

//创建图片的实例
$image = imagecreatefromstring(file_get_contents($imagePath));
//字体颜色
$color = imagecolorallocate($image, 0, 0, 0);
//绘画文字
foreach($textArr as $v){
imagefttext($image, $v[‘size’], 0, $v[‘x’], $v[‘y’], $color, $fontPath, $v[‘text’]);
}

if(imagepng($image,$imageName)){
echo $imageName.”\n”;
}

}

function randPosition($textArr, $imgW, $imgH, $fontW, $fontH,$i,$type){
switch ($type) {
case 0://生成mp
$x = rand($i*60, ($i+1)*60-$fontW-3);
$y = rand(40,80);
break;
case 1://生成ap
$x = ($i)*25+5;
$y = 25;
default:
break;
}
$return = array($x, $y);
return $return;
}

$ap_imagePath = ‘ap_bg.png’;
$mp_imagePath = ‘mp_bg.png’;
$ap_imageName = “ap_”.time().”.png”;
$mp_imageName = “mp_”.time().”.png”;
$ap_word = array(‘请’,’依’,’次’,’点’,’击’,’图’,’中’,’的’,’猎’, ‘户’,’室’) ;
$mp_word = array(‘猎’, ‘户’, ‘实’,’验’,’室’);
createImage($ap_word,$ap_imagePath,1,$ap_imageName);
createImage($mp_word,$mp_imagePath,0,$mp_imageName);
?>

 

运行后生成这样两张图片。
ap_XXXXX.png

mp_XXXXX.png

ap_XXXXX.png是说明需要点击的文字,mp_XXXXX.png是需要点击的图片。

 

0x02 验证码识别

对于这种简单的点选验证码,可以有两种很容易的识别方式(机器学习算麻烦的,这里就不列出了。嗯,对,我也不会)。一种是opencv的图像模板匹配,另外一种是OCR识别。

 

1. opencv的图像模板匹配

第一种方式,使用opencv的图像模板匹配。模板匹配是一种在较大图像中搜索和查找模板图像位置的方法,opencv2和opencv3中提供了一个专门用于模板匹配的函数matchTemplate()。它是在输入图像上滑动模板图像(如在2D卷积中),并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了六种比较方法(这里用到的是cv2.TM_CCOEFF_NORMED),它返回一个灰度图像,其中每个像素表示该像素的邻域与模板匹配的程度。

获得结果后,可以使用cv.minMaxLoc()函数查找最大/最小值的位置。将其作为矩形的左上角,并将(w,h)作为矩形的宽度和高度,那个矩形就是模板区域。

我们进行使用模板匹配来识别这种验证码时,首先先将“模板”找出来,这里我们需要匹配的是“猎”、“户”、“室”这三个字。将这三个字所在的图片进行截取,然后使用matchTemplate()函数在mp中进行匹配。

首先截取第一个字“猎”。

截取之后,就可以在mp中进行匹配。

这里得到了最大和最小位置。我们使用最大位置,然后将最大值作为阈值。获取模板的尺寸,然后在mp中用矩形(红色区域)画出匹配的区域。如下所示。

同理,用黄色和蓝色矩形将“户”、“室”所在的区域画出来。

点选时发送所选区域中间的坐标即可,这里就不再给出实例了。这种方法虽然简单,但是对于字体不一的就不能很正确的标记出来。

修改生成图片的代码,将mp中的文字的字体设置为随机。修改的代码如下:

 

switch ($type) {
case 0://mp 文字随机大小
$fontSize = rand(20,30) * 0.75;
break;
case 1://ap 文字固定
$fontSize = 20 * 0.75;
break;
}

 

ap生成的结果还是和之前一样,mp的图片如下:

使用同样的代码来匹配。

此时匹配的结果就有些惨不忍睹了。所以就换另外一种识别方式-ocr识别。

 

2. OCR识别

这里采用的是腾讯云的OCR-通用印刷体识别。参考文档。输入mp图片,返回的是json。

查看json内容,发现包含了图片中的文字、位置和大小等。

同理ap中内容也可以获取。

此时匹配的时候直接就是匹配文字了。首先获取ap中后三个文字,然后与mp中返回的内容匹配,获取其位置和大小,然后再画矩形即可。

由于比较简单,这里直接贴结果。

匹配相当完美。

 

0x03 总结

本文用了两种方法来自动识别汉字点选验证码,第一种采用的是opencv的模板匹配,这种方法虽然也可以匹配到,但这种方法缺点就是对于字体形状差异较大的验证码识别率较低。而第二种方法就比较快捷方便了,而且识别度高,比较推荐第二种方法。

当然这两种方法对于简单、“正规”的验证码可以,遇到复杂的、“扭曲的”验证码就不行了。这时候就要用到机器学习了,而本文只是简单的“识别”,将机器学习用到这里,就有些大材小用了。

相关代码:https://github.com/fupinglee/MyPython/captcha/Pointselection

 

0x04 参考

[1] http://bluewhale.cc/2017-09-22/use-python-opencv-for-image-template-matching-match-template.html
[2]https://cloud.tencent.com/document/product/866/17600

 

作者:江南天安猎户攻防实验室

关键词:
分享:

相关文章

写一条评论

 

 

0条评论