简单验证码识别

1. 需求

因为项目需要，需要多次登录某网站抓取信息。所以学习了验证码的一些小知识。文章参考http://blog.csdn.net/problc/article/details/5794460的部分内容。

需要程序识别的验证码格式如图所示：，这个图片符合固定大小，固定位置，固定字体，固定颜色的范围，实现起来相对简单。

验证码识别基本分四步，图片预处理，分割，训练，识别。为便于演示，我这里分更多的步骤。

BTW：

如果是形如：的验证码，请参考：http://blog.csdn.net/problc/article/details/5797507

如果是形如：的验证码，请参考：http://blog.csdn.net/problc/article/details/5800093

如果是形如：的验证码，请参考：http://blog.csdn.net/problc/article/details/5846614

更多验证码相关内容，请参考：http://blog.csdn.net/problc/article/details/5983276

2. 环境

目录结构：download目录用于存放下载的验证码；train用于存放供比对的标准图片；result用于存放比对结果。

包：HttpClient4.2（用于抓取图片）

3. 步骤

3.1 下载验证码：将多个验证码图片下载到指定目录，要求各种可能的验证码（单个数字）都应该有，比如：0-9。

    // 1.下载验证码：将多个验证码图片下载到指定目录，要求各种可能的验证码（单个数字）都应该有，比如：0-9。    private void downloadImage() throws Exception {        HttpClient httpClient = new DefaultHttpClient();        for (int i = 0; i < 10; i++) {            String url = "http://www.yoursite.com/yz.php";            HttpGet getMethod = new HttpGet(url);            try {                HttpResponse response = httpClient.execute(getMethod, new BasicHttpContext());                HttpEntity entity = response.getEntity();                InputStream instream = entity.getContent();                 OutputStream outstream = new FileOutputStream(new File(DOWNLOAD_DIR, i + ".png"));                int l = -1;                byte[] tmp = new byte[2048];                 while ((l = instream.read(tmp)) != -1) {                    outstream.write(tmp);                }                 outstream.close();            } finally {                getMethod.releaseConnection();            }        }        System.out.println("下载验证码完毕！");    }

下载后download目录内容：

 

3.2 去除图像干扰像素（非必须操作，只是可以提高精度而已；可以按照自己的需求进行更改）。

    // 2.去除图像干扰像素（非必须操作，只是可以提高精度而已）。    public static BufferedImage removeInterference(BufferedImage image)              throws Exception {          int width = image.getWidth();          int height = image.getHeight();          for (int x = 0; x < width; ++x) {              for (int y = 0; y < height; ++y) {                  if (isFontColor(image.getRGB(x, y))) {                    // 如果当前像素是字体色，则检查周边是否都为白色，如都是则删除本像素。                    int roundWhiteCount = 0;                    if(isWhiteColor(image, x+1, y+1))                        roundWhiteCount++;                    if(isWhiteColor(image, x+1, y-1))                        roundWhiteCount++;                    if(isWhiteColor(image, x-1, y+1))                        roundWhiteCount++;                    if(isWhiteColor(image, x-1, y-1))                        roundWhiteCount++;                    if(roundWhiteCount == 4) {                        image.setRGB(x, y, Color.WHITE.getRGB());                      }                }             }          }          return image;       }        // 取得指定位置的颜色是否为白色，如果超出边界，返回true    // 本方法是从removeInterference方法中摘取出来的。单独调用本方法无意义。    private static boolean isWhiteColor(BufferedImage image, int x, int y) throws Exception {        if(x < 0 || y < 0) return true;        if(x >= image.getWidth() || y >= image.getHeight()) return true;        Color color = new Color(image.getRGB(x, y));                return color.equals(Color.WHITE)?true:false;    }

 刚下载的图片：；经过去除图像干扰像素的操作后：。

 

3.3 判断拆分验证码的标准：就是定义验证码中包含的各数字的x、y坐标值，及它们的宽度（width）、高度（height）。

打开PhotoShop，对图片进行编辑，用选择工具（M）选择一个数字，在信息栏中就看到当前字的宽度、高度。各数字的x、y坐标值同样可以此方法获取到。

对应代码：

    // 3.判断拆分验证码的标准：就是定义验证码中包含的各数字的x、y坐标值，及它们的宽度（width）、高度（height）。    private static List<BufferedImage> splitImage(BufferedImage image) throws Exception {        final int DIGIT_WIDTH = 19;        final int DIGIT_HEIGHT = 17;        List<BufferedImage> digitImageList = new ArrayList<BufferedImage>();        digitImageList.add(image.getSubimage(2, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(20, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(40, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(60, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        return digitImageList;    }

3.4 判断字体的颜色含义：正常可以用rgb三种颜色加起来表示，字与非字应该有显示的区别，找出来。

同样通过PhotoShop，用吸管工具（I）选择有颜色的部分，在信息栏中可以看到当前的RGB值，因为是纯色，记录三值相加结果即可。我这里R+G+B是340。

对应代码（如果不是纯色，可以用大于、小于某一范围之类的判断，而不是用等于）：

    // 4.判断字体的颜色含义：正常可以用rgb三种颜色加起来表示，字与非字应该有显示的区别，找出来。    private static boolean isFontColor(int colorInt) {        Color color = new Color(colorInt);        return color.getRed() + color.getGreen() + color.getBlue() == 340;    }

3.5 将下载的验证码图片全部拆分到另一个目录。

    // 5.将下载的验证码图片全部拆分到另一个目录。    public void generateStdDigitImgage() throws Exception {        File dir = new File(DOWNLOAD_DIR);        File[] files = dir.listFiles(new ImageFileFilter("png"));                int counter = 0;        for (File file : files) {            BufferedImage image = ImageIO.read(file);            removeInterference(image);             List<BufferedImage> digitImageList = splitImage(image);            for (int i = 0; i < digitImageList.size(); i++) {                BufferedImage bi = digitImageList.get(i);                ImageIO.write(bi, "PNG", new File(TRAIN_DIR, "temp_" + counter++ + ".png"));            }        }        System.out.println("生成供比对的图片完毕，请到目录中手工识别并重命名图片，并删除其它无关图片！");    }

运行后train目录内容：

3.6 手工命名文件：在资源管理器中，切换到train目录手工将这些拆分的文件命名到正确的名称，删除无用的。

3.7 测试判断效果：运行方法，可以在isFontColor方法中调整rgb三值累加的范围值，以达到高的分辨率。

 

    // 7.测试判断效果：运行方法，可以调整rgb三值，以达到高的分辨率。    // 目前此方法提供在输出判断结果的同时，在目标目录生成以判断结果命名的新验证码图片，以批量检查效果。    public void testDownloadImage() throws Exception {        File dir = new File(DOWNLOAD_DIR);        File[] files = dir.listFiles(new ImageFileFilter("png"));                for (File file : files) {            String validateCode = getValidateCode(file);            System.out.println(file.getName() + "=" + validateCode);        }                System.out.println("判断完毕，请到相关目录检查效果！");    }

运行后result目录结果如下图（识别率100%）：

3.8 开放给外界接口调用。

    /**     * 8.提供给外界接口调用。     * @param file     * @return     * @throws Exception     */    public static String getValidateCode(File file) throws Exception {        // 装载图片        BufferedImage image = ImageIO.read(file);        removeInterference(image);        // 拆分图片        List<BufferedImage> digitImageList = splitImage(image);        // 循环每一位数字图进行比对        StringBuilder sb = new StringBuilder();        for (BufferedImage digitImage : digitImageList) {            String result = "";            int width = digitImage.getWidth();            int height = digitImage.getHeight();                        // 最小的不同次数（初始值为总像素），值越小就越像。            int minDiffCount = width * height;            for (BufferedImage bi : trainMap.keySet()) {                // 对每一位数字图与字典中的进行按像素比较                int currDiffCount = 0; // 按像素比较不同的次数                outer : for (int x = 0; x < width; ++x) {                    for (int y = 0; y < height; ++y) {                        if (isFontColor(digitImage.getRGB(x, y)) != isFontColor(bi.getRGB(x, y))) {                            // 按像素比较如果不同，则加1；                            currDiffCount++;                            // 如果值大于minDiffCount，则不用再比较了，因为我们要找最小的minDiffCount。                            if (currDiffCount >= minDiffCount)                                 break outer;                        }                    }                }                if (currDiffCount < minDiffCount) {                    // 现在谁差别最小，就先暂时把值赋予给它                    minDiffCount = currDiffCount;                    result = trainMap.get(bi);                }            }            sb.append(result);        }                ImageIO.write(image, "PNG", new File(RESULT_DIR, sb.toString() + ".png"));                return sb.toString();    }

4. 完整代码

package com.clzhang.sample.net;import java.awt.Color;import java.awt.image.BufferedImage;import java.io.File;import java.io.FileFilter;import java.io.FileOutputStream;import java.io.IOException;import java.io.InputStream;import java.io.OutputStream;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import javax.imageio.ImageIO;import org.apache.http.HttpEntity;import org.apache.http.HttpResponse;import org.apache.http.client.HttpClient;import org.apache.http.client.methods.HttpGet;import org.apache.http.impl.client.DefaultHttpClient;import org.apache.http.protocol.BasicHttpContext;/** * 这是一个自动识别验证码的程序。要求是简单的验证码，固定大小，固定位置，固定字体；字体纯色最好，如不是需要修改代码。 *  * @author acer * */public class ImageProcess {    // 存放所有下载验证码的目录    private static final String DOWNLOAD_DIR = "D:\\Work\\helloworld\\resources\\validate\\download";    // 存放已经拆分开的单个数字图片的目录，供比对用    private static final String TRAIN_DIR = "D:\\Work\\helloworld\\resources\\validate\\train";    // 存放比对结果的目录（重新以验证码所含数字命名文件，非常直观）    private static final String RESULT_DIR = "D:\\Work\\helloworld\\resources\\validate\\result";    // 存放比对图片与代表数字的Map    private static Map<BufferedImage, String> trainMap = new HashMap<BufferedImage, String>();        // 图片过滤器，想要什么样的图片，传进名称即可。如：png/gif/.png    static class ImageFileFilter implements FileFilter {        private String postfix = ".png";                public ImageFileFilter(String postfix) {            if(!postfix.startsWith("."))                postfix = "." + postfix;                        this.postfix = postfix;        }                @Override        public boolean accept(File pathname) {            return pathname.getName().toLowerCase().endsWith(postfix);        }    }    static {        try {            // 将TRAIN_DIR目录的供比对的图片装载进来            File dir = new File(TRAIN_DIR);            File[] files = dir.listFiles(new ImageFileFilter("png"));            for (File file : files) {                trainMap.put(ImageIO.read(file), file.getName().charAt(0) + "");            }        } catch (IOException e) {            e.printStackTrace();        }    }    // 1.下载验证码：将多个验证码图片下载到指定目录，要求各种可能的验证码（单个数字）都应该有，比如：0-9。    private void downloadImage() throws Exception {        HttpClient httpClient = new DefaultHttpClient();        for (int i = 0; i < 10; i++) {            String url = "http://www.yoursite.com/yz.php";            HttpGet getMethod = new HttpGet(url);            try {                HttpResponse response = httpClient.execute(getMethod, new BasicHttpContext());                HttpEntity entity = response.getEntity();                InputStream instream = entity.getContent();                 OutputStream outstream = new FileOutputStream(new File(DOWNLOAD_DIR, i + ".png"));                int l = -1;                byte[] tmp = new byte[2048];                 while ((l = instream.read(tmp)) != -1) {                    outstream.write(tmp);                }                 outstream.close();            } finally {                getMethod.releaseConnection();            }        }        System.out.println("下载验证码完毕！");    }        // 2.去除图像干扰像素（非必须操作，只是可以提高精度而已）。    public static BufferedImage removeInterference(BufferedImage image)              throws Exception {          int width = image.getWidth();          int height = image.getHeight();          for (int x = 0; x < width; ++x) {              for (int y = 0; y < height; ++y) {                  if (isFontColor(image.getRGB(x, y))) {                    // 如果当前像素是字体色，则检查周边是否都为白色，如都是则删除本像素。                    int roundWhiteCount = 0;                    if(isWhiteColor(image, x+1, y+1))                        roundWhiteCount++;                    if(isWhiteColor(image, x+1, y-1))                        roundWhiteCount++;                    if(isWhiteColor(image, x-1, y+1))                        roundWhiteCount++;                    if(isWhiteColor(image, x-1, y-1))                        roundWhiteCount++;                    if(roundWhiteCount == 4) {                        image.setRGB(x, y, Color.WHITE.getRGB());                      }                }             }          }          return image;       }        // 取得指定位置的颜色是否为白色，如果超出边界，返回true    // 本方法是从removeInterference方法中摘取出来的。单独调用本方法无意义。    private static boolean isWhiteColor(BufferedImage image, int x, int y) throws Exception {        if(x < 0 || y < 0) return true;        if(x >= image.getWidth() || y >= image.getHeight()) return true;        Color color = new Color(image.getRGB(x, y));                return color.equals(Color.WHITE)?true:false;    }    // 3.判断拆分验证码的标准：就是定义验证码中包含的各数字的x、y坐标值，及它们的宽度（width）、高度（height）。    private static List<BufferedImage> splitImage(BufferedImage image) throws Exception {        final int DIGIT_WIDTH = 19;        final int DIGIT_HEIGHT = 17;        List<BufferedImage> digitImageList = new ArrayList<BufferedImage>();        digitImageList.add(image.getSubimage(2, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(20, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(40, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        digitImageList.add(image.getSubimage(60, 2, DIGIT_WIDTH, DIGIT_HEIGHT));        return digitImageList;    }    // 4.判断字体的颜色含义：正常可以用rgb三种颜色加起来表示，字与非字应该有显示的区别，找出来。    private static boolean isFontColor(int colorInt) {        Color color = new Color(colorInt);        return color.getRed() + color.getGreen() + color.getBlue() == 340;    }    // 5.将下载的验证码图片全部拆分到另一个目录。    public void generateStdDigitImgage() throws Exception {        File dir = new File(DOWNLOAD_DIR);        File[] files = dir.listFiles(new ImageFileFilter("png"));                int counter = 0;        for (File file : files) {            BufferedImage image = ImageIO.read(file);            removeInterference(image);             List<BufferedImage> digitImageList = splitImage(image);            for (int i = 0; i < digitImageList.size(); i++) {                BufferedImage bi = digitImageList.get(i);                ImageIO.write(bi, "PNG", new File(TRAIN_DIR, "temp_" + counter++ + ".png"));            }        }        System.out.println("生成供比对的图片完毕，请到目录中手工识别并重命名图片，并删除其它无关图片！");    }        // 7.测试判断效果：运行方法，可以调整rgb三值，以达到高的分辨率。    // 目前此方法提供在输出判断结果的同时，在目标目录生成以判断结果命名的新验证码图片，以批量检查效果。    public void testDownloadImage() throws Exception {        File dir = new File(DOWNLOAD_DIR);        File[] files = dir.listFiles(new ImageFileFilter("png"));                for (File file : files) {            String validateCode = getValidateCode(file);            System.out.println(file.getName() + "=" + validateCode);        }                System.out.println("判断完毕，请到相关目录检查效果！");    }        /**     * 8.提供给外界接口调用。     * @param file     * @return     * @throws Exception     */    public static String getValidateCode(File file) throws Exception {        // 装载图片        BufferedImage image = ImageIO.read(file);        removeInterference(image);        // 拆分图片        List<BufferedImage> digitImageList = splitImage(image);        // 循环每一位数字图进行比对        StringBuilder sb = new StringBuilder();        for (BufferedImage digitImage : digitImageList) {            String result = "";            int width = digitImage.getWidth();            int height = digitImage.getHeight();                        // 最小的不同次数（初始值为总像素），值越小就越像。            int minDiffCount = width * height;            for (BufferedImage bi : trainMap.keySet()) {                // 对每一位数字图与字典中的进行按像素比较                int currDiffCount = 0; // 按像素比较不同的次数                outer : for (int x = 0; x < width; ++x) {                    for (int y = 0; y < height; ++y) {                        if (isFontColor(digitImage.getRGB(x, y)) != isFontColor(bi.getRGB(x, y))) {                            // 按像素比较如果不同，则加1；                            currDiffCount++;                            // 如果值大于minDiffCount，则不用再比较了，因为我们要找最小的minDiffCount。                            if (currDiffCount >= minDiffCount)                                 break outer;                        }                    }                }                if (currDiffCount < minDiffCount) {                    // 现在谁差别最小，就先暂时把值赋予给它                    minDiffCount = currDiffCount;                    result = trainMap.get(bi);                }            }            sb.append(result);        }                ImageIO.write(image, "PNG", new File(RESULT_DIR, sb.toString() + ".png"));                return sb.toString();    }    public static void main(String[] args) throws Exception {        ImageProcess ins = new ImageProcess();                // 第1步，下载验证码到DOWNLOAD_DIR//        ins.downloadImage();                // 第2步，去除干扰的像素//        File dir = new File(DOWNLOAD_DIR);//        File[] files = dir.listFiles(new ImageFileFilter("png"));//        for (File file : files) {//            BufferedImage image = ImageIO.read(file);//            removeInterference(image);//            ImageIO.write(image, "PNG", file);//            System.out.println("成功处理：" + file.getName());//        }                // 第3步，判断拆分验证码的标准        // 通过PhotoShop打开验证码并放大观察，我这儿的结果参考splitImage()方法中的变量                // 第4步，判断字体的颜色含义        // 通过PhotoShop打开验证码并放大观察，我这儿字体颜色的rgb总值加起来在340。因为是纯色。                // 第5步，将下载的验证码图片全部拆分到TRAIN_DIR目录。//        ins.generateStdDigitImgage();                // 第6步，手工命名文件        // 打开资源管理器，选择TRAIN_DIR，分别找出显示0-9数字的文件，以它的名字重新命名，删除其它所有的。                // 第7步，测试判断效果，运行后打开RESULT_DIR，检查文件名是否与验证码内容一致。        ins.testDownloadImage();                // 第8步，提供给外界接口调用。//        String validateCode = ImageProcess.getValidateCode(new File(DOWNLOAD_DIR, "0.png"));//        System.out.println("验证码为：" + validateCode);    }}