图形验证码的识别破解

 

图形验证码为区分计算机和人而设，一般用来防止系统被机器滥用，如自动注册电子邮件帐号发送垃圾邮件、自动发送广告帖等。图形验证码最先为雅虎所采用，现在很多网站都加上了验证码功能。但是其中相当多的验证码都是不堪一击的，尤其是那些固定字体、固定背景色、前景后景对比度高的。更有甚者，有人使用文本框里的文字作为验证码，不知道他要防的是人还是机器。 既然有了验证码，就会有人想着去破解。很多验证码的破解都相当简单，只需要简单的几步就能达到目的了。具体的步骤如下： 1.获取足够的样本数量，建立样本库，每个字符拥有数十个样本应该是比较合适的。对于一些直接在白色背景上放置文字、固定大小、看起来和普通文字几乎没有差别的验证码，甚至可以每个字符只用一个或者几个样本。 2.获取目标验证码图片，将图片和样本库里的样本逐个比较，差别最小的即可断定为相应的字符。 图片的具体处理： 1.二值化。即将彩色图片转换为黑白图片，图片上所有背景色都变为黑色，文字部分则设置为白色（反过来也一样）。具体哪些颜色变黑，哪些变白，视具体情况而定，可以使用颜色提取工具或者photoshop之类的提取颜色进行尝试。 2.去杂点。由于很多验证码都加入了杂点，二值化后的图片难免也会有些杂点。去杂点的思想很简单，就是对于某个点，其周围一定范围内相同颜色的点数少于某个值，即判为杂点。对于已找出的杂点，可以用背景色填充消除掉。 3.提取单个字符。这里处理的是横向上无重叠字符的情形，所以还是相当简单。从左到右扫描每列，记录每个字符的左边界和右边界，将左右边界之间的部分剪裁出来，再对于每个切片检测上下边界，再次剪裁，得到一个个小图片。每张小图片仅包含一个字符，图片的边沿即为字符的边沿。 关于使用的编程语言 理论上说，任何能够方便处理图像的语言都能够作为破解程序的编程语言，如PHP、.net, Java、C/C++都是能够胜任的。但是验证码的破解需要进行很多次的循环比较，脚本语言运行效率方面的弱点就体现出来了，因此编译性的程序更为合适。C/C++无疑是效率最高的，但是由于其对于图形的处理过程较为复杂，因而不太适合快速开发。.net和Java对于图形处理都提供了很好的支持，无论选择哪个都是比较合适的，如果更注重效率，.net也许更适合，如果注重跨平台性，则Java更适合。