QQ验证码识别源代码（C#/NET1.1）

 using system; 

namespace qq 
{ 
/// <summary> 
/// yzm 的摘要说明。 
/// </summary> 
public class yzm 
{ 
public yzm(public system.drawing.bitmap pic) 
{ 
this.bp = pic; 
} 
/// <summary> 
/// 将一个int值存入到4个字节的字节数组(从高地址开始转换，最高地址的值以无符号整型参与"与运算") 
/// </summary> 
/// <param name="thevalue">要处理的int值</param> 
/// <param name="thebuff">存放信息的字符数组</param> 
public static void getbytesfromint(int thevalue, byte[] thebuff) 
{ 
long v1=0; long v2=0; long v3=0; long v4=0; 
uint b1=(uint)4278190080; uint b2=(uint)16711680; uint b3=(uint)65280; uint b4=(uint)255; 
v1=thevalue & b1; 
v2=thevalue & b2; 
v3=thevalue & b3; 
v4=thevalue & b4; 
thebuff[0]=(byte)(v1>>24); 
thebuff[1]=(byte)(v2>>16); 
thebuff[2]=(byte)(v3>>8); 
thebuff[3]=(byte)v4; 
} 
/// <summary> 
/// 将一个ushort值存入到2个字节的字节数组(从高地址开始转换，最高地址的值以无符号整型参与"与运算") 
/// </summary> 
/// <param name="thevalue">要处理的ushort值</param> 
/// <param name="thebuff">存放信息的字符数组</param> 
public static void getbytesfromushort(ushort thevalue, byte[] thebuff) 
{ 
ushort v1=0; ushort v2=0; 
ushort b1=(ushort)65280; ushort b2=(ushort)255; 
v1=(ushort)(thevalue & b1); 
v2=(ushort)(thevalue & b2); 
thebuff[0]=(byte)(v1>>8); 
thebuff[1]=(byte)(v2); 
} 
/// <summary> 
/// 将4个字节的字节数组转换成一个int值 
/// </summary> 
/// <param name="thebuff">字符数组</param> 
/// <returns></returns> 
public static int getintfrombyte(byte[] thebuff) 
{ 
int jieguo=0; 
long mid=0; 
long m1=0; long m2=0; long m3=0; long m4=0; 
m1=(thebuff[0]<<24); 
m2=(thebuff[1]<<16); 
m3=(thebuff[2]<<8); 
m4=thebuff[3]; 
mid=m1+m2+m3+m4; 
jieguo=(int)mid; 
return jieguo; 
} 
/// <summary> 
/// 将2个字节的字节数组转换成一个ushort值 
/// </summary> 
/// <param name="thebuff">字符数组</param> 
/// <returns></returns> 
public static ushort getushortfrombyte(byte[] thebuff) 
{ 
int jieguo1=0; 
jieguo1=(thebuff[0]<<8)+thebuff[1]; 
ushort jieguo=(ushort)jieguo1; 
return jieguo; 
} 
/// <summary> 
/// 将内存中的数据写入硬盘（保存特征库） 
/// </summary> 
/// <param name="thefile">保存的位置</param> 
public static void writetofile(string thefile) 
{ 
system.io.filestream fs = new system.io.filestream(thefile,system.io.filemode.openorcreate,system.io.fileaccess.readwrite); 
byte[] buff0=new byte[4]; 
getbytesfromint(datanum,buff0); 
fs.write(buff0,0,4); 
for(int ii=0;ii<datanum;ii++) 
{ 
for(int jj=0;jj<20;jj++) 
{ 
byte[] buff=new byte[2]; 
getbytesfromushort(datap[ii,jj],buff); 
fs.write(buff,0,2); 
} 
fs.writebyte(dataxy[ii,0]); 
fs.writebyte(dataxy[ii,1]); 
fs.writebyte(datachar[ii]); 
} 
fs.close(); 
} 
/// <summary> 
/// 从文件中读取信息，并保存在内存中相应的位置 
/// </summary> 
/// <param name="thefile">特征库文件</param> 
public static void readfromfile(string thefile) 
{ 
int allnum=0; 
byte[] buff=new byte[4]; 
system.io.filestream fs = new system.io.filestream(thefile,system.io.filemode.open,system.io.fileaccess.read); 
fs.read(buff,0,4); 
allnum=getintfrombyte(buff); 
byte[] buff0=new byte[2]; 
for(int ii=0;ii<allnum;ii++) 
{ 
for(int jj=0;jj<20;jj++) 
{ 
fs.read(buff0,0,2); 
datap[ii,jj]=getushortfrombyte(buff0); 
} 
fs.read(buff0,0,1); 
dataxy[ii,0]=buff0[0]; 
fs.read(buff0,0,1); 
dataxy[ii,1]=buff0[0]; 
fs.read(buff0,0,1); 
datachar[ii]=buff0[0]; 
} 
datanum=allnum; 
fs.close(); 
} 
/// <summary> 
/// 验证码图片 
/// </summary> 
public system.drawing.bitmap bp =new system.drawing.bitmap(49,20); 
/// <summary> 
/// 特征库的长度 
/// </summary> 
public static int datanum=0; 
/// <summary> 
/// 特征库数据 
/// </summary> 
public static ushort[,] datap=new ushort[100000,20]; 
/// <summary> 
/// 长度与高度 
/// </summary> 
public static byte[,] dataxy=new byte[100000,2]; 
/// <summary> 
/// 对应的字符 
/// </summary> 
public static byte[] datachar=new byte[100000]; 
/// <summary> 
/// 等待处理的数据 
/// </summary> 
public ushort[] datapic=new ushort[20]; 
/// <summary> 
/// 有效长度 
/// </summary> 
public byte xlpic=0; 
/// <summary> 
/// 有效宽度 
/// </summary> 
public byte ylpic=0; 
/// <summary> 
/// 检索特征库中存在的记录 
/// </summary> 
public string getchar() 
{ 
//如果查找不到，就返回空串 
string jieguo=""; 
for(int ii=0;ii<datanum;ii++) 
{ 
//统计一共有多少行的像素有差异，如果在4行以内就认为是存在该记录 
//这种方法比较原始，但比较适合多线程时的运行，因为程序只进行简单的逻辑比较 
//如果能够收集更多的特征库，识别率可以达到80％以上 
//（此时可能需要将特征库的容量提高到15w个或以上） 
//当然也可以改进品配算法（如使用关键点品配），以用较少的特征库达到较高的识别率，但 
//那样有比较大的机会造成识别错误并且多线程时占用较多cpu时间。 
int notsamenum=0; 
if(dataxy[ii,0]!=xlpic || dataxy[ii,1]!=ylpic) 
{ 
continue; 
} 
for(int jj=0;jj<20;jj++) 
{ 
if(datap[ii,jj]!=datapic[jj]) 
{ 
notsamenum++; 
} 
} 
if(notsamenum<4) 
{ 
char cj=(char)datachar[ii]; 
return cj.tostring(); 
} 
} 
return jieguo; 
} 
/// <summary> 
/// 检查特征库中是否已经存在相关记录 
/// </summary> 
bool ischardatain() 
{ 
bool jieguo=false; 
for(int ii=0;ii<datanum;ii++) 
{ 
//统计一共有多少行的像素有差异，如果在4行以内就认为是存在该记录 
//这种方法比较原始，但比较适合多线程时的运行，因为程序只进行简单的逻辑比较 
//如果能够收集更多的特征库，识别率可以达到80％以上 
//（此时可能需要将特征库的容量提高到15w个或以上） 
//当然也可以改进品配算法（如使用关键点品配），以用较少的特征库达到较高的识别率，但 
//那样有比较大的机会造成识别错误并且多线程时占用较多cpu时间。 
int notsamenum=0; 
if(system.math.abs(dataxy[ii,0]-xlpic)>1 || system.math.abs(dataxy[ii,1]-ylpic)>1) 
{ 
continue; 
} 
for(int jj=0;jj<20;jj++) 
{ 
if(datap[ii,jj]!=datapic[jj]) 
{ 
notsamenum++; 
} 
} 
if(notsamenum<4) 
{ 
string asdasd=((char)datachar[ii]).tostring(); 
return true; 
} 
} 
return jieguo; 
} 
/// <summary> 
/// 添加到特征库中，并暂时将对应的字符置为空格以待人工识别 
/// </summary> 
void adddatawithnullchar() 
{ 
if(this.ischardatain()) 
{ 
return; 
} 
for(int ii=0;ii<20;ii++) 
{ 
datap[datanum,ii]=this.datapic[ii]; 
} 
//暂时将对应的字符置为空格以待人工识别 
datachar[datanum]=32; 
dataxy[datanum,0]=this.xlpic; 
dataxy[datanum,1]=this.ylpic; 
datanum++; 
} 
/// <summary> 
/// 检查验证码图片是否能分成4个部分，如果可以就检查4个字符在特征库中是否已经存在，如果不存在， 
/// 就添加到特征库中，并暂时将对应的字符置为空格以待人工识别 
/// </summary> 
public void writetodata() 
{ 
bool[,] picpixel=new bool[49,20]; 
for(int ii=0;ii<49;ii++) 
{ 
for(int jj=0;jj<20;jj++) 
{ 
if(bp.getpixel(ii,jj).getbrightness()<0.999) 
{ 
picpixel[ii,jj]=true; 
} 
} 
} 
int[] index=new int[8]; 
int indexnum=0; 
bool black=false; 
for(int ii=0;ii<49;ii++) 
{ 
bool haveblack=false; 
for(int jj=0;jj<20;jj++) 
{ 
if(picpixel[ii,jj]) 
{ 
haveblack=true; 
break; 
} 
} 
if(haveblack && black==false) 
{ 
index[indexnum]=ii; 
indexnum++; 
black=true; 
} 
if(!haveblack && black) 
{ 
index[indexnum]=ii; 
indexnum++; 
black=false; 
} 
} 
if(indexnum<7) 
{ 
return; 
} 
if(indexnum==7) 
{ 
index[7]=49; 
} 
//**** 
for(int ii=0;ii<4;ii++) 
{ 
int x1=index[ii*2]; 
int x2=index[ii*2+1]; 
int y1=0,y2=19; 
bool mb=false; 
for(int jj=0;jj<20;jj++) 
{ 
for(int kk=x1;kk<x2;kk++) 
{ 
if(picpixel[kk,jj]) 
{ 
mb=true; 
break; 
} 
} 
if(mb) 
{ 
y1=jj; 
break; 
} 
} 
mb=false; 
for(int jj=19;jj>=0;jj--) 
{ 
for(int kk=x1;kk<x2;kk++) 
{ 
if(picpixel[kk,jj]) 
{ 
mb=true; 
break; 
} 
} 
if(mb) 
{ 
y2=jj; 
break; 
} 
} 
//**以上是获取有效区域的范围 
for(int jj=0;jj<20;jj++) 
{ 
this.datapic[jj]=0; 
this.datapic[jj]=0; 
} 
this.xlpic=(byte)(x2-x1); 
//如果字符宽度超过16个像素就不予处理 
if(xlpic>16) 
{ 
continue; 
} 
this.ylpic=(byte)(y2-y1+1); 
int ys=-1; 
ushort[] addin=new ushort[]{1,2,4,8,16,32,64,128,256,512,1024,2048,4096,8192,16384,32768}; 
for(int jj=y1;jj<=y2;jj++) 
{ 
ys++; 
int xs=-1; 
for(int kk=x1;kk<x2;kk++) 
{ 
xs++; 
if(picpixel[kk,jj]) 
{ 
this.datapic[ys]=(ushort)(this.datapic[ys]+addin[xs]); 
} 
} 
} 
this.adddatawithnullchar(); 
} 
//**** 
} 
/// <summary> 
/// 识别图片 
/// </summary> 
/// <returns>返回识别结果(如果返回的字符串长度小于4就说明识别失败)</returns> 
public string ocrpic() 
{ 
string jieguo=""; 
bool[,] picpixel=new bool[49,20]; 
for(int ii=0;ii<49;ii++) 
{ 
for(int jj=0;jj<20;jj++) 
{ 
if(bp.getpixel(ii,jj).getbrightness()<0.999) 
{ 
picpixel[ii,jj]=true; 
} 
} 
} 
int[] index=new int[8]; 
int indexnum=0; 
bool black=false; 
for(int ii=0;ii<49;ii++) 
{ 
bool haveblack=false; 
for(int jj=0;jj<20;jj++) 
{ 
if(picpixel[ii,jj]) 
{ 
haveblack=true; 
break; 
} 
} 
if(haveblack && black==false) 
{ 
index[indexnum]=ii; 
indexnum++; 
black=true; 
} 
if(!haveblack && black) 
{ 
index[indexnum]=ii; 
indexnum++; 
black=false; 
} 
} 
if(indexnum<7) 
{ 
return jieguo; 
} 
if(indexnum==7) 
{ 
index[7]=49; 
} 
//**** 
for(int ii=0;ii<4;ii++) 
{ 
int x1=index[ii*2]; 
int x2=index[ii*2+1]; 
int y1=0,y2=19; 
bool mb=false; 
for(int jj=0;jj<20;jj++) 
{ 
for(int kk=x1;kk<x2;kk++) 
{ 
if(picpixel[kk,jj]) 
{ 
mb=true; 
break; 
} 
} 
if(mb) 
{ 
y1=jj; 
break; 
} 
} 
mb=false; 
for(int jj=19;jj>=0;jj--) 
{ 
for(int kk=x1;kk<x2;kk++) 
{ 
if(picpixel[kk,jj]) 
{ 
mb=true; 
break; 
} 
} 
if(mb) 
{ 
y2=jj; 
break; 
} 
} 
//**以上是获取有效区域的范围 
for(int jj=0;jj<20;jj++) 
{ 
this.datapic[jj]=0; 
this.datapic[jj]=0; 
} 
this.xlpic=(byte)(x2-x1); 
//如果字符宽度超过16个像素就不予处理 
if(xlpic>16) 
{ 
continue; 
} 
this.ylpic=(byte)(y2-y1+1); 
int ys=-1; 
ushort[] addin=new ushort[]{1,2,4,8,16,32,64,128,256,512,1024,2048,4096,8192,16384,32768}; 
for(int jj=y1;jj<=y2;jj++) 
{ 
ys++; 
int xs=-1; 
for(int kk=x1;kk<x2;kk++) 
{ 
xs++; 
if(picpixel[kk,jj]) 
{ 
this.datapic[ys]=(ushort)(this.datapic[ys]+addin[xs]); 
} 
} 
} 
jieguo=jieguo+this.getchar(); 
} 
return jieguo; 
} 
} 
}