验证码识别的基本思路及方法

 

投票软件比较有技术含量的部分就在验证码识别。为防止投票作弊，很多投票网站都会加随机验证码，输入验证码后才能投票。但是加了验证码是否就能万无一失呢，也不尽然。虽然不是所有验证码都能识别（如QQ的变形汉字验证码是不太可能用软件识别的，个人觉得），但还是有很多验证码可以用软件来识别的。

下面以天涯博客里的评论验证码为例，说明验证码识别的基本思路和方法：

第一步、获取验证码图片
C#可以用HttpWebRequest类GET验证码的网址，得到返回的数据流，再将数据流值赋给Bitmap变量。在Winform里放一个PictureBox控件，将它的Image属性指定为Bitmap变量，就可以显示出验证码图片了。
也可以使用Bitmap的Save方法将图片保存成Bmp文件。
    Stream resStream = response.GetResponseStream();//得到验证码数据流
    Bitmap sourcebm = new Bitmap(resStream);//初始化Bitmap图片在Photoshop中将验证码图片放大1600％

第二步、将验证码图片去色（将彩色转换为灰度）
去色是为了进一步做成黑白双色图片。
    Color c = sourcebm.GetPixel(x, y);
    int luma = (int)(c.R * 0.3 + c.G * 0.59 + c.B * 0.11);//转换灰度的算法
    sourcebm.SetPixel(x, y, Color.FromArgb(luma, luma, luma));

第三步、去杂色，转换为黑白图片
从灰度图片中可以看出，数字的颜色比较深，而杂色都是比较浅，所以可以设定一个临界颜色值，颜色高于或等于这个值的设置为白色，低于这个值的设置为黑色。
    Color c = sourcebm.GetPixel(x, y);
    if (c.R >= critical_value)
        sourcebm.SetPixel(x, y, Color.FromArgb(255, 255, 255));
    else
        sourcebm.SetPixel(x, y, Color.FromArgb(0, 0, 0));

第四步、动态得到每个数字的边界

for (int x = 0; x < sourcebm.Width; x++)
{
    myColumn = true;
    for (int y = 0; y < sourcebm.Height; y++)
    {
        Color c = sourcebm.GetPixel(x, y);
        if (c.R == 0 && charStart == false)//第一次出现黑点
        {
            widthStartX[charNum] = x;
            charStart = true;
            break;
        }
        if (c.R == 0 && charStart == true)//后续出现黑点
        {
            myColumn = false;
            break;
        }
    }
    if (myColumn == true && charStart == true && widthStartX[charNum] < x)//如果当列没有黑点并且前面出现过黑点还没结束
    {
        widthEndX[charNum] = x - 1;
        charStart = false;
        charNum++;
    }
    if (charStart == true && myColumn == false && x == (bmp.Width - 1))//如果开始出现黑点了,并且最后一列也有黑点
    {
        widthEndX[charNum] = x;
        charStart = false;
        charNum++;
    }
}

五、得到每个字符的特征码
在每个字符的边界内，检测每个象素，如果象素为白色则为“0”，如果象素为黑色则为“1”，将“0”“1”连起来就是该数字或字符的特征码。
    Color c = sourcebm.GetPixel(x, y);
    if (c.R == 0)
        str = str + "1";
    else
        str = str + "0";

六、完成验证码图片的识别
将获取的特征码和对应的数字或字符保存起来，下次再将新获取的特征码跟保存的特征码对比，如果相同则提取对应的数字或字符，完成验证码的识别。