一背景:滑块式验证码:
这个很常见了,网上也有很多破解方式,防御能力不是很好,起码不如汉字点选式的安全,优点:用户体验好。
代码也很多,有一块关于切图的,就是上面的截图的:小滑块图、缺口图 如何实现比较困扰我。看完才明白思路,整理下逻辑。
二 高斯模糊
先说背景知识高斯模糊,这里是有专业文章介绍的。
http://www.swageroo.com/wordpress/how-to-program-a-gaussian-blur-without-using-3rd-party-libraries/
接了一段这个样子,英语好的看原文最好了。 有些图像的背景知识也需要了解》偷懒的从 百科上粘贴了一些
像素:像素:数字图像由二维的元素组成,每一个元素具有一个特定的位置(x,y)和幅值f(x,y),这些元素就称为像素。它是数字图像的基本单位。
RGB:RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。红R、绿G、蓝B三种颜色的强度值均是0-255,则三种光混合在每个像素可以组成16777216(256256256)种不同的颜色。256级的RGB色彩也被简称为1600万色或千万色,或称为24位色(2的24次方)。
卷积:
在图像处理中,卷积操作指的就是使用一个卷积核(kernel)对一张图像中的每个像素进行一系列操作。卷积核通常是一个四方形网格结构。(例如3X3的方形区域),该区域内每个方格都有一个权重值。当对图像中的某个像素进行卷积时,我们会把卷积核的中心放置于该图像上,依次计算核中每个元素和其覆盖的图像像素值的乘积并求和,得到的结果就是该位置的新像素值
2
就是对图像进行平滑化处理。
上图中,2是中间点,周边点都是1。”中间点”取”周围点”的平均值,就会变成1。在数值上,这是一种”平滑化”。在图形上,就相当于产生”模糊”效果,”中间点”失去细节。
这种是“均值滤波函数”,
width以及height分别为卷积核的宽与高。从公式可知,图像中某点的像素值就是该像素卷积核范围内的像素的均值。这就很好理解图像为什么模糊了(可以从两个维度去看模糊表现:从数值角度看,就是数值越平滑,从图像角度去看,越模糊)。并且卷积核的范围越大,图像就越模糊。
2.2 高斯模糊
公式不贴了,如上图正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。
在图像中,越靠近的点关系越密切,越远离的点关系越疏远,这和高斯分布的函数图像是吻合的。
上面的正态分布是一维的,由于图像是二维的,因此需要二维的高斯分布:
对应公式:
有了这个函数 ,就可以计算每个点的权重了。
贴一小段Java的实现代码,
/* 简单的高斯模糊算法
@param args
@return void
@see[类成员,类方法]*/
public static void main(String[] args) throws IOException {
//图片读取路径
String pathname="/Users/benmu/Documents/23.jpeg";
//图片保存路径
String pathname1="/Users/benmu/Documents/24.jpeg";
gaussianBlur(pathname,pathname1,5,2);
}
/**
* 基于正态分布的图片高斯模糊
*/
public static void gaussianBlur(String sourcePath, String targetPath, int round, int radius) throws IOException {
BufferedImage bufferedImage = ImageIO.read(new File(sourcePath));
int height = bufferedImage.getHeight();
int width = bufferedImage.getWidth();
int matrixLength = 2 * radius + 1;
int[][] matrix = new int[matrixLength][matrixLength];
int[] values = new int[matrixLength * matrixLength];
//处理几次
for (int r = 0; r < round; r++) {
//处理图像的范围
for (int i = 0; i < width / 2; i++) {
for (int j = 0; j < height; j++) {
//将BuffedImage矩阵的像素值取出来
readPixel(bufferedImage, i, j, values);
//为给定像素值,将像素值填充入矩阵中去
fillMatrix(matrix, values);
//将像素的矩阵进行高斯模糊,重新生成一个模糊后的矩阵
bufferedImage.setRGB(i, j, avgMatrix(matrix));
}
}
}
ImageIO.write(bufferedImage, "jpg", new File(targetPath));
}
效果如下:左侧为模糊处理过
再活动式图片验证码的应用:
这个有缺损的图,就是使用模板图对原图进行模糊处理生成遮罩层。网上代码很多,就不贴了。
参考:
https://qwhai.blog.csdn.net/article/details/50425793
https://www.zhihu.com/question/54918332?sort=created