识别验证码
用imagemagick和tesseract-ocr破解简单验证码
?
?
Tesseract是Ray Smith于1985到1995年间在惠普布里斯托实验室开发的一个OCR引擎，曾经在1995 UNLV精确度测试中名列前茅。但1996年后基本停止了开发。2006年，Google邀请Smith加盟，重启该项目。目前项目的许可证是Apache 2.0。
该项目目前支持Windows、Linux和Mac OS等主流平台。但作为一个引擎，它只提供核心功能，没有界面。
?
有兴趣参加该项目的同学，可以加入：http://groups.google.com/group/tesseract-dev/，或者与Smith联系。
下载工具：imagemagick + tesseract-ocr
?
Tesseract-ocr据说辨识程度是世界排名第三,可谓神器啊。
准备工作：
1.安装tesseract-ocr
先试一个简单的：
有黑色边框，有背景色，文字稍微扭曲。
1img = MiniMagick::Image.new("tmp/4399.jpg")2img.crop("#{img[:width] - 2}x#{img[:height] - 2}+1+1") #去掉边框（上下左右各1像素）3img.colorspace("GRAY") #灰度化4img.monochrome #二值化5image = RTesseract.new(img.path) #ocr识别6image.to_s.sub(/\s+$/, "") #=> "5692"像上面这样简单的识别率几乎能达到80%以上，扭曲太严重的识别率就很低了。有轻微噪点的就得自己写去噪算法了。。
?
?
破解图片验证码限制的一般思路:
http://www.williamlong.info/archives/347.html
?