通过图片 找到桌面相同图片区域坐标_图片验证码的识别技术

这里有最简单的一类验证码：他们有固定的背景颜色，相同的字符颜色和字体，字符的坐标位置也是固定的。

对于这类验证码，我们只需要对每个数字进行采样，建立标准库，然后应用的时候一一对照标准库，就可以轻易做到100%识别。

使用ImageCreateFromPNG函数把图片取回来，然后用imagecolorat函数取得每一个坐标点的色值，并且把第一个点的颜色确定为背景色。

然后按照图像大小比例画一个表格，如果该单元对应的坐标颜色与背景色相同，不显示任何内容；反之显示黑色块。于是我们得到这样的分解图：

可以观察到，数字所占区域的y坐标是6-15，四个数字所占区域的x坐标分别为3-10，12-19，21-28，30-37。于是建立以0-9为样本建立10个二维数组($arr_eg[0] – $arr_eg[9])，该数组每一个元素均对应该数字区域的每一个坐标，如果该坐标色值与背景相同，值为0，反之为1 。这就是我们的标准库。

识别的时候，同样取得四个数组，与标准数组一一对照，就可以精确地把四个数字识别出来。

以上的例子虽然简单，但是已经把基本原理介绍清楚了，就是 采样->建立标准库->应用->对照标准库->识别。但是，实际应用中，遇到的往往不是如此简单的情况。比如下面是稍微复杂的一类验证码，它的背景和字符都不是纯色，还有很多干扰点，但其字符的坐标都是固定的。

首先我们对其进行去噪处理。就是首先把每个字符区域分割出来，按照出现的频率确定其主色值(字符的色值)，然后去除与其相差大于一定程度的坐标，过滤之后得到目标所在的坐标数组，然后同样与标准库对照。但是这种情况下是不会精确吻合的，我们只能选择吻合度最高的昨作为结果。经过实践，识别率可以达到99%。

再难一点的，就是下面这种：使用了变色、干扰点、干扰线、变位等几种用于干扰手段。

与上一种不同，它的每一个字符所在的位置是不确定的，这就需要我们自己去确定其位置，把字符所占据的大小固定的那一个小块切出来。首先把所有的干扰点和干扰线去掉(去掉之后字符是有所“误伤”的，通常会缺1-3个像素点)，得到比较干净的图，然后用一条横向和竖线去扫描它(比较形象的说法，具体如何实现请自己思考)，把扫到的没有出现颜色的横竖线全部去掉，把分析范围缩到一个较小区域。然后再用竖线扫描，根据颜色的出现与否，又得到5个小区域，每个小区域再用横线扫，除去空白，得到目标区域。得到的目标区域有时候会比标准区域小想办法补全，然后对照，按吻合率最高的原则得出结果。最后识别率达90%以上。