如何用PHP识别图片验证码文字？| PHP验证码识别技术

在PHP中实现验证码图片文字识别通常涉及以下步骤，需要注意的是，验证码设计的初衷是防止自动化识别,因此复杂验证码的识别可能涉及高级OCR技术或第三方服务。

基础方法：简单验证码识别（纯PHP）

适用于低干扰、固定字体的验证码：

<?php
// 步骤1: 预处理验证码图片 (使用GD库)
function preprocessImage($imagePath) {
    $img = imagecreatefrompng($imagePath); // 根据格式调整函数
    $width = imagesx($img);
    $height = imagesy($img);
    // 创建二值化图像
    $binaryImg = imagecreatetruecolor($width, $height);
    $white = imagecolorallocate($binaryImg, 255, 255, 255);
    imagefill($binaryImg, 0, 0, $white);
    // 简单阈值二值化
    for ($x = 0; $x < $width; $x++) {
        for ($y = 0; $y < $height; $y++) {
            $rgb = imagecolorat($img, $x, $y);
            $r = ($rgb >> 16) & 0xFF;
            $g = ($rgb >> 8) & 0xFF;
            $b = $rgb & 0xFF;
            $gray = ($r + $g + $b) / 3;
            // 阈值处理 (根据验证码调整)
            if ($gray < 128) {
                imagesetpixel($binaryImg, $x, $y, 0); // 黑色
            }
        }
    }
    // 保存处理后的图片
    imagepng($binaryImg, 'processed.png');
    imagedestroy($img);
    return 'processed.png';
}
// 步骤2: 使用Tesseract OCR识别
function recognizeWithTesseract($imagePath) {
    // 确保服务器已安装Tesseract OCR
    // Ubuntu安装: sudo apt install tesseract-ocr
    $command = "tesseract $imagePath stdout --psm 7 digits"; // 调整参数
    exec($command, $output, $returnCode);
    if ($returnCode !== 0) {
        throw new Exception("OCR识别失败");
    }
    return trim(implode("", $output));
}
// 使用示例
try {
    $processedImage = preprocessImage('captcha.png');
    $text = recognizeWithTesseract($processedImage);
    echo "识别结果: " . htmlspecialchars($text);
} catch (Exception $e) {
    echo "错误: " . $e->getMessage();
}
?>

关键点说明

1. 预处理优化（需根据验证码特性调整）：

   • 去噪点（移除孤立像素）
   • 线条干扰消除
   • 颜色分离（针对彩色验证码）
   • 字符分割（分割为单个字符）

2. Tesseract参数调整：

   // 常用参数
   $command = "tesseract $imagePath stdout -l eng --oem 3 --psm 7";

   • --psm 7：视为单行文本
   • -l eng：英语语言（中文用chi_sim）
   • digits：只识别数字（自定义配置文件）

3. 提高识别率技巧：

   

   • 训练自定义字体：使用jTessBoxEditor训练特定字体
   • 添加字典约束：限制可能的字符组合
   • 多次识别：不同参数组合投票选择

高级方案：第三方API服务

对于复杂验证码（如扭曲、重叠字符），推荐使用专业OCR API：

<?php
function recognizeWithApi($imagePath, $apiKey) {
    $url = "https://api.ocr.space/parse/image";
    $postData = [
        'apikey' => $apiKey,
        'language' => 'eng',
        'isOverlayRequired' => false,
        'file' => new CURLFile($imagePath)
    ];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_POST, 1);
    curl_setopt($ch, CURLOPT_POSTFIELDS, $postData);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $response = curl_exec($ch);
    curl_close($ch);
    $result = json_decode($response, true);
    if ($result['OCRExitCode'] !== 1) {
        throw new Exception("API识别失败: " . ($result['ErrorMessage'] ?? '未知错误'));
    }
    return trim($result['ParsedResults'][0]['ParsedText']);
}
// 使用示例
try {
    $apiKey = 'YOUR_OCR_API_KEY'; // OCR.space 的免费Key
    $text = recognizeWithApi('captcha.png', $apiKey);
    echo "API识别结果: " . htmlspecialchars($text);
} catch (Exception $e) {
    echo "API错误: " . $e->getMessage();
}
?>

推荐第三方服务

1. OCR.space（免费额度每天500次）
2. Google Cloud Vision
3. Amazon Textract

注意事项

1. 法律合规性：

   • 仅识别自己拥有权限的验证码
   • 禁止绕过他人网站的验证码（违法）

2. 验证码复杂度：

   • 简单验证码：纯PHP方案可达到60-80%准确率
   • 中等验证码：需要定制预处理+机器学习
   • 高级验证码（如Google reCAPTCHA）：目前无法可靠破解

3. 替代方案建议：

   

   • 网站所有者：考虑使用无验证码方案（如行为分析）
   • 自动化测试：使用测试环境禁用验证码

完整解决方案需要根据具体验证码特征进行调整,复杂场景建议优先考虑商业OCR服务。