- 浏览: 868925 次
文章分类
最新评论
-
angel6709:
怎么下载啊
Android 蓝牙开发实例--蓝牙聊天程序的设计和实现 -
再_见孙悟空:
能识别中文不?
借@阿里巴巴 耍了个帅——HTML5 JavaScript实现图片文字识别与提取 -
在下个路口:
连接时总是报Unable to start Service D ...
Android 蓝牙开发实例--蓝牙聊天程序的设计和实现 -
mike.liu:
如果在社会上,站在政府的立场思考问题,是会被人说5毛的。但是在 ...
项目预估激发的矛盾 -
kjmmlzq19851226:
我的意思是说,公司采取两种策略:
1. 每月4k的基本工资,另 ...
项目预估激发的矛盾
借@阿里巴巴 耍了个帅——HTML5 JavaScript实现图片文字识别与提取
写在前面
8月底的时候,@阿里巴巴 推出了一款名为“拯救斯诺克”的闯关游戏,作为前端校园招聘的热身,做的相当不错,让我非常喜欢。后来又传出了一条消息,阿里推出了A-star(阿里星)计划,入职阿里的技术培训生,将接受CTO等技术大牛的封闭培训,并被安排到最有挑战的项目中,由技术带头人担任主管。于是那几天关注了一下阿里巴巴的消息,结果看到这么一条微博(http://e.weibo.com/1897953162/A79Lpcvhi):
此刻,@阿里足球队 可爱的队员们已经出征北上。临走前,后防线的队员们留下一段亲切的问候,送给对手,看@新浪足球队 的前锋们如何破解。@袁甲 @蓝耀栋 #阿里新浪足球世纪大战#
目测是一段Base64加密过的信息,但无奈的是这段信息是写在图片里的,我想看到解密后的内容难道还一个字一个字地打出来?这么懒这么怕麻烦的我肯定不会这么做啦→_→想到之前有看到过一篇关于HTML5实现验证码识别的文章,于是顿时觉得也应该动手尝试一下,这才是极客的风范嘛!
Demo与截图
先来一个大家最喜欢的Demo地址(识别过程需要一定时间,请耐心等待,识别结果请按F12打开Console控制台查看):
http://www.clanfei.com/demos/recognition/
再来张效果图:
思路
实现一个算法,思路是最重要的,而实现不过是把思想转化为能够运行的代码。
简单地说,要进行文本识别,自然是拿图片的数据与文字的图形数据进行对比,找到与图片数据匹配程度最高的字符。
首先,先确定图片中文本所用的字体、字号、行距等信息,打开PhotoShop,确定了字体为微软雅黑,16像素,行距为24,Base64文字的开始坐标为(8, 161)。
然后,确定要进行匹配的字库,Base64编码中可能出现的字符为26个字母大小写、10个数字、加号、斜杠,但目测在图片中没有斜杠出现,因此字库应该为:
0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ+
接着,是确定如何判断字符是否匹配,由于只需要对字型进行匹配,因此颜色值对算法并无用处,因此将其灰度化(详见百度百科),并使用01数组表示,1代表该像素点落在此字符图形上,0反之,而如何确定该某个灰度值在数组中应该表示为0还是1,这个转换公式更是算法中的关键。
最后,将字型的灰度化数据与图片中文字部分的灰度化数据进行对比,将误差最小的字型作为匹配到的字符,然后进行下一个字符的匹配,直到图片中所有字符匹配完毕为止。
递归实现
详细的思路于代码注释中,个人觉得这样结合上下文更为容易理解(注:代码应运行于服务器环境,否则会出现跨域错误,代码行数虽多,但注释就占了大半,有兴趣可以耐心看完,图片资源于上方“写在前面”)。
- <!doctype html>
- <htmllang="zh-CN">
- <head>
- <metacharset="UTF-8">
- <title>文字识别</title>
- </head>
- <body>
- <canvasid="canvas"width="880"height="1500"></canvas>
- <scripttype="text/javascript">
- varimage=newImage();
- image.onload=recognition;
- image.src='image.jpg';
- functionrecognition(){
- // 开始时间,用于计算耗时
- varbeginTime=newDate().getTime();
- // 获取画布
- varcanvas=document.getElementById('canvas');
- // 字符库
- varletters='0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ+';
- // 字型数据
- varletterData={};
- // 获取context
- varcontext=canvas.getContext('2d');
- // 设置字体、字号
- context.font='16px 微软雅黑';
- // 设置文字绘制基线为文字顶端
- context.textBaseline='top';
- // 一个循环获取字符库对应的字型数据
- for(vari=0;i<letters.length;++i){
- varletter=letters[i];
- // 获取字符绘制宽度
- varwidth=context.measureText(letter).width;
- // 绘制白色背景,与图片背景对应
- context.fillStyle='#fff';
- context.fillRect(0,0,width,22);
- // 绘制文字,以获取字型数据
- context.fillStyle='#000';
- context.fillText(letter,0,0);
- // 缓存字型灰度化0-1数据
- letterData[letter]={
- width:width,
- data:getBinary(context.getImageData(0,0,width,22).data)
- }
- // 清空该区域以获取下个字符字型数据
- context.clearRect(0,0,width,22);
- }
- // console.log(letterData);
- // 绘制图片
- context.drawImage(this,0,0);
- // 要识别的文字开始坐标
- varx=beginX=8;
- vary=beginY=161;
- // 行高
- varlineHeight=24;
- // 递归次数
- varcount=0;
- // 结果文本
- varresult='';
- // 递归开始
- findLetter(beginX,beginY,'');
- // 递归函数
- functionfindLetter(x,y,str){
- // 找到结果文本,则递归结束
- if(result){
- return;
- }
- // 递归次数自增1
- ++count;
- // console.log(str);
- // 队列,用于储存可能匹配的字符
- varqueue=[];
- // 循环匹配字符库字型数据
- for(varletter in letterData){
- // 获取当前字符宽度
- varwidth=letterData[letter].width;
- // 获取该矩形区域下的灰度化0-1数据
- vardata=getBinary(context.getImageData(x,y,width,22).data);
- // 当前字符灰度化数据与当前矩形区域下灰度化数据的偏差量
- vardeviation=0;
- // 一个临时变量以确定是否到了行末
- varisEmpty=true;
- // 如果当前矩形区域已经超出图片宽度,则进行下一个字符匹配
- if(x+width>440){
- continue;
- }
- // 计算偏差
- for(vari=0,l=data.length;i<l;++i){
- // 如果发现存在的有效像素点,则确定未到行末
- if(isEmpty&&data[i]){
- isEmpty=false;
- }
- // 不匹配的像素点,偏差量自增1
- if(data[i]!=letterData[letter].data[i]){
- ++deviation;
- }
- }
- // 由于调试时是在猎豹浏览器下进行的,而不同浏览器下的绘图API表现略有不同
- // 考虑到用Chrome的读者应该也不少,故简单地针对Chrome对偏差进行一点手动微调
- // (好吧,我承认我是懒得重新调整getBinary方法的灰度化、0-1化公式=_=||)
- // 下面这段if分支在猎豹浏览器下可以删除
- if(letter=='F'||letter=='E'){
- deviation-=6;
- }
- // 如果匹配完所有17行数据,则递归结束
- if(y>beginY+lineHeight*17){
- result=str;
- break;
- }
- // 如果已经到了行末,重置匹配坐标
- if(isEmpty){
- x=beginX;
- y+=lineHeight;
- str+='\n';
- }
- // 如果偏差量与宽度的比值小于3,则纳入匹配队列中
- // 这里也是算法中的关键点,怎样的偏差量可以纳入匹配队列中
- // 刚开始是直接用绝对偏差量判断,当偏差量小于某个值的时候则匹配成功,但调试过程中发现不妥之处
- // 字符字型较小的绝对偏差量自然也小,这样l,i等较小的字型特别容易匹配成功
- // 因此使用偏差量与字型宽度的比值作为判断依据较为合理
- // 而这个判断值3的确定也是难点之一,大了递归的复杂度会大为增长,小了很可能将正确的字符漏掉
- if(deviation/width<3){
- queue.push({
- letter:letter,
- width:width,
- deviation:deviation
- });
- }
- }
- // 如果匹配队列不为空
- if(queue.length){
- // 对队列进行排序,同样是根据偏差量与字符宽度的比例
- queue.sort(compare);
- // console.log(queue);
- // 从队头开始进行下一个字符的匹配
- for(vari=0;i<queue.length&&!result;++i){
- varitem=queue[i];
- // 下一步递归
- findLetter(x+item.width,y,str+item.letter);
- }
- }else{
- returnfalse;
- }
- }
- // 递归结束
- // 两个匹配到的字符的比较方法,用于排序
- functioncompare(letter1,letter2){
- returnletter1.deviation/letter1.width-letter2.deviation/letter2.width;
- }
- // 图像数据的灰度化及0-1化
- functiongetBinary(data){
- varbinaryData=[];
- for(vari=0,l=data.length;i<l;i+=4){
- // 尝试过三种方式
- // 一种是正常的灰度化公式,无论系数如何调整都无法与绘制的文字字型数据很好地匹配
- // binaryData[i / 4] = (data[i] * 0.3 + data[i + 1] * 0.59 + data[i + 2] * 0.11) < 90;
- // 一种是自己是通过自己手动调整系数,结果虽然接近但总是不尽人意
- // binaryData[i / 4] = data[i] < 250 && data[i + 1] < 203 && data[i + 2] < 203;
- // 最后使用了平均值,结果比较理想
- binaryData[i/4]=(data[i]+data[i+1]+data[i+2])/3<200;
- }
- returnbinaryData;
- }
- console.log(result);
- // 输出耗时
- console.log(count,(newDate().getTime()-beginTime)/1000+' s');
- // 将文字绘制到图片对应位置上,以方便查看提取是否正确
- context.drawImage(this,this.width,0);
- vartextArray=result.split('\n');
- for(vari=0;i<textArray.length;++i){
- context.fillText(textArray[i],this.width+beginX,beginY+lineHeight*i);
- }
- }
- </script>
- </body>
- </html>
运行环境
Win7 64位,i3-3220 CPU 3.30 GHz,8G内存
运行结果
- yv66vgAAADIAHQoABgAPCQAQABEIABIKABMAFAcAF
- QcAFgEABjxpbml0PgEAAygpVgEABENvZGUB
- AA9MaW5lTnVtYmVyVGFibGUBAARtYWluAQAWKFtMa
- mF2YS9sYW5nL1N0cmluZzspVgEAClNvdXJj
- ZUZpbGUBAAlNYWluLmphdmEMAAcACAcAFwwAGAA
- ZAQBv5paw5rWq6Laz55CD6Zif5a6e5Yqb6LaF
- 576k77yM6Zi15a656LGq5Y2O44CC5LmF5Luw5aSn5ZC
- N77yM5ZGo5pel5LiA5oiY77yM6L+Y5pyb
- 5LiN6YGX5L2Z5Yqb77yM5LiN5ZCd6LWQ5pWZ44CCBw
- AaDAAbABwBAARNYWluAQAQamF2YS9sYW5n
- L09iamVjdAEAEGphdmEvbGFuZy9TeXN0ZW0BAANvdX
- QBABVMamF2YS9pby9QcmludFN0cmVhbTsB
- ABNqYXZhL2lvL1ByaW50U3RyZWFtAQAHcHJpbnRsbgE
- AFShMamF2YS9sYW5nL1N0cmluZzspVgAh
- AAUABgAAAAAAAgABAAcACAABAAkAAAAdAAEAAQA
- AAAUqtwABsQAAAAEACgAAAAYAAQAAAAEACQAL
- AAwAAQAJAAAAJQACAAEAAAAJsgACEgO2AASxAAAA
- AQAKAAAACgACAAAAAwAIAAQAAQANAAAAAgAO
- 7151.984s(猎豹)
- 77215.52s(Chrome)
(递归次数谷歌只比猎豹多几十,耗时却对了十几秒,看来猎豹真的比Chrome快?)
非递归实现
其实非递归实现只是递归实现前做的一点小尝试,只在猎豹下调试完成,因为不舍得删,所以顺便贴出来了,使用Chrome的各位就不要跑了(我真的不是在给猎豹做广告= =||)。
- <!doctype html>
- <htmllang="zh-CN">
- <head>
- <metacharset="UTF-8">
- <title>文字识别</title>
- </head>
- <body>
- <canvasid="canvas"width="880"height="1500"></canvas>
- <scripttype="text/javascript">
- varimage=newImage();
- image.onload=recognition;
- image.src='image.jpg';
- functionrecognition(){
- // 开始时间,用于计算耗时
- varbeginTime=newDate().getTime();
- // 获取画布
- varcanvas=document.getElementById('canvas');
- // 字符库
- varletters='0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ+';
- // 字型数据
- varletterData={};
- // 获取context
- varcontext=canvas.getContext('2d');
- // 设置字体、字号
- context.font='16px 微软雅黑';
- // 设置文字绘制基线为文字顶端
- context.textBaseline='top';
- // 一个循环获取字符库对应的字型数据
- for(vari=0;i<letters.length;++i){
- varletter=letters[i];
- // 获取字符绘制宽度
- varwidth=context.measureText(letter).width;
- // 绘制白色背景,与图片背景对应
- context.fillStyle='#fff';
- context.fillRect(0,0,width,22);
- // 绘制文字,以获取字型数据
- context.fillStyle='#000';
- context.fillText(letter,0,0);
- // 缓存字型灰度化0-1数据
- letterData[letter]={
- width:width,
- data:getBinary(context.getImageData(0,0,width,22).data)
- }
- // 清空该区域以获取下个字符字型数据
- context.clearRect(0,0,width,22);
- }
- // console.log(letterData);
- // 绘制图片
- context.drawImage(this,0,0);
- // 要识别的文字开始坐标
- varx=beginX=8;
- vary=beginY=161;
- // 行高
- varlineHeight=24;
- // 结果文本
- varresult='';
- // 非递归开始
- varcount=0;
- while(y<=569&&++count<1000){
- // 当前最匹配的字符
- vartrueLetter={letter:null,width:null,deviation:100};
- // 循环匹配字符
- for(varletter in letterData){
- // 获取当前字符宽度
- varwidth=letterData[letter].width;
- // 获取该矩形区域下的灰度化0-1数据
- vardata=getBinary(context.getImageData(x,y,width,22).data);
- // 当前字符灰度化数据与当前矩形区域下灰度化数据的偏差量
- vardeviation=0;
- // 一个临时变量以确定是否到了行末
- varisEmpty=true;
- // 如果当前矩形区域已经超出图片宽度,则进行下一个字符匹配
- if(x+width>this.width){
- continue;
- }
- // 计算偏差
- for(vari=0,l=data.length;i<l;++i){
- // 如果发现存在的有效像素点,则确定未到行末
- if(isEmpty&&data[i]){
- isEmpty=false;
- }
- // 不匹配的像素点,偏差量自增1
- if(data[i]!=letterData[letter].data[i]){
- ++deviation;
- }
- }
- // 非递归无法遍历所有情况,因此针对某些字符进行一些微调(这里只针对猎豹,Chrome的没做)
- // 因为其实非递归实现只是在递归实现前做的一点小尝试,因为不舍得删,就顺便贴出来了
- if(letter=='M'){
- deviation-=6;
- }
- // 如果偏差量与宽度的比值小于3,则视为匹配成功
- if(deviation/width<3){
- // 将偏差量与宽度比值最小的作为当前最匹配的字符
- if(deviation/width<trueLetter.deviation/trueLetter.width){
- trueLetter.letter=letter;
- trueLetter.width=width;
- trueLetter.deviation=deviation;
- }
- }
- }
- // 如果已经到了行末,重置匹配坐标,进行下一轮匹配
- if(isEmpty){
- x=beginX;
- y+=lineHeight;
- result+='\n';
- continue;
- }
- // 如果匹配到的字符不为空,则加入结果字符串,否则输出匹配结果
- if(trueLetter.letter){
- result+=trueLetter.letter;
- // console.log(x, y, trueLetter.letter);
- }else{
- console.log(x,y,result.length);
- break;
- }
- // 调整坐标至下一个字符匹配位置
- x+=trueLetter.width;
- }
- // 非递归结束
- // 图像数据的灰度化及0-1化
- functiongetBinary(data){
- varbinaryData=[];
- for(vari=0,l=data.length;i<l;i+=4){
- // 尝试过三种方式
- // 一种是正常的灰度化公式,无论系数如何调整都无法与绘制的文字字型数据很好地匹配
- // binaryData[i / 4] = (data[i] * 0.3 + data[i + 1] * 0.59 + data[i + 2] * 0.11) < 90;
- // 一种是自己是通过自己手动调整系数,结果虽然接近但总是不尽人意
- // binaryData[i / 4] = data[i] < 250 && data[i + 1] < 203 && data[i + 2] < 203;
- // 最后使用了平均值,结果比较理想
- binaryData[i/4]=(data[i]+data[i+1]+data[i+2])/3<200;
- }
- returnbinaryData;
- }
- console.log(result);
- // 输出耗时
- console.log(count,(newDate().getTime()-beginTime)/1000+' s');
- // 将文字绘制到图片对应位置上,以方便查看提取是否正确
- context.drawImage(this,this.width,0);
- vartextArray=result.split('\n');
- for(vari=0;i<textArray.length;++i){
- context.fillText(textArray[i],this.width+beginX,beginY+lineHeight*i);
- }
- }
- </script>
- </body>
- </html>
运行结果
- yv66vgAAADIAHQoABgAPCQAQABEIABIKABMAFAcAF
- QcAFgEABjxpbml0PgEAAygpVgEABENvZGUB
- AA9MaW5lTnVtYmVyVGFibGUBAARtYWluAQAWKFtMa
- mF2YS9sYW5nL1N0cmluZzspVgEAClNvdXJj
- ZUZpbGUBAAlNYWluLmphdmEMAAcACAcAFwwAGAA
- ZAQBv5paw5rWq6Laz55CD6Zif5a6e5Yqb6LaF
- 576k77yM6Zi15a656LGq5Y2O44CC5LmF5Luw5aSn5ZC
- N77yM5ZGo5pel5LiA5oiY77yM6L+Y5pyb
- 5LiN6YGX5L2Z5Yqb77yM5LiN5ZCd6LWQ5pWZ44CCBw
- AaDAAbABwBAARNYWluAQAQamF2YS9sYW5n
- L09iamVjdAEAEGphdmEvbGFuZy9TeXN0ZW0BAANvdX
- QBABVMamF2YS9pby9QcmludFN0cmVhbTsB
- ABNqYXZhL2lvL1ByaW50U3RyZWFtAQAHcHJpbnRsbgE
- AFShMamF2YS9sYW5nL1N0cmluZzspVgAh
- AAUABgAAAAAAAgABAAcACAABAAkAAAAdAAEAAQA
- AAAUqtwABsQAAAAEACgAAAAYAAQAAAAEACQAL
- AAwAAQAJAAAAJQACAAEAAAAJsgACEgO2AASxAAAA
- AQAKAAAACgACAAAAAwAIAAQAAQANAAAAAgAO
- 7021.931s(猎豹)
真正的结果
找了个在线的Base64解码工具将上面的提取结果进行了一下解码,发现是一个Java编译后的.class文件,大概内容是:“新浪足球队实力超群,阵容豪华。久仰大名,周日一战,还望不遗余力,不吝赐教。”
写在最后
这个只是一个最浅层次的文字识别提取算法,不够通用,性能也一般,权当兴趣研究之用,不过我想,勇于实践、敢于尝试的精神才是最重要的。。
因为最近实习工作略忙,再加上学校开学事情也多,拖了两个星期才把这边文章写出来,除此之外还有不少计划都落下了,还得继续努力啊>_<
还有最近的一些思考的结果和感触也要找个时间写下来。
PS:写这篇博客的时候精神略差,之后有想到什么再作补充吧,如果写的不好还请多多指教!
=======================签 名 档=======================
原文地址(我的博客):http://www.clanfei.com/2013/09/1723.html
欢迎访问交流,至于我为什么要多弄一个博客,因为我热爱前端,热爱网页,我更希望有一个更加自由、真正属于我自己的小站,或许并不是那么有名气,但至少能够让我为了它而加倍努力。。
=======================签 名 档=======================
相关推荐
《Web前端设计基础——HTML5、CSS3、JavaScript》张树明版前十章课后习题答案
JavaScript应用实例-百度ocr图片文字识别.js
Javascript图片文字识别插件JS-OCR
javascript实现的阿里巴巴的滑动TAB导航效果源码
HTML5期末考核大作业源码 包含 个人、 美食、 公司、 学校、 旅游、 电商、 宠物、 电器、 茶叶、 家居、 酒店、 舞 蹈、 动漫、 服装、 体育、 化妆品、 物流、 环保、 书籍、 婚纱、游戏、 节日、 戒烟、 电影、 ...
NULL 博文链接:https://dbajun.iteye.com/blog/242763
网页设计与开发——HTML、CSS、JavaScript实例教程网页设计与开发——HTML、CSS、JavaScript实例教程网页设计与开发——HTML、CSS、JavaScript实例教程网页设计与开发——HTML、CSS、JavaScript实例教程网页设计与...
HTML5期末考核大作业源码 包含 个人、 美食、 公司、 学校、 旅游、 电商、 宠物、 电器、 茶叶、 家居、 酒店、 舞 蹈、 动漫、 服装、 体育、 化妆品、 物流、 环保、 书籍、 婚纱、游戏、 节日、 戒烟、 电影、 ...
网页设计与开发——html css javascript 幻灯片 ppt
网页制作基础语言——HTML和JavaScript.ppt
利用JavaScript实现图片标注——SearchMapIdentityTask
利用HTML5中的Canvas识别相似图片
用html5和javascript实现进程同步模拟——司机售票员问题。在文档后面还附有源代码。
HTML5期末考核大作业源码 包含 个人、 美食、 公司、 学校、 旅游、 电商、 宠物、 电器、 茶叶、 家居、 酒店、 舞 蹈、 动漫、 服装、 体育、 化妆品、 物流、 环保、 书籍、 婚纱、游戏、 节日、 戒烟、 电影、 ...
前端开发权威指南——融合html javascript css php .doc
JavaScript资源
HTML5期末考核大作业源码 包含 个人、 美食、 公司、 学校、 旅游、 电商、 宠物、 电器、 茶叶、 家居、 酒店、 舞 蹈、 动漫、 服装、 体育、 化妆品、 物流、 环保、 书籍、 婚纱、游戏、 节日、 戒烟、 电影、 ...
教你一天玩转JavaScript(四)——使用JavaScript实现定时弹出广告定时隐藏广告