CMCC-EDU 模拟登陆中的验证码识别

文章地址：http://blog.csdn.net/u011535382/article/details/48210643

      本文是成都地区CMCC-EDU登陆时候的验证码识别过程分析，完整的登陆过程分析在 这里。

1.验证码识别难度分析

      经过对比观察发现，CMCC-EUD的验证码其实很二的，其中每个数字的出现位置是固定的，每个数字每次出现的形状也是一样的,只有少量的噪点可以通过分区和二值化处理来消除。

    可以将图片看成是44*20的一个矩阵，只要能够把它每个数字标准的形式存储下来，再将整个验证码分为四个区域，逐一比较，找出差异度最小的就实现了。

2.标准数字矩阵的建立

    由于每个数字可以看成是 13*9 的矩阵，需要将他们转化为二值并储存在二维数组中作为每次比较的标准。先通过ps将图片裁剪成 13*9 分辨率的文件，再由软件对比识别。

这是二值化前的效果：

    其中彩色转化为灰度的计算方式为 gray = R*0.11＋G *0.59 + B*0.3;灰度转二值的阀值取为 128，这样实际的的效果最好。再将识别出来的图像矩阵存储到文本文件 stand.txt 中方便以后编程的使用。

 二值化后的效果：

4.验证码的识别思路

1、将待验证的图片分为四个区域；

2、选择一个区域数字识别；

3、将10个标准数字矩阵和待识别区做异或操作，统计差异最小的那个数就是识别出来的数num；

4、若四个区域都识别完，返回识别结果，若没有，转到步骤2。

5.具体实现代码

/*
验证码识别函数
参数： 包含验证码图片的 CImage 对象
返回值： 识别结果的 CString */
CString Distinguish(CImage &image)
{
    CString strResult;
    //每张验证码分为四个区域
    for(int temp= 0; temp<=3; temp++)
    {
        bool pixelArray[13][9] = {0};
        int numL = 11*temp+2;   //x像素坐标的左边起点
        int numR = numL + 9;  //x像素坐标的右边起点
        int resultNum = 0;
        //对一个图像进行扫描二值化 存储在  pixelArray
        for (int y=2; y<15; y++)
        {
            for (int x=numL; x<numR; x++)
            {
                COLORREF colorRef = image.GetPixel(x,y);
                //RGB同时扩大100倍  转化为灰度值
                int gray = GetRValue(colorRef)*11+GetGValue(colorRef)*59+GetBValue(colorRef)*30;
                if (gray>=12800)
                {
                    pixelArray[y-2][x-numL] = true;
                }
                else
                {
                    pixelArray[y-2][x-numL] = false;
                }
            }
        }

        //对一个区域的数字进行识别
        //将10个标准数字与目标数字矩阵比较
        int mincount = 117;
        for (int num =0; num<10; num++)
        {
            int count = 0;
            for (int y=0; y<13; y++)
            {
                for (int x=0; x<9 ;x++)
                {
                    //统计差异的个数
                    if (standNum[num][y][x]&&pixelArray[y][x])
                    {
                        count++;
                    }
                }
            }

            if (count<mincount)
            {
                mincount = count;
                resultNum = num;
            }
        }
        //将识别出来的数字转化为CString
        CString strFormat;
        strFormat.Format("%d", resultNum);
        strResult += strFormat;
    }

    return strResult;
}

6.验证码识别效果

  经过300多张图片的测试，成功率为 100% （主要是图片太简单）。