影象識別 - 提取驗證碼資訊

影象識別 X++ · 發表 2019-04-01 13:24:00

摘要： 1、Tess4j 最近在GitHub上看到一個影象識別的開源框架 tess4j ，而且是Java版的，為此利用此框架來識別驗證碼中的資訊，利用它提供的字型庫，來提取資訊，對於沒有什麼干擾線的驗證碼準確率還是蠻高的，對於有一些干擾線的就差一些，不過也可以能通過訓練字型庫，從而可以提高準確率...

1、Tess4j

最近在GitHub上看到一個影象識別的開源框架 tess4j ，而且是Java版的，為此利用此框架來識別驗證碼中的資訊，利用它提供的字型庫，來提取資訊，對於沒有什麼干擾線的驗證碼準確率還是蠻高的，對於有一些干擾線的就差一些，不過也可以能通過訓練字型庫，從而可以提高準確率的。

根據範例，寫了一個簡單的提取驗證碼資訊的工具類VerificationCode：

主要是用這個類的extract方法，這個方法有3個引數：

第1個引數是指定圖片的路徑
第2個引數是指定字型庫的，其中chi_sim表示中文簡體，eng表示英文
第3個引數是指定是否需要去除干擾線，true表示需要，false表示不需要

package com.swnote.tess4j.test;

import java.awt.image.BufferedImage;
import java.io.File;

import javax.imageio.ImageIO;

import com.recognition.software.jdeskew.ImageDeskew;

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.util.ImageHelper;

/**
 * 識別驗證碼
 * 
 * @author lzj
 * @date [2019-03-03]
 */
public class VerificationCode {

/**
* 配置檔案
*/
private static String config_path = "src/main/resources";

/**
* 調整傾斜度的閾值
*/
private static double deskew_threshold = 0.05d;

/**
* 提取驗證碼圖片中的文字
* 
* @param img_path
* @param lang
* @param clear
* @return
*/
public static String extract(String img_path, String lang, boolean clear) throws Exception {
// 圖片檔案
File img = new File(img_path);

if (clear) {
// 將去除干擾後的圖片儲存在同級目錄下的ext目錄下
String ext_path = img.getParentFile().getPath() + "/ext";

// 去除干擾
CleanImage.cleanLinesInImage(img, ext_path);

// 處理後的圖片
img = new File(ext_path, img.getName());
}

// 設定語言庫
ITesseract instance = new Tesseract();
File directory = new File(config_path);
String course_file = directory.getCanonicalPath();
instance.setDatapath(course_file + "/tessdata");
// chi_sim表示中文簡體
// eng表示英文
instance.setLanguage(lang);

BufferedImage buffer_img = ImageIO.read(img);
ImageDeskew img_deskew = new ImageDeskew(buffer_img);
double img_skew_angle = img_deskew.getSkewAngle(); 
if ((img_skew_angle > deskew_threshold || img_skew_angle < -(deskew_threshold))) {
buffer_img = ImageHelper.rotateImage(buffer_img, -img_skew_angle);
}

String result = instance.doOCR(buffer_img);

return result;
}
}

其中CleanImage類是用於清楚驗證碼干擾線的，這個類是我從網上找到的，加上這個類有一定的效果，但是不是特別理想，希望大家能夠找到更好的去除干擾線方式。

在此也貼一下CleanImage類的程式碼：

package com.swnote.tess4j.test;

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

import javax.imageio.ImageIO;

/**
 * 網上找到清除圖片干擾工具
 */
public class CleanImage {

public static void cleanLinesInImage(File sfile, String destDir) throws IOException {
File destF = new File(destDir);
if (!destF.exists()) {
destF.mkdirs();
}

BufferedImage bufferedImage = ImageIO.read(sfile);
int h = bufferedImage.getHeight();
int w = bufferedImage.getWidth();

// 灰度化
int[][] gray = new int[w][h];
for (int x = 0; x < w; x++) {
for (int y = 0; y < h; y++) {
int argb = bufferedImage.getRGB(x, y);
// 影象加亮（調整亮度識別率非常高）
int r = (int) (((argb >> 16) & 0xFF) * 1.1 + 30);
int g = (int) (((argb >> 8) & 0xFF) * 1.1 + 30);
int b = (int) (((argb >> 0) & 0xFF) * 1.1 + 30);
if (r >= 255) {
r = 255;
}
if (g >= 255) {
g = 255;
}
if (b >= 255) {
b = 255;
}
gray[x][y] = (int) Math.pow(
(Math.pow(r, 2.2) * 0.2973 + Math.pow(g, 2.2) * 0.6274 + Math.pow(b, 2.2) * 0.0753), 1 / 2.2);
}
}

// 二值化
int threshold = ostu(gray, w, h);
BufferedImage binaryBufferedImage = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_BINARY);
for (int x = 0; x < w; x++) {
for (int y = 0; y < h; y++) {
if (gray[x][y] > threshold) {
gray[x][y] |= 0x00FFFF;
} else {
gray[x][y] &= 0xFF0000;
}
binaryBufferedImage.setRGB(x, y, gray[x][y]);
}
}

// 去除干擾線條
for (int y = 1; y < h - 1; y++) {
for (int x = 1; x < w - 1; x++) {
boolean flag = false;
if (isBlack(binaryBufferedImage.getRGB(x, y))) {
// 左右均為空時，去掉此點
if (isWhite(binaryBufferedImage.getRGB(x - 1, y))
&& isWhite(binaryBufferedImage.getRGB(x + 1, y))) {
flag = true;
}
// 上下均為空時，去掉此點
if (isWhite(binaryBufferedImage.getRGB(x, y + 1))
&& isWhite(binaryBufferedImage.getRGB(x, y - 1))) {
flag = true;
}
// 斜上下為空時，去掉此點
if (isWhite(binaryBufferedImage.getRGB(x - 1, y + 1))
&& isWhite(binaryBufferedImage.getRGB(x + 1, y - 1))) {
flag = true;
}
if (isWhite(binaryBufferedImage.getRGB(x + 1, y + 1))
&& isWhite(binaryBufferedImage.getRGB(x - 1, y - 1))) {
flag = true;
}
if (flag) {
binaryBufferedImage.setRGB(x, y, -1);
}
}
}
}

// 矩陣列印
//for (int y = 0; y < h; y++) {
//for (int x = 0; x < w; x++) {
//if (isBlack(binaryBufferedImage.getRGB(x, y))) {
//System.out.print("*");
//} else {
//System.out.print(" ");
//}
//}
//System.out.println();
//}

ImageIO.write(binaryBufferedImage, "jpg", new File(destDir, sfile.getName()));
}

public static boolean isBlack(int colorInt) {
Color color = new Color(colorInt);
if (color.getRed() + color.getGreen() + color.getBlue() <= 300) {
return true;
}
return false;
}

public static boolean isWhite(int colorInt) {
Color color = new Color(colorInt);
if (color.getRed() + color.getGreen() + color.getBlue() > 300) {
return true;
}
return false;
}

public static int isBlackOrWhite(int colorInt) {
if (getColorBright(colorInt) < 30 || getColorBright(colorInt) > 730) {
return 1;
}
return 0;
}

public static int getColorBright(int colorInt) {
Color color = new Color(colorInt);
return color.getRed() + color.getGreen() + color.getBlue();
}

public static int ostu(int[][] gray, int w, int h) {
int[] histData = new int[w * h];
// Calculate histogram
for (int x = 0; x < w; x++) {
for (int y = 0; y < h; y++) {
int red = 0xFF & gray[x][y];
histData[red]++;
}
}

// Total number of pixels
int total = w * h;

float sum = 0;
for (int t = 0; t < 256; t++)
sum += t * histData[t];

float sumB = 0;
int wB = 0;
int wF = 0;

float varMax = 0;
int threshold = 0;

for (int t = 0; t < 256; t++) {
wB += histData[t]; // Weight Background
if (wB == 0)
continue;

wF = total - wB; // Weight Foreground
if (wF == 0)
break;

sumB += (float) (t * histData[t]);

float mB = sumB / wB; // Mean Background
float mF = (sum - sumB) / wF; // Mean Foreground

// Calculate Between Class Variance
float varBetween = (float) wB * (float) wF * (mB - mF) * (mB - mF);

// Check if new maximum found
if (varBetween > varMax) {
varMax = varBetween;
threshold = t;
}
}

return threshold;
}
}

2、測試

首先測試一張沒有干擾線的圖片，即：

然後呼叫工具類，可以得到如下結果：

結果是正確的。

再一測試一箇中文的，同時具有干擾線的，即：

測試結果為：

中文內容是識別出來了，但是也識別了一些其它資訊。

關注我

以你最方便的方式關注我：

微信公眾號：

影象識別 - 提取驗證碼資訊

1、Tess4j

2、測試

關注我

您可能也會喜歡…