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 $imageName ." \n";
}
}
functionrandPosition ($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;
case1 : //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) {
case0: //mp文字随机大小
$fontSize=rand (20,30) *0.75 ;
break;
case1 ://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（https://cloud.tencent.com/document/product/866/17600）。
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/tree/master/captcha/Pointselection
0x04 参考
[1]http://bluewhale.cc/2017-09-22/use-python-opencv-for-image-template-matching-match-template.html
*本文作者：江南天安猎户攻防实验室，转载请注明来自FreeBuf.COM
来源：freebuf.com 2018-09-12 09:30:58 by: TASS008
请登录后发表评论
注册