驗證碼的功能一般是防止使用程序惡意注冊、暴力破解或批量發(fā)帖而設置的。所謂驗證碼，就是將一串隨機產(chǎn)生的數(shù)字或符號，生成一幅圖片，圖片里加上一些干擾象素（防止OCR），由用戶肉眼識別其中的驗證碼信息，輸入表單提交網(wǎng)站驗證，驗證成功后才能使用某項功能。學習驗證碼的破解/識別技術(shù)，不僅可以知道驗證碼的原理，而且可以讓你知道怎樣才能防止驗證碼被破解。

最常見的驗證碼主要有以下幾種：

1、四位數(shù)字，隨機的一數(shù)字字符串，最原始的驗證碼，驗證作用幾乎為零。
2、隨機數(shù)字圖片驗證碼。圖片上的字符比較中規(guī)中矩，有的可能加入一些隨機干擾素，還有一些是隨機字符顏色，驗證作用比上一個好。沒有基本圖形圖像學知識的人，不可破！
3、各種圖片格式的隨機數(shù)字+隨機大寫英文字母+隨機干擾像素+隨機位置。
4、漢字是注冊目前最新的驗證碼，隨機生成，打起來更難了,影響用戶體驗，所以，一般應用的比較少。
為簡單起見，破解說明主要針對是第2種類型的，先來看看網(wǎng)上常見的這種驗證碼的圖片：

• 第一種，最容易，圖片背景和數(shù)字都使用相同的顏色，字符規(guī)整，字符位置統(tǒng)一。
• 第二種，看似不容易，其實仔細研究會發(fā)現(xiàn)其規(guī)則，背景色和干擾素無論怎么變化，驗證字符字符規(guī)整，顏色相同，所以排除干擾素非常容易，只要是非字符色素全部排除即可。
• 第三種，看似更復雜，處理上面提到背景色和干擾素一直變化外，驗證字符的顏色也在變化，并且各個字符的顏色也各不相同。
• 第四種，除了第三個圖片上提到的特征外，又在文字上加了兩條直線干擾率，看似困難其實，很容易去掉。

驗證碼識別一般分為以下幾個步驟：

1、取出字模 識別驗證碼，畢竟不是專業(yè)的OCR識別，并且，由于各個網(wǎng)站的驗證碼各不相同，所以，最常見的方法就是就是建立這個驗證碼的特征碼庫。去字模時，我們需要多下載幾張圖片，使這些圖片中，包括所有的字符，我們這里的字母只有圖片，所以，只要收集到包括0-9的圖片即可。
2、二值化 二值化就是把圖片上的驗證數(shù)字上每個象素用一種數(shù)字表示1，其他部分用0表示。這樣就可以計算出每個數(shù)字字模，記錄下這些字模來，當作key即可。
3、計算特征 把要識別的圖片，進行二值化，得到圖片特征。
4、對照樣本 把步驟3種的圖片特征碼和驗證碼的字模進行對比，得到驗證圖片上的數(shù)字。
使用目前這種方法，對驗證碼的識別基本上可以做到100%。

通過以上步驟，您可能說了，并沒有發(fā)現(xiàn)如何取出干擾素?。∑鋵嵢〕龈蓴_素的方法很簡單，干擾素的一個重要特征是，不能影響驗證碼的顯示效果，所以制作干擾素時它的RGB可能低于或者高于某個特定值，比如我給的例子中的圖片，干擾素的RGB各項值是不會超過125的，所以，這樣我們就很容易去掉干擾素了。

簡單的驗證碼只有數(shù)字和字母組成，格式統(tǒng)一，每次出現(xiàn)位置固定。下面繼續(xù)深入研究識別驗證碼，這次需要識別的目標是：驗證碼有字符和數(shù)字組成，驗證碼存在旋轉(zhuǎn)（可能左右都旋轉(zhuǎn)），位置不固定，存在字符與字符之間的粘連，且驗證碼有更強的干擾素。

我們以下圖為例進行講解。

第一步：二值化。把驗證碼的部分用 1 表示，背景部分用 0 表示出來，識別方法很簡單，我們打印出驗證碼整張圖片的 RGB ，然后分析其規(guī)律即可，通過 RGB 碼，我們很容易分辨出上面這張圖片的 R 值大于 120 ， G 和 B 的值小于 80 ，所以依據(jù)這個規(guī)則我們很容易把上面的圖片二值化。

再來看看上面的第三種驗證碼圖片

剛看上去，感覺很復雜。驗證碼的圖片每次背景色都不相同，且不是單色，各個驗證碼數(shù)字的顏色每次也各不相同。貌似很難二值化，其實我們打印出其 RGB 值很容易就發(fā)現(xiàn)。無論驗證數(shù)字顏色如何變化，該數(shù)字的 RGB 值總有一個值小于 125 ，所以通過如下判斷 $rgbarray['red'] < 125 || $rgbarray['green']<125|| $rgbarray['blue'] < 125 我們就很容易分辨出哪里是數(shù)字，哪里是背景。

我們能夠找到這些規(guī)律的原因是，在制作驗證碼的干擾素時，為了使干擾素不影響數(shù)字的顯示效果，必須使用干擾素的 RGB 和數(shù)字 RGB 相互獨立，互不干擾。只要懂得這個規(guī)律，我們就很容易實現(xiàn)二值化。

我們找到的 120 ， 80 ， 125 等閾值，可能和實際的 RGB 有出入，所以，有時二值化后，會有部分地方出現(xiàn) 1 ，對于驗證碼上固定位置顯示數(shù)字，這種干擾沒有太大意義。但是對于驗證碼位置不確定的圖片來說，在我們切割字符時，很可能造成干擾。所以，在二值化后要進行去噪處理。

第二步：去噪處理。去噪的原理很簡單，就是把孤立的有效的值去掉，如果噪點比較高，要求的效率也比較高的話，這里面也有很多工作要做。幸好這里我們不要求這么高深，我們使用最簡單的方法就可以，如果一個點為 1 則判斷這個點的上下左右上左上右下左下右 8 個方位上數(shù)字是否為 1 ，如果不為 1 ，就認為是一個燥點，直接設置為 1 即可。

如上圖所示，我們使用此方法很容易發(fā)現(xiàn)紅色方框部分的 1 為燥點，直接設置為 1 即可。在判斷時我們使用了一個技巧，有時候的噪點可能是兩個連續(xù)的 1 ，所以我們計算這個點的 8 個方向上的值之和，最后我們判斷他們的和是否小于特定的閾值。

第三步：切割字符。切割字符的方法有很多種，這里采用最簡單的一種，先垂直方向切割成為字符，然后在水平方向去掉多于的 0000 ，如下圖

第一步切割紅線部分，第二步切割藍線部分，這樣就可以得到獨立的字符了。但是像下面這種情況

按上面的方法會把 dw 字符切割成一個字符，這是錯誤的切割，所以這里我們涉及到粘連字符的切割。

第四步：粘連字符切割。制作驗證碼時，規(guī)則字符的粘連很容易分割開，如果字符本身有縮放，變形就很難處理，經(jīng)過分析，我們可以發(fā)現(xiàn)，上面的字符粘連屬于很簡單的方式，只是規(guī)則字符的粘連，所以處理這種情況，我們也使用很簡單的處理方式。當完成分割操作后，我們不能馬上確定分割的部分就為一個字符，要進行驗證，驗證的關(guān)鍵因素就是，切割下來的字符的寬是否大于閾值，這個閾值的取舍標準是，一個字符無論怎么旋轉(zhuǎn)變形都不會大于這個閾值，所以，如果我們切割的塊大于這個閾值，就可以認為這是一個粘連字符；如果大于兩個閾值之和，就認為是三個字符粘連，以此類推。知道這個規(guī)則后，切割粘連字符也就很簡單了。如果我們發(fā)現(xiàn)是粘連字符塊，直接平分這個塊為兩個或者多個新的塊就可以。當然為了更好的還原字符，我一般都采用平分 +1 ， -1 對字符塊的部分進行適當?shù)难a充。

第五步：匹配字符。對于旋轉(zhuǎn)字符的特征碼建立，有很多種方法，這里就不做深入研究了。我這里使用的最簡單的方式，為所有字符的所有情況建立匹配庫，所以在我提供的代碼種增加了 study 操作，其目的就是，先有人手工識別圖片的驗證碼，然后通過 study 方法，寫入特征碼庫。這樣寫入的圖片數(shù)據(jù)越多，驗證識別的準確行也就越高。

經(jīng)過以上步驟，我們基本上可以識別現(xiàn)在互聯(lián)網(wǎng)上大部分的驗證碼，這里我們都是使用的最簡單的方法，沒有使用任何 OCR 知識。

另外制作驗證碼的一些建議：

對于識別驗證碼的程序來說，最難得部分是驗證字符的切割和特征碼的建立，而國內(nèi)很多程序員只做驗證碼時，總是喜歡在驗證碼加很多干擾素，干擾線，影響效果不說，還達不到很好的效果；所以，要想使自己驗證碼難于本識別，只做下面兩點就夠了

1、字符粘連，最好所有的字符都有粘連的部分；
2、不要使用規(guī)格字符，驗證碼的各個部分使用不同比例的縮放或者旋轉(zhuǎn)。
只要做到這兩點，或者這兩點的變形，識別程序就很難識別。

以上就是本文的全部內(nèi)容：使用PHP對網(wǎng)站驗證碼進行破解，希望對大家的學習有所幫助。