识别图形验证码

该代码段展示了一个JavaScript功能,用于获取验证码图片的base64编码,并通过AJAX发送到服务器进行识别。当输入框获得焦点或图片加载后,会触发验证码的获取和识别过程,识别结果将填充到验证码输入框。
摘要由CSDN通过智能技术生成

自动识别验证码,并填充到输入孔

1. 获取验证码图片

验证码链接会随机生成不同的图片,所以得获取当前显示的图片信息(base64)

$(function() {
	bind_input_change();
});

// 绑定切换事件
function bind_input_change() {
	$('input[name="captcha"]').on('focus',function() {
		get_captcha();
	});
	
	// 验证码加载后自动识别
	$($('.captcha')[1]).load(function(){
		get_captcha();
	});
}

// 获取验证码
function get_captcha() {
	$.ajax({
		method: 'post',
		url: 'http://127.0.0.1:8000/',
		data: {
			base64: get_image_base64()
		},
		success: function(res) {
			console.log('验证码识别成功', res);
			$('input[name="captcha"]').val(res)
		},
		error: function(res) {
			console.log('验证码识别失败', res)
		}
	});
}

// 获取图片base64
function get_image_base64() {
	// 获取当前图片链接
	let url = $($('.captcha')[1]).attr('src');

	let image = new Image();
	image.src = url;
	let canvas = document.createElement("canvas");
	canvas.width = image.width;
	canvas.height = image.height;
	let ctx = canvas.getContext("2d");
	ctx.drawImage(image, 0, 0, image.width, image.height);
	let ext = image.src.substring(image.src.lastIndexOf(".") + 1).toLowerCase();
	let base64 = canvas.toDataURL("image/" + ext);

	//global_image_base64 = base64
	return base64;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV可以用于识别图形验证码。一般来说,验证码识别可以分为以下几个步骤: 1. 图像预处理:通过二值化、去噪等方式将验证码图片进行预处理,以便后续处理; 2. 字符分割:将验证码中的每个字符分割出来,以便单独进行识别; 3. 字符识别:使用机器学习或深度学习等方法对每个字符进行识别。 以下是一个简单的示例代码,用于识别由4个字符组成的图形验证码。 ```python import cv2 import numpy as np import pytesseract # 读取验证码图片 img = cv2.imread('captcha.png') # 将图片转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化处理 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 去除噪声 kernel = np.ones((3, 3), np.uint8) thresh = cv2.erode(thresh, kernel, iterations=1) thresh = cv2.dilate(thresh, kernel, iterations=1) # 查找轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 对轮廓进行排序 contours = sorted(contours, key=lambda c: cv2.boundingRect(c)[0]) # 识别每个字符 captcha = '' for contour in contours: # 提取每个字符的ROI x, y, w, h = cv2.boundingRect(contour) roi = thresh[y:y + h, x:x + w] # 将字符缩放为20x20的大小 roi = cv2.resize(roi, (20, 20), interpolation=cv2.INTER_AREA) # 将字符转换为文本 captcha += pytesseract.image_to_string(roi, config='--psm 10') # 输出识别结果 print('验证码为:', captcha) ``` 需要注意的是,验证码识别是一项比较复杂的任务,可能需要根据具体的验证码做出相应的调整和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值