其实图像识别技术与我们平时做的密码验证之类的没有什么区别，都是事先把要校验的数据入库，然后使用时将录入（识别）的数据与库中的数据做对比，只不过图像识别技术有一部分的容错性，而我们平时的密码验证是要100%匹配。
前几天，有朋友谈到做游戏点击抽奖，识别图片中的文字，当时立马想到的就是js控制或者flash做遮罩层，感觉这种办法是最方便快捷效果好，而且节省服务器资源，但是那边提的要求竟然是通过php识别图像中的文字。
赶巧那两天的新闻有：1、马云人脸识别支付；2、12306使用新的验证码，说什么现在国内的抢票软件都不能用了，发布不到一天就被破解。然后又很凑巧的那天早上看了一篇Java的图像识别技术文章。于是就琢磨着看一下PHP的图像识别技术。
其实所谓的图像识别，已经不是什么新技术了，起码我找到的资料都是很早之前的了。只不过我一直没涉及到这方面的工作，就一直没看过。
先说下这次实验的需求：有一张图片，里面三个位置分别有三个数字，要求取出相应位置的数字的值。（眼尖的同学可能会看出下面的代码是我拿的别人的，没错，的确是我直接copy别人并删减的，毕竟我对这些也是浅尝辄止，最后会贴出原作者的初始代码）
http://files.jb51.net/file_images/article/201610/20161027113728286.png?2016927113755
class gjPhone
{
protected $; // 图片路径
protected $; // 图片大小
protected $hecData; // 分离后数组
protected $horData; // 横向整理的数据
protected $verData; // 纵向整理的数据
function __construct ($path)
{
$this->$path;
}
public function getHec ()
{
$size = getimagesize($this->);
$res = imagecreatefrompng($this->);
for ($i = 0; $i $size;
$this->hecData = $data;
}
public function magHorData ()
{
$data = $this->hecData;
$size = $this->;
$z = 0;
for ($i = 0; $i horData = $newdata;
}
public function showPhone ($ndatas)
{
error_reporting(0);
$phone = null;
$d = 0;
foreach ($ndatas as $key => $val) {
if (in_array(1, $val)) {
foreach ($val as $k => $v) {
$ndArr[$d] .= $v;
}
}
if (! in_array(1, $val)) {
$d ++;
}
}
foreach ($ndArr as $key01 => $val01) {
$phone .= $this->initData($val01);
}
return $phone;
}
/**
* 初始数据
*/
public function initData ($numStr)
{
$result = null;
$data = array(
'1' => '00000000111000000000000001110000000001001000100000000010100011000000000011000110000000000110000100000000010110011000000',
'5' => '00000000001000000000000000010000000000100100100000000000101001110000000000100000110000000011000000100000001101000010000',
'10' => '00000011100011100000000011001100100100100010010001000110000100100010001100001001000100011000010010001001001001100010100'
);
foreach ($data as $key => $val) {
similar_text($numStr, $val, $pre);
if ($pre > 95) { // 相似度95%以上
$result = $key;
break;
}
}
return $result;
}
}
$'jd.png';
list ($width, $heght, $type, $attr) = getimagesize($);
$new_w = 17;
$new_h = 11;
$thisimage = imagecreatetruecolor($new_w, $new_h); // $new_w, $new_h 为裁剪后的图片宽高
$background = imagecolorallocate($thisimage, 255, 255, 255);
imagefilledrectangle($thisimage, 0, 0, $new_w, $new_h, $background);
$old($); // 载入原始图片
// 首先定位要取图的位置(这里可以通过前端js或者其他手段定位，由于我这是测试，所以就ps定位并写死了)
$weizhi = array(
'1' => 165,
'5' => 308,
'10' => 456
);
foreach ($weizhi as $wwzz) {
$src_y = 108;
imagecopy($thisimage, $oldimg, 0, 0, $wwzz, $src_y, $new_w, $new_h); // $src_y,$new_w为原图中裁剪区域的左上角坐标拷贝图像的一部分将src_im图像中坐标从src_x，src_y开始，宽度为src_w，高度为src_h的一部分拷贝到dst_im图像中坐标为dst_x和dst_y的位置上。
$tem_png = 'tem_1.png';
imagepng($thisimage, __DIR__ . '/' . $tem_png); // 通过定位从原图中copy出想要识别的位置并生成新的缓存图，用以后面的图像识别类使用。
$gjPhone = new gjPhone($tem_png); // 实例化类
$gjPhone->getHec(); // 进行图像像素分离
$horData = $gjPhone->magHorData(); // 将分离出是数据转成01表示的图像、这里可以根据自己喜好定
$phone = $gjPhone->showPhone($horData); // 将转换好的01表示的数据与库中的数据进行匹配，匹配度95以上就算成功，库这里由于是做测试就直接写了数组
echo '| ' . $phone . ' | ';
}
页:
[1]