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）
class gjPhone { protected $imgPath; // 图片路径 protected $imgSize; // 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->imgPath = $path; } public function getHec () { $size = getimagesize($this->imgPath); $res = imagecreatefrompng($this->imgPath); for ($i = 0; $i < $size[1]; ++ $i) { for ($j = 0; $j < $size[0]; ++ $j) { $rgb = imagecolorat($res, $j, $i); $rgbarray = imagecolorsforindex($res, $rgb); if ($rgbarray['red'] < 125 || $rgbarray['green'] < 125 || $rgbarray['blue'] < 125) { $data[$i][$j] = 1; } else { $data[$i][$j] = 0; } } } $this->imgSize = $size; $this->hecData = $data; } public function magHorData () { $data = $this->hecData; $size = $this->imgSize; $z = 0; for ($i = 0; $i < $size[1]; ++ $i) { if (in_array('1', $data[$i])) { $z ++; for ($j = 0; $j < $size[0]; ++ $j) { if ($data[$i][$j] == '1') { $newdata[$z][$j] = 1; } else { $newdata[$z][$j] = 0; } } } } return $this->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; } } $imgurl = 'jd.png'; list ($width, $heght, $type, $attr) = getimagesize($imgurl); $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); $oldimg = imagecreatefrompng($imgurl); // 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__ . 'https://www.jb51.net/' . $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 . ' | '; }