Java簡單驗證碼的識別

原文：http://www.cnblogs.com/nayitian/p/3282862.html

 

 

1. 需求

因為項目需要，需要多次登錄某網站抓取信息。所以學習了驗證碼的一些小知識。文章參考http://blog.csdn.net/problc/article/details/5794460的部分內容。

需要程序識別的驗證碼格式如圖所示：，這個圖片符合固定大小，固定位置，固定字體，固定顏色的范圍，實現起來相對簡單。

驗證碼識別基本分四步，圖片預處理，分割，訓練，識別。為便於演示，我這里分更多的步驟。

BTW：

如果是形如：的驗證碼，請參考：http://blog.csdn.net/problc/article/details/5797507

如果是形如：的驗證碼，請參考：http://blog.csdn.net/problc/article/details/5800093

如果是形如：的驗證碼，請參考：http://blog.csdn.net/problc/article/details/5846614

更多驗證碼相關內容，請參考：http://blog.csdn.net/problc/article/details/5983276

2. 環境

目錄結構：download目錄用於存放下載的驗證碼；train用於存放供比對的標准圖片；result用於存放比對結果。

包：HttpClient4.2（用於抓取圖片）

3. 步驟

3.1 下載驗證碼：將多個驗證碼圖片下載到指定目錄，要求各種可能的驗證碼（單個數字）都應該有，比如：0-9。

    // 1.下載驗證碼：將多個驗證碼圖片下載到指定目錄，要求各種可能的驗證碼（單個數字）都應該有，比如：0-9。
    private void downloadImage() throws Exception {
        HttpClient httpClient = new DefaultHttpClient();
        for (int i = 0; i < 10; i++) {
            String url = "http://www.yoursite.com/yz.php";
            HttpGet getMethod = new HttpGet(url);
            try {
                HttpResponse response = httpClient.execute(getMethod, new BasicHttpContext());
                HttpEntity entity = response.getEntity();
                InputStream instream = entity.getContent(); 
                OutputStream outstream = new FileOutputStream(new File(DOWNLOAD_DIR, i + ".png"));
                int l = -1;
                byte[] tmp = new byte[2048]; 
                while ((l = instream.read(tmp)) != -1) {
                    outstream.write(tmp);
                } 
                outstream.close();
            } finally {
                getMethod.releaseConnection();
            }
        }

        System.out.println("下載驗證碼完畢！");
    }

下載后download目錄內容：

 

3.2 去除圖像干擾像素（非必須操作，只是可以提高精度而已；可以按照自己的需求進行更改）。

    // 2.去除圖像干擾像素（非必須操作，只是可以提高精度而已）。
    public static BufferedImage removeInterference(BufferedImage image)  
            throws Exception {  
        int width = image.getWidth();  
        int height = image.getHeight();  
        for (int x = 0; x < width; ++x) {  
            for (int y = 0; y < height; ++y) {  
                if (isFontColor(image.getRGB(x, y))) {
                    // 如果當前像素是字體色，則檢查周邊是否都為白色，如都是則刪除本像素。
                    int roundWhiteCount = 0;
                    if(isWhiteColor(image, x+1, y+1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x+1, y-1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x-1, y+1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x-1, y-1))
                        roundWhiteCount++;
                    if(roundWhiteCount == 4) {
                        image.setRGB(x, y, Color.WHITE.getRGB());  
                    }
                } 
            }  
        }  
        return image;  
     }
    
    // 取得指定位置的顏色是否為白色，如果超出邊界，返回true
    // 本方法是從removeInterference方法中摘取出來的。單獨調用本方法無意義。
    private static boolean isWhiteColor(BufferedImage image, int x, int y) throws Exception {
        if(x < 0 || y < 0) return true;
        if(x >= image.getWidth() || y >= image.getHeight()) return true;

        Color color = new Color(image.getRGB(x, y));
        
        return color.equals(Color.WHITE)?true:false;
    }

 剛下載的圖片：；經過去除圖像干擾像素的操作后：。

 

3.3 判斷拆分驗證碼的標准：就是定義驗證碼中包含的各數字的x、y坐標值，及它們的寬度（width）、高度（height）。

打開PhotoShop，對圖片進行編輯，用選擇工具（M）選擇一個數字，在信息欄中就看到當前字的寬度、高度。各數字的x、y坐標值同樣可以此方法獲取到。

對應代碼：

    // 3.判斷拆分驗證碼的標准：就是定義驗證碼中包含的各數字的x、y坐標值，及它們的寬度（width）、高度（height）。
    private static List<BufferedImage> splitImage(BufferedImage image) throws Exception {
        final int DIGIT_WIDTH = 19;
        final int DIGIT_HEIGHT = 17;

        List<BufferedImage> digitImageList = new ArrayList<BufferedImage>();
        digitImageList.add(image.getSubimage(2, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(20, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(40, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(60, 2, DIGIT_WIDTH, DIGIT_HEIGHT));

        return digitImageList;
    }

3.4 判斷字體的顏色含義：正常可以用rgb三種顏色加起來表示，字與非字應該有顯示的區別，找出來。

同樣通過PhotoShop，用吸管工具（I）選擇有顏色的部分，在信息欄中可以看到當前的RGB值，因為是純色，記錄三值相加結果即可。我這里R+G+B是340。

對應代碼（如果不是純色，可以用大於、小於某一范圍之類的判斷，而不是用等於）：

    // 4.判斷字體的顏色含義：正常可以用rgb三種顏色加起來表示，字與非字應該有顯示的區別，找出來。
    private static boolean isFontColor(int colorInt) {
        Color color = new Color(colorInt);

        return color.getRed() + color.getGreen() + color.getBlue() == 340;
    }

3.5 將下載的驗證碼圖片全部拆分到另一個目錄。

    // 5.將下載的驗證碼圖片全部拆分到另一個目錄。
    public void generateStdDigitImgage() throws Exception {
        File dir = new File(DOWNLOAD_DIR);
        File[] files = dir.listFiles(new ImageFileFilter("png"));
        
        int counter = 0;
        for (File file : files) {
            BufferedImage image = ImageIO.read(file);
            removeInterference(image); 
            List<BufferedImage> digitImageList = splitImage(image);
            for (int i = 0; i < digitImageList.size(); i++) {
                BufferedImage bi = digitImageList.get(i);
                ImageIO.write(bi, "PNG", new File(TRAIN_DIR, "temp_" + counter++ + ".png"));
            }
        }
        System.out.println("生成供比對的圖片完畢，請到目錄中手工識別並重命名圖片，並刪除其它無關圖片！");
    }

運行后train目錄內容：

3.6 手工命名文件：在資源管理器中，切換到train目錄手工將這些拆分的文件命名到正確的名稱，刪除無用的。

3.7 測試判斷效果：運行方法，可以在isFontColor方法中調整rgb三值累加的范圍值，以達到高的分辨率。

 

    // 7.測試判斷效果：運行方法，可以調整rgb三值，以達到高的分辨率。
    // 目前此方法提供在輸出判斷結果的同時，在目標目錄生成以判斷結果命名的新驗證碼圖片，以批量檢查效果。
    public void testDownloadImage() throws Exception {
        File dir = new File(DOWNLOAD_DIR);
        File[] files = dir.listFiles(new ImageFileFilter("png"));
        
        for (File file : files) {
            String validateCode = getValidateCode(file);
            System.out.println(file.getName() + "=" + validateCode);
        }
        
        System.out.println("判斷完畢，請到相關目錄檢查效果！");
    }

運行后result目錄結果如下圖（識別率100%）：

3.8 開放給外界接口調用。

    /**
     * 8.提供給外界接口調用。
     * @param file
     * @return
     * @throws Exception
     */
    public static String getValidateCode(File file) throws Exception {
        // 裝載圖片
        BufferedImage image = ImageIO.read(file);
        removeInterference(image);
        // 拆分圖片
        List<BufferedImage> digitImageList = splitImage(image);

        // 循環每一位數字圖進行比對
        StringBuilder sb = new StringBuilder();
        for (BufferedImage digitImage : digitImageList) {
            String result = "";
            int width = digitImage.getWidth();
            int height = digitImage.getHeight();
            
            // 最小的不同次數（初始值為總像素），值越小就越像。
            int minDiffCount = width * height;
            for (BufferedImage bi : trainMap.keySet()) {
                // 對每一位數字圖與字典中的進行按像素比較
                int currDiffCount = 0; // 按像素比較不同的次數
                outer : for (int x = 0; x < width; ++x) {
                    for (int y = 0; y < height; ++y) {
                        if (isFontColor(digitImage.getRGB(x, y)) != isFontColor(bi.getRGB(x, y))) {
                            // 按像素比較如果不同，則加1；
                            currDiffCount++;
                            // 如果值大於minDiffCount，則不用再比較了，因為我們要找最小的minDiffCount。
                            if (currDiffCount >= minDiffCount) 
                                break outer;
                        }
                    }
                }
                if (currDiffCount < minDiffCount) {
                    // 現在誰差別最小，就先暫時把值賦予給它
                    minDiffCount = currDiffCount;
                    result = trainMap.get(bi);
                }
            }
            sb.append(result);
        }        
        ImageIO.write(image, "PNG", new File(RESULT_DIR, sb.toString() + ".png"));
        
        return sb.toString();
    }

4. 完整代碼

package com.clzhang.sample.net;

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.FileFilter;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import javax.imageio.ImageIO;

import org.apache.http.HttpEntity;
import org.apache.http.HttpResponse;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.protocol.BasicHttpContext;


/**
 * 這是一個自動識別驗證碼的程序。要求是簡單的驗證碼，固定大小，固定位置，固定字體；字體純色最好，如不是需要修改代碼。
 * 
 * @author acer
 *
 */
public class ImageProcess {
    // 存放所有下載驗證碼的目錄
    private static final String DOWNLOAD_DIR = "D:\\Work\\helloworld\\resources\\validate\\download";

    // 存放已經拆分開的單個數字圖片的目錄，供比對用
    private static final String TRAIN_DIR = "D:\\Work\\helloworld\\resources\\validate\\train";

    // 存放比對結果的目錄（重新以驗證碼所含數字命名文件，非常直觀）
    private static final String RESULT_DIR = "D:\\Work\\helloworld\\resources\\validate\\result";

    // 存放比對圖片與代表數字的Map
    private static Map<BufferedImage, String> trainMap = new HashMap<BufferedImage, String>();
    
    // 圖片過濾器，想要什么樣的圖片，傳進名稱即可。如：png/gif/.png
    static class ImageFileFilter implements FileFilter {
        private String postfix = ".png";
        
        public ImageFileFilter(String postfix) {
            if(!postfix.startsWith("."))
                postfix = "." + postfix;
            
            this.postfix = postfix;
        }
        
        @Override
        public boolean accept(File pathname) {
            return pathname.getName().toLowerCase().endsWith(postfix);
        }
    }

    static {
        try {
            // 將TRAIN_DIR目錄的供比對的圖片裝載進來
            File dir = new File(TRAIN_DIR);
            File[] files = dir.listFiles(new ImageFileFilter("png"));
            for (File file : files) {
                trainMap.put(ImageIO.read(file), file.getName().charAt(0) + "");
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    // 1.下載驗證碼：將多個驗證碼圖片下載到指定目錄，要求各種可能的驗證碼（單個數字）都應該有，比如：0-9。
    private void downloadImage() throws Exception {
        HttpClient httpClient = new DefaultHttpClient();
        for (int i = 0; i < 10; i++) {
            String url = "http://www.yoursite.com/yz.php";
            HttpGet getMethod = new HttpGet(url);
            try {
                HttpResponse response = httpClient.execute(getMethod, new BasicHttpContext());
                HttpEntity entity = response.getEntity();
                InputStream instream = entity.getContent(); 
                OutputStream outstream = new FileOutputStream(new File(DOWNLOAD_DIR, i + ".png"));
                int l = -1;
                byte[] tmp = new byte[2048]; 
                while ((l = instream.read(tmp)) != -1) {
                    outstream.write(tmp);
                } 
                outstream.close();
            } finally {
                getMethod.releaseConnection();
            }
        }

        System.out.println("下載驗證碼完畢！");
    }
    
    // 2.去除圖像干擾像素（非必須操作，只是可以提高精度而已）。
    public static BufferedImage removeInterference(BufferedImage image)  
            throws Exception {  
        int width = image.getWidth();  
        int height = image.getHeight();  
        for (int x = 0; x < width; ++x) {  
            for (int y = 0; y < height; ++y) {  
                if (isFontColor(image.getRGB(x, y))) {
                    // 如果當前像素是字體色，則檢查周邊是否都為白色，如都是則刪除本像素。
                    int roundWhiteCount = 0;
                    if(isWhiteColor(image, x+1, y+1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x+1, y-1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x-1, y+1))
                        roundWhiteCount++;
                    if(isWhiteColor(image, x-1, y-1))
                        roundWhiteCount++;
                    if(roundWhiteCount == 4) {
                        image.setRGB(x, y, Color.WHITE.getRGB());  
                    }
                } 
            }  
        }  
        return image;  
     }
    
    // 取得指定位置的顏色是否為白色，如果超出邊界，返回true
    // 本方法是從removeInterference方法中摘取出來的。單獨調用本方法無意義。
    private static boolean isWhiteColor(BufferedImage image, int x, int y) throws Exception {
        if(x < 0 || y < 0) return true;
        if(x >= image.getWidth() || y >= image.getHeight()) return true;

        Color color = new Color(image.getRGB(x, y));
        
        return color.equals(Color.WHITE)?true:false;
    }

    // 3.判斷拆分驗證碼的標准：就是定義驗證碼中包含的各數字的x、y坐標值，及它們的寬度（width）、高度（height）。
    private static List<BufferedImage> splitImage(BufferedImage image) throws Exception {
        final int DIGIT_WIDTH = 19;
        final int DIGIT_HEIGHT = 17;

        List<BufferedImage> digitImageList = new ArrayList<BufferedImage>();
        digitImageList.add(image.getSubimage(2, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(20, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(40, 2, DIGIT_WIDTH, DIGIT_HEIGHT));
        digitImageList.add(image.getSubimage(60, 2, DIGIT_WIDTH, DIGIT_HEIGHT));

        return digitImageList;
    }

    // 4.判斷字體的顏色含義：正常可以用rgb三種顏色加起來表示，字與非字應該有顯示的區別，找出來。
    private static boolean isFontColor(int colorInt) {
        Color color = new Color(colorInt);

        return color.getRed() + color.getGreen() + color.getBlue() == 340;
    }


    // 5.將下載的驗證碼圖片全部拆分到另一個目錄。
    public void generateStdDigitImgage() throws Exception {
        File dir = new File(DOWNLOAD_DIR);
        File[] files = dir.listFiles(new ImageFileFilter("png"));
        
        int counter = 0;
        for (File file : files) {
            BufferedImage image = ImageIO.read(file);
            removeInterference(image); 
            List<BufferedImage> digitImageList = splitImage(image);
            for (int i = 0; i < digitImageList.size(); i++) {
                BufferedImage bi = digitImageList.get(i);
                ImageIO.write(bi, "PNG", new File(TRAIN_DIR, "temp_" + counter++ + ".png"));
            }
        }
        System.out.println("生成供比對的圖片完畢，請到目錄中手工識別並重命名圖片，並刪除其它無關圖片！");
    }
    

    // 7.測試判斷效果：運行方法，可以調整rgb三值，以達到高的分辨率。
    // 目前此方法提供在輸出判斷結果的同時，在目標目錄生成以判斷結果命名的新驗證碼圖片，以批量檢查效果。
    public void testDownloadImage() throws Exception {
        File dir = new File(DOWNLOAD_DIR);
        File[] files = dir.listFiles(new ImageFileFilter("png"));
        
        for (File file : files) {
            String validateCode = getValidateCode(file);
            System.out.println(file.getName() + "=" + validateCode);
        }
        
        System.out.println("判斷完畢，請到相關目錄檢查效果！");
    }
    
    /**
     * 8.提供給外界接口調用。
     * @param file
     * @return
     * @throws Exception
     */
    public static String getValidateCode(File file) throws Exception {
        // 裝載圖片
        BufferedImage image = ImageIO.read(file);
        removeInterference(image);
        // 拆分圖片
        List<BufferedImage> digitImageList = splitImage(image);

        // 循環每一位數字圖進行比對
        StringBuilder sb = new StringBuilder();
        for (BufferedImage digitImage : digitImageList) {
            String result = "";
            int width = digitImage.getWidth();
            int height = digitImage.getHeight();
            
            // 最小的不同次數（初始值為總像素），值越小就越像。
            int minDiffCount = width * height;
            for (BufferedImage bi : trainMap.keySet()) {
                // 對每一位數字圖與字典中的進行按像素比較
                int currDiffCount = 0; // 按像素比較不同的次數
                outer : for (int x = 0; x < width; ++x) {
                    for (int y = 0; y < height; ++y) {
                        if (isFontColor(digitImage.getRGB(x, y)) != isFontColor(bi.getRGB(x, y))) {
                            // 按像素比較如果不同，則加1；
                            currDiffCount++;
                            // 如果值大於minDiffCount，則不用再比較了，因為我們要找最小的minDiffCount。
                            if (currDiffCount >= minDiffCount) 
                                break outer;
                        }
                    }
                }
                if (currDiffCount < minDiffCount) {
                    // 現在誰差別最小，就先暫時把值賦予給它
                    minDiffCount = currDiffCount;
                    result = trainMap.get(bi);
                }
            }
            sb.append(result);
        }        
        ImageIO.write(image, "PNG", new File(RESULT_DIR, sb.toString() + ".png"));
        
        return sb.toString();
    }

    public static void main(String[] args) throws Exception {
        ImageProcess ins = new ImageProcess();
        
        // 第1步，下載驗證碼到DOWNLOAD_DIR
//        ins.downloadImage();
        
        // 第2步，去除干擾的像素
//        File dir = new File(DOWNLOAD_DIR);
//        File[] files = dir.listFiles(new ImageFileFilter("png"));
//        for (File file : files) {
//            BufferedImage image = ImageIO.read(file);
//            removeInterference(image);
//            ImageIO.write(image, "PNG", file);
//            System.out.println("成功處理：" + file.getName());
//        }
        
        // 第3步，判斷拆分驗證碼的標准
        // 通過PhotoShop打開驗證碼並放大觀察，我這兒的結果參考splitImage()方法中的變量
        
        // 第4步，判斷字體的顏色含義
        // 通過PhotoShop打開驗證碼並放大觀察，我這兒字體顏色的rgb總值加起來在340。因為是純色。
        
        // 第5步，將下載的驗證碼圖片全部拆分到TRAIN_DIR目錄。
//        ins.generateStdDigitImgage();
        
        // 第6步，手工命名文件
        // 打開資源管理器，選擇TRAIN_DIR，分別找出顯示0-9數字的文件，以它的名字重新命名，刪除其它所有的。
        
        // 第7步，測試判斷效果，運行后打開RESULT_DIR，檢查文件名是否與驗證碼內容一致。
        ins.testDownloadImage();
        
        // 第8步，提供給外界接口調用。
//        String validateCode = ImageProcess.getValidateCode(new File(DOWNLOAD_DIR, "0.png"));
//        System.out.println("驗證碼為：" + validateCode);
    }
}