验证码处理算法（一）

其他 2018-12-21 20:25:15 阅读次数: 0

       在面对那种有许多干扰线或者干扰点的验证码，或者各种各样的验证码的时候，往往一个阀值是无法精确的处理图形验证码的，这里，我们主要使用一个范围缩圈进行像素点的比对，因为之前有使用计算像素的平均值K作为阈值，但是会导致部分对象像素或者背景像素丢失，故这个方案暂且搁置。

       我们知道每一个像素点都有自己的像素值，但是对于一张验证码来说，同一个字母颜色或深或浅，其像素点的值都会有差异，所以我们需要一个容错范围，我们可以指定，在某个范围差内的值，都是这个图片字母的值。然后我们让这个阀值在一个范围内不断递增，从而得到不同阀值下的二值化图片。

这里有一个处理前和处理后图片的对比：

处理前的图片

处理后我们得到很多张图片，从中选出最完整的一张图片：       

因为机器学习的前期图片还是需要人工筛选一下的。

以下是我们处理图片的代码：

import javax.imageio.ImageIO;
import javax.swing.*;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.util.Collection;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.BlockingQueue;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Future;

public class PicDeal {
    //todo splitNums可以根据你给到的图片色差进行调整，在你自己使用时，可以针对splitNums做一个循环，每次加多少，得到不同的色差比的二值化后的图片，因为不同的图片可能干扰线、干扰点颜色原因，二值化后会有差异
    //todo splitWidthNum：把图片根据长度切分的分数，这个可以根据你图片中的数字个数进行切分
    public static int splitNums=2100000;

    public static int beginNum=100000;
    public static int endNum=4000000;
    public static final int splitWidthNum=1;
    public static void main(String[] args) {
        //todo 需要处理图片的路径
        String path="C://Users/admin/Desktop/微信搜狗验证码/yzmsg/3.jpg";
        try{
            splitPic(path);
        }catch (Exception e){
            e.printStackTrace();
        }
    }

    //todo 分割图片
    public static void splitPic(String picFile) throws Exception{
        //todo 分割图片
//        BufferedImage img = ImageIO.read(new File(picFile));
        Image image = ImageIO.read(new File(picFile));

        for (int i = 0; i < splitWidthNum; i++) {
            String filename="F://test/test3_"+i+".jpg";
            ImageIO.write(toBufferedImage(image), "JPG", new File(filename));

            //todo 分割后的图片处理
            for (int j=beginNum;j<=endNum;j+=25000){
                Image thisimg = ImageIO.read(new File(filename));
                BufferedImage imgDeal=removeBackgroud(thisimg,j,i);

                imgDeal=DeletePassPoint.deletepoints(imgDeal);

                //todo 分割后图片写出去
                String filename2="F://test/test3_"+i+"imgDeal_像素分割_"+j+".jpg";
                ImageIO.write(imgDeal, "JPG", new File(filename2));
            }
        }
    }



    //todo 图片处理算法
    public static BufferedImage removeBackgroud(Image img2,int j,int i)throws Exception {

        BufferedImage img=toBufferedImage(img2);

        String filename="F://test/test3_"+i+"_像素分割_"+j+".jpg";
        ImageIO.write(img, "JPG", new File(filename));


        splitNums=j;
        System.out.println("splitNums==========="+splitNums);

        img = img.getSubimage(1, 1, img.getWidth()-2, img.getHeight()-2);
        int width = img.getWidth();
        int height = img.getHeight();
        double subWidth = (double) width;
        Map<Integer, Integer> map = new HashMap<Integer, Integer>();

        //todo 以下是对图片进行二值化处理，在这里我的思路是规定，色差范围在splitNums到负splitNums之间的，算是同色，放入同一个色值，放入一个map中，
        //todo map中的Key放色值，value放这个色值得个数，后期就根据这个色值来对验证码进行二值化
        for (int x = (int) (1 + 0 * subWidth); x < (0 + 1) * subWidth && x < width - 1; ++x) {
            for (int y = 0; y < height; ++y) {
                if (isWhite(img.getRGB(x, y)) == 1){
                    continue;
                }
                Map<Integer, Integer> map2 = new HashMap<Integer, Integer>();
                for (Integer color : map.keySet()) {
                    map2.put(color,map.get(color));
                }

                boolean hasnewColor=false;
                for (Integer color : map2.keySet()) {
//                        System.out.println(Math.abs(color)-Math.abs(img.getRGB(x, y)));
//                        Math.abs(color)-Math.abs(img.getRGB(x, y)))<splitNums&&Math.abs(color)-Math.abs(img.getRGB(x, y))>-splitNums
                    if (Math.abs(color)-Math.abs(img.getRGB(x, y))<splitNums&&Math.abs(color)-Math.abs(img.getRGB(x, y))>-splitNums){
                        map.put(color, map.get(color) + 1);
                        hasnewColor=true;
                    }
                }

                if (!hasnewColor){
                    map.put(img.getRGB(x, y), 1);
                }

                if (map.isEmpty()){
                    map.put(img.getRGB(x, y), 1);
                }

            }
        }

        System.out.println("==============================");

        int max = 0;
        int colorMax = 0;
        for (Integer color : map.keySet()) {
            if (max < map.get(color)) {
                max = map.get(color);
                colorMax = color;
            }
        }
        map.remove(colorMax);

        max = 0;
        int colorMax2 = 0;
        for (Integer color : map.keySet()) {
            if (max < map.get(color)) {
                max = map.get(color);
                colorMax2 = color;
            }
        }
        map.remove(colorMax2);


//        int colorMax3 = 0;
//        for (Integer color : map.keySet()) {
//            if (max < map.get(color)) {
//                max = map.get(color);
//                colorMax3 = color;
//            }
//        }
//        colorMax=colorMax2;
//        colorMax2=colorMax3;


        //todo 核心算法
        for (int x = (int) (1 + 0 * subWidth); x < (0 + 1) * subWidth&& x < width - 1; ++x) {
            for (int y = 0; y < height; ++y) {
                int ress=Math.abs(img.getRGB(x, y))-Math.abs(colorMax);
                int ress_2=Math.abs(Math.abs(colorMax)-Math.abs(img.getRGB(x, y)));
                int ress2=Math.abs(img.getRGB(x, y))-Math.abs(colorMax2);

                if (ress>0&&ress2>0){
                    if (ress>ress2){
                        if ((ress2<splitNums&&ress2>-splitNums)) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }else{
//                            img.setRGB(x, y, Color.WHITE.getRGB());
                        if (ress2<splitNums&&ress2>ress) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }
                }else if (ress<0&&ress2<0){
                    ress=Math.abs(ress);
                    ress2=Math.abs(ress2);
                    if (ress>ress2){
                        if ((ress2<splitNums&&ress2>-splitNums)) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }else{
                        if (ress2<splitNums&&ress2>ress) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }
                }else if (ress>0&&ress2<0){
                    if (Math.abs(ress)>Math.abs(ress2)){
                        if ((Math.abs(ress2)>splitNums&&ress2<-splitNums)) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }else{
                        img.setRGB(x, y, Color.WHITE.getRGB());
//                        if (splitNums<)
                    }

                }else{
                    if (Math.abs(ress)>Math.abs(ress2)){
                        if ((Math.abs(ress2)>splitNums&&ress2<-splitNums)) {
                            img.setRGB(x, y, Color.BLACK.getRGB());
                        } else {
                            img.setRGB(x, y, Color.WHITE.getRGB());
                        }
                    }else{
                        img.setRGB(x, y, Color.WHITE.getRGB());
//                        if (splitNums<)
                    }
//                    img.setRGB(x, y, Color.BLACK.getRGB());
                }
            }
        }
        return img;
    }



    //todo 判断是否为白色的方法  爬虫 验证码处理
    public static int isWhite(int colorInt) {
        Color color = new Color(colorInt);
        if (color.getRed() + color.getGreen() + color.getBlue()>600) {
            return 1;
        }
        return 0;
    }



    //todo image转bufferImage
    public static BufferedImage toBufferedImage(Image image) {
        if (image instanceof BufferedImage) {
            return (BufferedImage)image;
        }
        // 加载所有像素
        image = new ImageIcon(image).getImage();
        BufferedImage bimage = null;
        GraphicsEnvironment ge = GraphicsEnvironment.getLocalGraphicsEnvironment();
        try {
            int transparency = Transparency.OPAQUE;
            // 创建buffer图像
            GraphicsDevice gs = ge.getDefaultScreenDevice();
            GraphicsConfiguration gc = gs.getDefaultConfiguration();
            bimage = gc.createCompatibleImage(
                    image.getWidth(null), image.getHeight(null), transparency);
        } catch (HeadlessException e) {
            e.printStackTrace();
        }
        if (bimage == null) {
            int type = BufferedImage.TYPE_INT_RGB;
            bimage = new BufferedImage(image.getWidth(null), image.getHeight(null), type);
        }
        // 复制
        Graphics g = bimage.createGraphics();
        // 赋值
        g.drawImage(image, 0, 0, null);
        g.dispose();
        return bimage;
    }
}

 在这里我们默认RGB最多的为背景色，所以依照RGB颜色第二多的为准进行归类划值。

在这里面我们也进行了一波简单的处理，就是对得到的图片进行单独点的删除，因为处理后的图片会有类似这张图一样的小点：

，针对这类的小点，我们默认去掉。

算法其实很简单，就是当判定上下左右其中3个方位为空时，此点算离散点。

代码如下：

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.awt.image.ColorModel;
import java.io.File;

public class DeletePassPoint {
    

    public static BufferedImage deletepoints(BufferedImage img){
        //todo 为白色的像素点rgb值
//        int[] whitePointNum={-257,-1,-770,-1027,-514};
        int width = img.getWidth();
        int height = img.getHeight();
        double subWidth = (double) width;

        ColorModel cm = img.getColorModel();
        BufferedImage imgNew=new BufferedImage(cm,cm.createCompatibleWritableRaster(img.getWidth(),img.getHeight()),cm.isAlphaPremultiplied(), null);

        for (int x = (int) (1 + 0 * subWidth); x < (0 + 1) * subWidth && x < width - 1; ++x) {
            for (int y = 1; y < height-1; ++y) {

                int leftRgb=img.getRGB(x-1,y);
                int rightRgb=img.getRGB(x+1,y);
                int buttonRgb=img.getRGB(x,y-1);
                int headRgb=img.getRGB(x,y+1);


                int judgy=0;
                //todo 对自己本身像素点周边进行检测
                if (isWhite(leftRgb)==0){
                    judgy++;
                }
                if (isWhite(rightRgb)==0){
                    judgy++;
                }

                if (isWhite(buttonRgb)==0){
                    judgy++;
                }

                if (isWhite(headRgb)==0){
                    judgy++;
                }



                //todo 当判定上下左右其中3个方位为空时，此点算离散点
                if (judgy>=3){
//                    imgNew.setRGB(x, y, Color.BLACK.getRGB());
                    imgNew.setRGB(x, y, Color.WHITE.getRGB());
                }else{
//                    imgNew.setRGB(x, y, Color.WHITE.getRGB());
                    imgNew.setRGB(x, y, Color.BLACK.getRGB());
                }
            }
        }

        return imgNew;
    }

    //todo 判断是否为白色的方法  爬虫 验证码处理
    public static int isWhite(int colorInt) {
        Color color = new Color(colorInt);
        if (color.getRed() + color.getGreen() + color.getBlue()>600) {
            return 1;
        }
        return 0;
    }

}

这样下来，处理出来的图片就是我们刚才贴出来的样子了。当然，这个方案还有很多需要改进的地方。

比如：当背景颜色RGB值并不是最多的时候，这样就会出现误删除。还有就是验证码RGB色和背景颜色相差不大时，得到的也是失真的图片。

当然，后期如果有什么更好的方案处理图片，会不断更新，也欢迎各种观众大佬爷提出建议，不断精进！

猜你喜欢

转载自blog.csdn.net/asd529735325/article/details/84590846
今日推荐
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
开源日报 | 中学生开源前端动画引擎；全球首个Llama3 8B中文版开源模型；联想电脑恐出局；Linus讽刺AI炒作
“百模大战”必有一战 | 2024中国“百模大战”竞争格局分析
周排行
Family Tree 题解
BZOJ 1093 最大半连通子图 SCC + DP
幂等处理
Spring----学习（2）----XML 配置Bean 自动装配
SQL Server 远程更新目标表数据
HIbernate3.6 环境搭建
特殊符号正则表达式
【Linux】第一章 进程的理解
843. n-皇后问题（dfs+输出各种情况）
空间数据库2
每日归档
更多
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)
2024-04-18(0)
2024-04-17(5)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022