首页 > 代码库 > 简单验证码的识别：Bitmap类的使用
简单验证码的识别：Bitmap类的使用
验证码的智能识别是一项比较复杂的工作，甚至需要掌握点图像学的知识。
当然对于写程序的来说不用那么深入，只需要掌握几个常规步骤就行了。
验证码图像识别步骤：1、获取图像 2、清除边框 3、灰度处理 4、二值化处理 5、噪点处理 6、图像分割 7、识别单个数字 8、拼接验证码
一、获取图像
图像一般是远程的，所以需要用到WebRequest：
public Bitmap GetImg(string imgUrl) { WebRequest wreq = WebRequest.Create(imgUrl); wreq.Timeout = 10000; HttpWebResponse wresp = (HttpWebResponse)wreq.GetResponse(); Stream s = wresp.GetResponseStream(); return new Bitmap(s); }
二、清除边框
很多验证码周围都有一圈黑色的边框，因此需要用到以下操作：
public Bitmap ClearBorder(Bitmap bm) { //去边框 width for (int i = 0; i < bm.Width; i++) { bm.SetPixel(i, 0, Color.White); bm.SetPixel(i, bm.Height - 1, Color.White); } //去边框 height for (int j = 0; j < bm.Height; j++) { bm.SetPixel(0, j, Color.White); bm.SetPixel(bm.Width - 1, j, Color.White); } return bm; }
三、灰度处理
所谓的灰度处理即让五彩缤纷的图像变成深浅度不同的灰色图像。之所以如此是为了接下去的二值化处理。先看灰度处理：
public Bitmap MakeGray(Bitmap bm) { for (int i = 0; i < bm.Width; i++) { for (int j = 0; j < bm.Height; j++) { Color c = bm.GetPixel(i, j);//原始背景颜色 int gray = (int)(c.R * 0.11 + c.G * 0.59 + c.B * 0.3);//计算灰度 bm.SetPixel(i, j, Color.FromArgb(gray, gray, gray)); } } return bm; }
它的原理是遍历图像上的像素点，根据当前像素点的RGB颜色得到灰度，然后将灰度重新赋给当前像素点。
灰度处理通常有以下三个方法（本例采用的公式2.2）：
(2.1)
(2.2)
(2.3)
公式（2.1）取RGB通道的平均值，得到的图像相对比较柔和，同时也缩小了目标和背景的平均亮度差，不利于后续的阀值处理。
公式（2.2）考虑了人眼对绿色的适应度最强，蓝色次之，红色最差。在处理绿色调和蓝色调的验证码图像时，公式（2.2）的效果令人满意，但在处理红色调的图像时，因为公式中红色的权值很小，灰度化后目标像素和背景像素的亮度差值被严重缩小，效果还不如公式（2.1）。
公式（2.3）基于一个前提，那就是有限保留目标像素的亮度信息，利于后续的阀值分割。
有关理论方面的可以参考此链接：http://www.cnblogs.com/chaosimple/archive/2013/07/18/3197720.html (感谢作者提供宝贵的资料)
四、二值化处理
二值化处理即让所有深浅度不同的灰色像素点变为黑白两种像素点，即二值化。
在此需要找到一个临界值。大于该值的为白（背景），小于的为白（验证码）。
public Bitmap MakeBlackWhite(Bitmap bm) { for (int i = 0; i < bm.Width; i++) { for (int j = 0; j < bm.Height; j++) { Color c = bm.GetPixel(i, j);//背景颜色 if (c.B > 37) //当前像素点与临界值判断 { bm.SetPixel(i, j, Color.White); } else { bm.SetPixel(i, j, Color.Black); } } } return bm; }
五、噪点处理
所谓的噪点处理，就是把一些零零碎碎的点去掉，使其得到干净整洁的图像。
public Bitmap ClearPieces(Bitmap bm) { for (int i = 1; i < bm.Width - 1; i++) { for (int j = 1; j < bm.Height - 1; j++) { Color c = bm.GetPixel(i, j);//原始背景颜色 Color cUp = bm.GetPixel(i, j - 1); Color cDown = bm.GetPixel(i, j + 1); Color cLeft = bm.GetPixel(i - 1, j); Color cRight = bm.GetPixel(i + 1, j); //Response.Write(c.R + " " + c.G + " " + c.B + " <br />"); if (c.R == 0 && cUp.R != 0 && cDown.R != 0 && cLeft.R != 0 && cRight.R != 0) { bm.SetPixel(i, j, Color.White); } } } return bm; }
六、图像切割
public Bitmap SplitImg(Bitmap bm,int pointX,int pointY) { Bitmap first = new Bitmap(cutWidth, cutHeight, PixelFormat.Format32bppRgb);for (int i = 0; i < first.Width; i++) { for (int j = 0; j < first.Height; j++) { Color c = bm.GetPixel(pointX + i, pointY + j); first.SetPixel(i, j, c); } }
return first; }
这样就得到了验证码中的只包含一个数字的图片。
七、识别单个数字
public string GetOneNumber(Bitmap first) { StringBuilder strFir = new StringBuilder(""); for (int i = 0; i < first.Width; i++) { for (int j = 0; j < first.Height; j++) { Color c = bm.GetPixel( i, j); if (c.R == 0) { strFir.Append("0"); } else { strFir.Append("1"); } } } int result = 0; string num = ""; List<string> numbers = verifyHelper.GetList(); for (int j = 0; j < numbers.Count(); j++) { result = 0; for (int i = 0; i < strFir.Length; i++) { if (strFir[i] == numbers[j][i]) { result++; } if (result > 110) { num = j.ToString(); return num; } } } return "-1";
八、最后拼接
result += GetOneNumber(bm, 8, 4); result += GetOneNumber(bm, 20, 2); result += GetOneNumber(bm, 35, 5); result += GetOneNumber(bm, 45, 2);
综合起来需要做的操作是
public string GetNumbers(string imgUrl) { Bitmap bm = new Bitmap(GetImgStream(imgUrl)); bm = ClearBorder(bm); bm = MakeGray(bm); bm = MakeBlackWhite(bm); bm = ClearPieces(bm); string result = ""; result += GetOneNumber(bm, 8, 4); result += GetOneNumber(bm, 20, 2); result += GetOneNumber(bm, 35, 5); result += GetOneNumber(bm, 45, 2); if(result.Contains("-1")) { return "-1"; } else { return result; } }
简单验证码的识别：Bitmap类的使用