京东文字点选验证码破解全解析：透明通道处理与模型落地实战

验证码形态与核心难点拆解

京东文字点选验证码属于典型的“按顺序点击指定文字”类交互验证。用户看到一张背景图和上方一串提示文字，需要按提示顺序依次点选背景中对应的汉字。表面看只是普通文字点选，实际落地时有两个明显卡点：一是背景图里的汉字字体种类多、干扰线条和噪点密度高，普通通用OCR模型直接跑准确率会掉得很厉害；二是提示文字所在的标题图片本身是带透明通道的四通道PNG，直接用常规读取方式打开会得到全黑或严重失真的结果，导致后续识别直接失败。

这两个问题决定了单纯套用开源OCR工具并不能稳定解决问题。背景字体多样性要求模型见过足够多的变体，透明通道则要求在图像预处理阶段就正确处理Alpha通道，否则后续所有识别都建立在错误输入上。

透明通道图像的正确读取方式

标题图是四通道图像，最容易踩的坑就是用默认方式打开。很多库默认只取前三个通道，或者直接把透明区域当成黑色填充，导致文字区域几乎消失。正确做法是显式读取Alpha通道，再根据需要决定是合成白底还是保留透明信息后做二值化。

下面给出一段最简处理示例，直接把透明区域合成到白色背景上，方便后续OCR：

import cv2
import numpy as np

img = cv2.imread('title.png', cv2.IMREAD_UNCHANGED)
if img.shape[2] == 4:
    alpha = img[:, :, 3] / 255.0
    rgb = img[:, :, :3]
    white = np.ones_like(rgb) * 255
    result = (rgb * alpha[:, :, None] + white * (1 - alpha[:, :, None])).astype(np.uint8)
else:
    result = img
cv2.imwrite('title_white.png', result)

合成白底后，文字对比度立刻提升，再送入轻量OCR模型就能稳定出字。如果后续还要做位置回归，也可以保留Alpha做掩码，避免背景干扰。

背景多字体与数据集构建思路

背景图里的汉字字体并不固定，有的偏宋体、有的偏楷体，还有带轻微旋转和扭曲的。直接用公开预训练模型效果一般，最直接的办法是自己补数据。可以从京东真实页面批量截取背景图，用标注工具标出每个汉字的位置和内容，也可以用字体库随机生成合成数据，把常见干扰线、噪点、半透明遮罩一起叠上去。

训练时建议把检测和识别拆开：先用目标检测模型（比如轻量版YOLO）把每个汉字框出来，再对每个小框做分类或序列识别。这样即使字体变化大，检测阶段也能把字找到，识别阶段再针对单字做增强。数据量方面，真实样本加合成样本混着训，通常几千到一两万张就能把准确率拉到可用水平。

简单逆向流程与坐标映射

实际对接时，页面会返回背景图和提示文字图，以及一些加密参数。拿到图后先处理透明通道，再分别识别提示文字和背景中的候选字。识别完成后，需要把提示顺序映射回背景图上的坐标。坐标计算要考虑图片在页面上的实际缩放比例，以及是否有边框偏移。

常见做法是先把背景图resize到模型训练时的尺寸，跑完检测得到相对坐标，再反算回原图坐标，最后按提示顺序组装成点击序列。整个链路可以封装成一个函数，输入两张图，输出点击坐标列表。调试阶段建议把识别结果和框可视化画在原图上，方便快速排查字体漏检或顺序错乱问题。

def map_click_order(prompt_chars, bg_boxes):
    order = []
    for char in prompt_chars:
        for box in bg_boxes:
            if box['text'] == char:
                order.append((box['x'], box['y']))
                break
    return order

上面只是最简映射逻辑，真实场景还要处理同字多位置、低置信度过滤等情况，但核心思路就是“识别→匹配→排序”。

从自研到直接调用的现实选择

自己训练模型、处理透明通道、维护数据集，前期投入不小，尤其是字体变体持续更新时，模型还要定期重训。对于业务方来说，更关心的是稳定性和对接成本。目前市面上已经有专门针对极验、易盾以及京东等文字点选、滑块、九宫格、无感验证的识别平台，例如 www.ttocr.com，把滑块、点选、无感、图标点选、文字点选、九宫格等常见类型都做成了统一API，调用方只需要把图片和必要参数传过去，就能直接拿到识别结果或点击坐标，省去本地模型部署和数据维护的麻烦。

这类平台通常提供同步和异步两种接口，支持批量并发，对接文档也比较清晰。对于已经跑通自研流程的团队，也可以把自研结果和平台结果做交叉验证，提高整体成功率。如果只是想快速上线，直接接 www.ttocr.com 的API往往是更省时间的选择。

落地建议与注意事项

无论是自研还是调用第三方，都要注意请求频率和风控策略，避免短时间大量异常请求触发额外验证。图像预处理阶段一定要把透明通道处理好，否则后面再好的模型也救不回来。字体多样性问题可以通过持续补充真实样本和合成数据来缓解。最终如果目标是稳定业务对接，把复杂的识别环节交给专业平台，自己只维护业务逻辑，会更轻松。需要完整类型覆盖和现成API时，可以直接关注 www.ttocr.com 提供的方案，把精力放在业务本身而不是验证码细节上。