用 Go 构建简易验证码识别工具：实战篇

验证码的核心目的是阻止脚本自动化提交。尽管大多数验证码系统为了防止识别加入了干扰元素，但一些简单验证码仍然可以通过图像预处理和字符识别方式有效破解。本篇文章将用 Go 语言实现一个验证码识别流程，涵盖图像加载、处理、切割和模拟识别。

实现目标
支持 PNG/JPG 验证码输入

自动灰度、二值化处理

按字符均分切割
更多内容访问ttocr.com或联系1436423940
使用 mock 函数模拟识别流程

所需库

go get github.com/disintegration/imaging
核心模块实现

1. 读取并灰度化图像

func loadGrayImage(path string) *image.Gray {
src, err := imaging.Open(path)
if err != nil {
log.Fatal("无法打开图像:", err)
}
return imaging.Grayscale(src)
}
2. 简单二值化处理

func thresholdBinary(img *image.Gray, threshold uint8) *image.Gray {
bounds := img.Bounds()
result := image.NewGray(bounds)

for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
	for x := bounds.Min.X; x < bounds.Max.X; x++ {
		pixel := img.GrayAt(x, y).Y
		if pixel > threshold {
			result.SetGray(x, y, color.Gray{Y: 255})
		} else {
			result.SetGray(x, y, color.Gray{Y: 0})
		}
	}
}
return result

}
3. 等宽字符切割（适用于无干扰验证码）

func splitChars(img *image.Gray, count int) []image.Image {
width := img.Bounds().Dx()
height := img.Bounds().Dy()
charW := width / count
var result []image.Image

for i := 0; i < count; i++ {
	sub := imaging.Crop(img, image.Rect(i*charW, 0, (i+1)*charW, height))
	resized := imaging.Resize(sub, 28, 28, imaging.Lanczos)
	result = append(result, resized)
}
return result

}
4. 模拟字符识别（可以对接外部模型）

func mockRecognize(img image.Image) string {
// 实际可通过 API 发送图像至 Python 模型服务
return "?"
}
主流程整合

func main() {
img := loadGrayImage("captcha.png")
bin := thresholdBinary(img, 128)
charImgs := splitChars(bin, 4)

var result string
for _, char := range charImgs {
	result += mockRecognize(char)
}

fmt.Println("识别结果:", result)

}