验证码识别，最新Discuz验证码和PhpWind验证码的识别

 http://www.51yzm.com/site.asp?ID=3

 

无忧验证码识别   |  2008-10-9 4:35:14

需验证码识别，对常用论坛的验证码识别的时候大家用来做群发是最合适不过了。一个非常有意义的参考

需验证码识别，对常用论坛的验证码识别的时候大家用来做群发是最合适不过了。一个非常有意义的参考 注：非crazycoder原装，文章是转载的，原文出处不祥了，很多地方都有，找不到原出处了 验证码(captcha)是伴随自动提交程序(spam)的出现而出现的。现在各种论坛、博客、投票等程序都带有验证码功能。大部分验证码都比较容 易识别，只需要简单对照一下特征码就可以得到百分之百准确的结果。也有稍微复杂一点的，比如phpwind和discuz的验证码。 前段时间做了phpwind和discuz的验证码识别，phpwind6.0以前的验证码和discuz最新的验证码如果在不改变后台验证码配置的情况下，识别正确率几乎可以达到100%，现在跟大家分享一下识别方法。 验证码识别一般分为以下几个步骤： 取出字模 二值化 计算特征 对照样本 各种验证码在具体的步骤上操作会有所不同。 我的程序是用VC++写的，这里不贴详细代码了，只讲识别方法。 先说phpwind验证码的识别方法： 具体分为这几步： 把图片横向等宽分为4块 找出每块图片中分布最多的一种颜色 与已有样本比较得出结果 因为这个验证码的字符分布几乎是等宽的，所以我们首先把图片切为4份，这样方便取出每一个字符。分成4块后，通过每一块中的颜色值对比可以很快得到 字符的特征。因为每一块中字符的颜色值比杂点颜色值要多很多，而且字符是纯色的，所以只要统计出最多的一种颜色，然后去除其它颜色就可以得到只有字符的干 净图片。然后对图片二值化（即构造一个二维数组对应图片上有颜色的点，把有颜色的点的数组值置为1，无颜色的置为0），与样本比对即可得到字符。当然首先 要得到样本。样本的制作与上面分析的步骤一致。经过测试，上面这种方法的识别率是100%的，不会有差错。 discuz的验证码识别较之phpwind要稍难一点。因为图片带有不太容易去掉的背景。字符也不是单纯的字符，有阴影边框，而且不等宽，位置不确定。我们具体分为以下几步： 去除背景色 分出每一个字符区域 用轮廓法（berg）得到特征码 与样本比较得出结果 这个背景色是渐变的而字符的颜色是不变的。首先去除对角线上找不到相同颜色的点，然后统计出每一种颜色占用的区域的宽度和高度。去除占用区域高度小 于图片总高度1/5或大于图片总高度2/3的点，因为一个字符不可能达到这种尺寸。再去除密度（即颜色点数/颜色所占的区域宽高的积）小于15%的点。剩 下的就只有干净的字符的颜色点了。 把这些点分为4份。（分割的办法为从左到右用一条竖直的线扫描，扫描线经过的连续区域就是字符区域。）分成4个字符块后，我们就可以对每一个字符块进行轮廓特征取值。 什么是轮廓法？我是由berg（berg是网易社区的牛人，对我帮助不少）那里获知验证码识别中的轮廓法。即将一个字模点阵，以四条直线由上下左右 4个方向向字符中心扫描，遇到点即停下，把每一条线通过的路径长度记下。然后以比路径长度和其它一些相关的参数得到正确的字符。 我稍微变换了一下轮廓法。即把4个方向上的路径长度变为波的形式。波峰记为1，波谷记为0，最后得到一个由1和0组成的特征串，与样本串比较即可得 到匹配结果。有几个字符，如V和Y、H和M、4和6等，得到的特征串可能是一样的，这样需要通过其它的一些参数来辅助得到结果。 下面是我计算的特征串和字符的对照样本： 10-10-10-10- X  1-1010-1-10101- W  -1010--- W  1--1-101- T  -1-1010-10- R  --10-10- R  101-101-1010-1010- Q  -1-101-1- P  --1-1- P  -10--1010- M  -10-10-10- K  10-10-1-1- J  10-10--- J  101-101-1010-10- G  --101-1- F  --1010-- E  101-101-10101-101- C  101-10-10-10- C  -1-10101-1- B  ---- B  10101-101-101-101- 9  1---10- 9  -101--- 8  10--1-101- 7  -1-10-- 6  1-101-10-101- 4  1010---- 3  1010-101-1010-- 2  10--10-- 2  //below is equivocal 1-10-1-101- V  //Y 10-10-10-- G  //Q -10--10- H  //M 10101-101-10101-101- 3  //8 101-101-101-101- 4  //6   上面这种方法，对discuz的默认验证码，即如图所示的验证码识别正确率为100%   上面对phpwind和discuz的验证码识别方法均没有用到高级的算法，更加没有用到人工智能的知识，不免有点遗憾，不过准确率相当高，也容易看懂。 在实际应用中可能遇到一些问题，比如discuz验证码可以在后台设为gif图片格式。如何把gif动画中那一个字符帧转为bmp图片呢？下面是VC里面的方法： BOOL CCaptchaBreak::Gif2Bmp(CString &sPath) {  ULONG_PTR   GdippToken;     GdiplusStartupInput   GdippStart;     GdiplusStartup(&GdippToken,&GdippStart,0);  BSTR bsTemp = sPath.AllocSysString();  Bitmap   bmp(bsTemp);  ::SysFreeString(bsTemp);  int   FrameCount,FramePos,size,pause;     PropertyItem*   pPropItem;     GUID   pageGuid;     GUID*   pDimID;     UINT   count;    count=bmp.GetFrameDimensionsCount();    pDimID=new GUID[count];    bmp.GetFrameDimensionsList(pDimID,count);     FrameCount=bmp.GetFrameCount(&pDimID[0]);  if (1==FrameCount) //if is bmp then exit  {   delete[]pDimID;      return FALSE;  }  size=bmp.GetPropertyItemSize(PropertyTagFrameDelay);     pPropItem=(PropertyItem*)malloc(size);    bmp.GetPropertyItem(PropertyTagFrameDelay,size,pPropItem);     delete[]pDimID;    pageGuid=FrameDimensionTime;     FramePos=0;  int iFontFramePos = 0;  int iMaxPause = 0;  while (FramePos  return TRUE; } BOOL CCaptchaBreak::GetEncoderClsid(const WCHAR* format, CLSID* pClsid) {  UINT  num = 0;          // number of image encoders  UINT  size = 0;         // size of the image encoder array in bytes  ImageCodecInfo* pImageCodecInfo = NULL;  GetImageEncodersSize(&num, &size);  if(size == 0)   return FALSE;   pImageCodecInfo = (ImageCodecInfo*)(malloc(size));  if(pImageCodecInfo == NULL)   return FALSE;   GetImageEncoders(num, size, pImageCodecInfo);  for(UINT j = 0; j < num; ++j)  {   if( wcscmp(pImageCodecInfo[j].MimeType, format) == 0 )   {    *pClsid = pImageCodecInfo[j].Clsid;    free(pImageCodecInfo);    return TRUE;  // Success   }      }  free(pImageCodecInfo);  return FALSE;   }