轻松学php验证码

　　一般注册用户id的地方以及各大论坛都要要输入验证码

　　常见的验证码

　　1>四位数字，随机的一数字字符串，最原始的验证码，验证作用几乎为零。

　　2>csdn网站用户登录用的是gif格式，目前常用的随机数字图片验证码。图片上的字符比较中规中矩，验证作用比上一个好。没有基本图形图像学知识的人，不可破！可惜读取它的程序，在csdn使用它的第一天，好像就在论坛里发布了，真是可怜！

　　3>qq网站用户登录用的是png格式，图片用的随机数字+随机大写英文字母，整个构图有点张扬,每刷新一次,每个字符还会变位置呢!有时候出来的图片,人眼都识别不了,厉害啊…

　　4>ms的hotmail申请时候的是bmp格式,随机数字+随机大写英文字母+随机干扰像素+随机位置。

　　5>google的gmail注册时候的是jpg格式，随机英文字母+随机颜色+随机位置+随机长度。

　　6>其他各大论坛的是xbm格式，内容随机。

　　验证码的作用：有效防止这种问题对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试，实际上是用验证码是现在很多网站通行的方式（比如招商银行的网上个人银行，腾讯的qq社区），我们利用比较简易的方式实现了这个功能。虽然登陆麻烦一点，但是对社区还来说这个功能还是很有必要，也很重要。但我们还是提醒大家主要保护自己的密码，尽量使用混杂了数字、字母、符号在内的6位以上密码，不要使用诸如1234之类的简单密码或者与用户名相同、类似的密码。不要因为只是来iclub问问问题，就随意设置密码，保护你自己的密码也是保护你自己，免得你的账号给人盗用给自己带来不必要的麻烦。~

　　(1）.验证码一般是防止批量注册的，人眼看起来都费劲，何况是机器。二像百度贴吧未登录发贴要输入验证码大概是防止大规模匿名回帖的发生目前，不少网站为了防止用户利用机器人自动注册、登录、灌水，都采用了验证码技术。所谓验证码，就是将一串随机产生的数字或符号，生成一幅图片，图片里加上一些干扰象素（防止ocr），由用户肉眼识别其中的验证码信息，输入表单提交网站验证，验证成功后才能使用某项功能。

　　（2）.一般注册用户id的地方以及各大论坛都要要输入验证码

　　（3）.常见的验证码

　　1，四位数字，随机的一数字字符串，最原始的验证码，验证作用几乎为零。2，csdn网站用户登录用的是gif格式，目前常用的随机数字图片验证码。图片上的字符比较中规中矩，验证作用比上一个好。没有基本图形图像学知识的人，不可破！可惜读取它的程序，在csdn使用它的第一天，好像就在论坛里发布了，真是可怜！

　　3，qq网站用户登录用的是png格式，图片用的随机数字+随机大写英文字母，整个构图有点张扬,每刷新一次,每个字符还会变位置呢!有时候出来的图片,人眼都识别不了,厉害啊…4，ms的hotmail申请时候的是bmp格式,随机数字+随机大写英文字母+随机干扰像素+随机位置。

　　5，google的gmail注册时候的是jpg格式，随机英文字母+随机颜色+随机位置+随机长度。6，其他各大论坛的是xbm格式，内容随机。

　　（4）意义：不少网站为了防止用户利用机器人自动注册、登录、灌水，都采用了验证码技术。所谓验证码，就是将一串随机产生的数字或符号，生成一幅图片，图片里加上一些干扰象素（防止ocr），由用户肉眼识别其中的验证码信息，输入表单提交网站验证，验证成功后才能使用某项功能。

　　验证码的作用：有效防止这种问题对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试，实际上是用验证码是现在很多网站通行的方式（比如招商银行的网上个人银行，腾讯的qq社区），我们利用比较简易的方式实现了这个功能。虽然登陆麻烦一点，但是对社区还来说这个功能还是很有必要，也很重要。但我们还是提醒大家主要保护自己的密码，尽量使用混杂了数字、字母、符号在内的6位以上密码，不要使用诸如1234之类的简单密码或者与用户名相同、类似的密码。不要因为只是来iclub问问问题，就随意设置密码，保护你自己的密码也是保护你自己，免得你的账号给人盗用给自己带来不必要的麻烦。

　　要学会就得来逐步讲解识别验证码过程中的各个步骤。

　　如上图，随后的讲解我们都围绕此图展开。

　　一：拿到一个验证码的，第一眼我们首先要做的工作是，二值化。把验证码的部分用1表示，背景部分用0表示出来，识别方法很简单，我们打印出验证码正张图片的rgb，然后分析其规律即可，通过rgb码，我们很容易分辨出上面这张图片的r值大于120，g和b的值小于80，所以依据这个规则我们很容易把上面的图片二值化。再看初级篇中识别的两张图

　　刚看上去，感觉很复杂。验证码的图片每次背景色都不相同，且不是单色，各个验证码数字的颜色每次也各不相同。貌似很难二值化，其实我们打印出其rgb值很容易就发现。无论验证数字颜色如何变化，该数字的rgb值总有一个值小于125，所以通过如下判断

　　$rgbarray[red]<125$rgbarray[green]<125$rgbarray[blue]<125

　　我们就很容易分辨出哪里是数字，哪里是背景。

　　我们能够找到这些规律的因素是，在制作验证码的干扰素时，为了使干扰素不影响数字的显示效果，必须使用干扰素的rgb和数字rgb相互独立，互不干扰。只要懂得这个规律，我们就很容易实现二值化。

　　我们找到的120，80，125等阈值，可能和实际的rgb有出入，所以，有时二值化后，会有部分地方出现1，对于验证码上固定位置显示数字，这种干扰没有太大意义。但是对于验证码位置不确定的图片来说，在我们切割字符时，很可能造成干扰。所以，在二值化后要进行去噪出来。

　　二：接下来我们进行第二个步骤，出噪。出燥的原理很简单，就是把孤立的有效的值去掉，如果噪点比较高，要求的效率也比较高的话，这里面也有很多工作要做。幸好这里我们不要求这么高深，我们使用最简单的方法就可以，如果一个点为1则判断这个点的上下左右上左上右下左下右8个方位上数字是否为1，如果不为1，就认为是一个燥点，直接设置为1即可。

　　如上图所示，我们使用此方法很容易发现红色方框部分的1为燥点，直接设置为1即可。

　　在判断时我们使用了一个技巧，有时候的噪点可能是两个连续的1，所以我们

　　$num=0;if($data[$i][$j]==1){//上if(isset($data[$i-1][$j])){$num=$num+$data[$i-1][$j];}//下if(isset($data[$i+1][$j])){$num=$num+$data[$i+1][$j];}//左if(isset($data[$i][$j-1])){$num=$num+$data[$i][$j-1];}//右if(isset($data[$i][$j+1])){$num=$num+$data[$i][$j+1];}//上左if(isset($data[$i-1][$j-1])){$num=$num+$data[$i-1][$j-1];}//上右if(isset($data[$i-1][$j+1])){$num=$num+$data[$i-1][$j+1];}//下左if(isset($data[$i+1][$j-1])){$num=$num+$data[$i+1][$j-1];}//下右if(isset($data[$i+1][$j+1])){$num=$num+$data[$i+1][$j+1];}}if($num==0){$data[$i][$j]=0;}$num=0;if($data[$i][$j]==1){//上if(isset($data[$i-1][$j])){$num=$num+$data[$i-1][$j];}//下if(isset($data[$i+1][$j])){$num=$num+$data[$i+1][$j];}//左if(isset($data[$i][$j-1])){$num=$num+$data[$i][$j-1];}//右if(isset($data[$i][$j+1])){$num=$num+$data[$i][$j+1];}//上左if(isset($data[$i-1][$j-1])){$num=$num+$data[$i-1][$j-1];}//上右if(isset($data[$i-1][$j+1])){$num=$num+$data[$i-1][$j+1];}//下左if(isset($data[$i+1][$j-1])){$num=$num+$data[$i+1][$j-1];}//下右if(isset($data[$i+1][$j+1])){$num=$num+$data[$i+1][$j+1];}}if($num==0){$data[$i][$j]=0;}

　　我们计算这个点的8个方向上的值之和，最后我们判断他们的和是否小于特定的阈值

　　三：经过去噪后，我们就得到干净的二值化的数据，接下来要做的就是切割字符了。切割字符的方法有很多种，这里我采用最简单的一种，先垂直方向切割成为字符，然后在水平方向去掉多于的0000，如下图

　　第一步切割红线部分，第二步切割蓝线部分，这样就可以得到独立的字符了。但是像下面这种情况

　　按上面的方法会把dw字符切割成一个字符，这是错误的切割，所以这里我们涉及到粘连字符的切割。

　　四：粘连字符切割，制作验证码时，规则字符的粘连很容易分割开，如果字符本身有缩放，变形就很难处理，经过分析，我们可以发现，上面的字符粘连属于很简单的方式，只是规则字符的粘连，所以处理这种情况，我们也使用很简单的处理方式。当完成分割操作后，我们不能马上确定分割的部分就为一个字符，要进行验证，验证的关键因素就是，切割下来的字符的宽是否大于阈值，这个阈值的取舍标准是，一个字符无论怎么旋转变形都不会大于这个阈值，所以，如果我们切割的块大于这个阈值，就可以认为这是一个粘连字符；如果大于两个阈值之和，就认为是三个字符粘连，以此类推。知道这个规则后，切割粘连字符也就很简单了。如果我们发现是粘连字符块，直接平分这个块为两个或者多个新的块就可以。当然为了更好的还原字符，我一般都采用平分+1，-1对字符块的部分进行适当的补充。

　　五：经过上面四个步骤，我们就可以提取出比较纯的字符块了，接下来要做就是匹配字符了。对于旋转字符的特征码建立，有很多种方法，这里就不做深入研究了。我这里使用的最简单的方式，为所有字符的所有情况建立匹配库，所以在我提供的代码种增加了study操作，其目的就是，先有人手工识别图片的验证码，然后通过study方法，写入特征码库。这样写入的图片数据越多，验证识别的准确行也就越高。

　　好了，经过以上步骤，我们基本上可以识别现在互联网上大部分的验证码，这里我们都是使用的最简单的方法，没有使用任何ocr知识。这些方法，应该属于非ocr领域的顶峰了，要想识别更加复杂的验证码，那就需要更多的ocr知识了。有机会的话，我会在高级篇中一一做介绍。

　　下面是一些容易识别的验证码，希望引起网站管理者的重视。

　　制作验证码的一些建议

　　对于识别验证码的程序来说，最难得部分是验证字符的切割和特征码的建立，而国内很多程序员只做验证码时，总是喜欢在验证码加很多干扰素，干扰线，影响效果不说，还达不到很好的效果；所以，要想使自己验证码难于本识别，只做下面两点就够了

　　1：字符粘连，最好所有的字符都有粘连的部分；

　　2：不要使用规格字符，验证码的各个部分使用不同比例的缩放或者旋转。

　　只要做到这两点，或者这两点的变形，识别程序就很难识别。我们看看，yahoo和google的验证码就知道，白字黑底，却很难被识别。

　　goole:

　　yahoo:

　　分享到搜狐微博