图像识别解决方案(验证码)

图像识别解决方案(验证码) 篇一：用于验证码图片识别的类

用于验证码图片识别的类（C#源码）

最近写了几个网站的验证码图片自动识别程序，尽管每个网站的验证码图片都不相同，识别的方法有所差别。但写得多了，也总结出不少相同之处。今天抽空封装出一个基础类来，发现可以很好地重复利用，编写不同的验证码识别程序，效率提高了不少。好东东不能独享，现放出来供大家共同研究，请网友们妥善用之。

封装后的类使用很简单，针对不同的验证码，相应继承修改某些方法，即可简单几句代码就可以实现图片识别了：GrayByPixels(); //灰度处理

GetPicValidByValue(128, 4); //得到有效空间

Bitmap[] pics = GetSplitPics(4, 1); //分割

string code = GetSingleBmpCode(pics[i], 128);//得到代码串

using

System;

using

;

using

using

;

using

;

using

;

using

;

namespace BallotAiying2

{

class

UnCodebase

{

public

Bitmap bmpobj;

public

UnCodebase(Bitmap pic)

{

bmpobj = new Bitmap(pic); //转换为Format32bppRgb

///

/// 根据RGB，计算灰度值

///

/// Color值

/// 灰度值，整型

private int

GetGrayNumColor( posClr)

{

return ( * 19595 + * 38469 + posClr .B * 7472) >> 16;

}

///

/// 灰度转换,逐点方式

///

public void

GrayByPixels()

{

for (int

i = 0; i {

for (int

j = 0; j {

int

tmpValue = GetGrayNumColor((j, i));

(j, i, Color

.FromArgb(tmpValue, tmpValue, tmpValue)); }

}

}

///

/// 去图形边框

///

///

public void ClearPicBorder(int

borderWidth)

{

for (int

i = 0; i {

for (int

j = 0; j {

if (i - 1 - borderWidth

|| i > - 1 - borderWidth)

(j, i, Color

.FromArgb(255, 255, 255));

}

}

}

///

/// 灰度转换,逐行方式

///

public void

GrayByLine()

{

Rectangle rec = new

Rectangle(0, 0, , );

BitmapData bmpData = (rec, , ); // );

// = ;

IntPtr scan0 = ;

int

len = * ;

int[] pixels = new int [len];

(scan0, pixels, 0, len);

//对图片进行处理

int

GrayValue = 0;

for (int

i = 0; i {

GrayValue = GetGrayNumColor(Color

.FromArgb(pixels[i]));

pixels[i] = (byte)((GrayValue, GrayValue, GrayValue)).ToArgb(); //Color转

byte

}

(bmpData);

}

///

/// 得到有效图形并调整为可平均分割的大小

///

/// 灰度背景分界值

/// 有效字符数

///

public void GetPicValidByValue(int dgGrayValue,

int

CharsCount)

{

int posx1 = ; int

posy1 = ;

int posx2 = 0; int

posy2 = 0;

for (int i = 0; i {

for (int

j = 0; j {

int

pixelValue = (j, i).R;

if (pixelValue {

if

(posx1 > j) posx1 = j;

if

(posy1 > i) posy1 = i;

if

(posx2 if

(posy2 };

};

// 确保能整除

int Span = CharsCount - (posx2 - posx1 + 1) % CharsCount; //可整除的差额数

if

(Span {

int leftSpan = Span / 2; //分配到左边的空列，如span为单数,则右边比左边大

1 if

(posx1 > leftSpan)

posx1 = posx1 - leftSpan;

if

(posx2 + Span - leftSpan posx2 = posx2 + Span - leftSpan;

}

//复制新图

Rectangle cloneRect = new Rectangle(posx1, posy1, posx2 - posx1 + 1, posy2

- posy1 + 1);

bmpobj = (cloneRect, );

}

/// 得到有效图形,图形为类变量

///

/// 灰度背景分界值

/// 有效字符数

///

public void GetPicValidByValue(int dgGrayValue)

{

int posx1 = ; int

posy1 = ;

int posx2 = 0; int

posy2 = 0;

for (int i = 0; i {

for (int

j = 0; j {

int

pixelValue = (j, i).R;

if (pixelValue {

if

(posx1 > j) posx1 = j;

if

(posy1 > i) posy1 = i;

if

(posx2 if

(posy2 };

};

};

//复制新图

Rectangle cloneRect = new Rectangle(posx1, posy1, posx2 - posx1 + 1, posy2

- posy1 + 1);

bmpobj = (cloneRect, );

}

///

/// 得到有效图形,图形由外面传入

///

/// 灰度背景分界值

/// 有效字符数

///

public Bitmap GetPicValidByValue(Bitmap singlepic, int

dgGrayValue)

{

int posx1 = ; int

posy1 = ;

int posx2 = 0; int

posy2 = 0;

for (int i = 0; i { for (int

j = 0; j {

int

pixelValue = (j, i).R;

if (pixelValue {

if

(posx1 > j) posx1 = j;

if

(posy1 > i) posy1 = i;

if

(posx2 if

(posy2 };

};

};

//复制新图

Rectangle cloneRect = new Rectangle(posx1, posy1, posx2 - posx1 + 1, posy2

- posy1 + 1);

return

(cloneRect, );

}

///

/// 平均分割图片

///

/// 水平上分割数

/// 垂直上分割数

/// 分割好的图片数组

public Bitmap [] GetSplitPics(int RowNum,int

ColNum)

{

if

(RowNum == 0 || ColNum == 0)

return null

;

int

singW = / RowNum;

int

singH = / ColNum;

Bitmap [] PicArray=new

Bitmap[RowNum*ColNum];

Rectangle cloneRect;

for (int i = 0; i {

篇二：验证码图像识别基础类

最近写了几个网站的验证码图片自动识别程序，尽管每个网站的验证码图片都不相同，识别的方法有所差别。但写得多了，也总结出不少相同之处。今天抽空封装出一个基础类来，发现可以很好地重复利用，编写不同的验证码识别程序，效率提高了不少。好东东不能独享，现放出来供大家共同研究，请网友们妥善用之。

封装后的类使用很简单，针对不同的验证码，相应继承修改某些方法，即可简单几句代码就可以实现图片识别了：GrayByPixels(); //灰度处理

GetPicValidByValue(128, 4); //得到有效空间

Bitmap[] pics = GetSplitPics(4, 1); //分割

string code = GetSingleBmpCode(pics[i], 128); //得到代码串 using

System;

using

;

using ; using

;

using ;

using

;

using

;

namespace

BallotAiying2

{

class UnCodebase

{

public Bitmap bmpobj;

public

UnCodebase(Bitmap pic)

{

bmpobj = new Bitmap(pic); //转换为Format32bppRgb }

/**////

/// 根据RGB，计算灰度值

///

/// Color值

/// 灰度值，整型

private int

GetGrayNumColor( posClr)

{

return ( * 19595 + * 38469 + * 7472) >> 16; }

/**////

/// 灰度转换,逐点方式

///

public void

GrayByPixels()

{

for (int

i = 0; i {

for (int

j = 0; j {

int tmpV

alue = GetGrayNumColor((j, i)); (j, i, (tmpValue, tmpValue, tmpV alue));

}

}

}

/**////

/// 去图形边框

///

///

public void ClearPicBorder(int

borderWidth)

{

for (int

i = 0; i {

for (int

j = 0; j {

if (i - 1 - borderWidth || i > - 1 - borderWidth)

(j, i, (255, 255, 255));

}

}

}

/**////

/// 灰度转换,逐行方式

///

public void

GrayByLine()

{

Rectangle rec = new Rectangle(0, 0, , );

BitmapData bmpData = (rec, , );// Argb);

//

= ;

IntPtr scan0 = ;

int

len = * ;

int[] pixels = new int

[len];

(scan0, pixels, 0, len);

//对图片进行处理

int GrayV

alue = 0;

for (int

i = 0; i {

GrayV

alue = GetGrayNumColor((pixels[i]));

pixels[i] = (byte)((GrayValue, GrayValue, GrayValue)).ToArgb();//Color转

byte

}

(bmpData);

}

/**////

/// 得到有效图形并调整为可平均分割的大小

///

/// 灰度背景分界值

/// 有效字符数

///

public void GetPicValidByValue(int dgGrayValue, int

CharsCount)

{

int posx1 = ; int

posy1 = ;

int posx2 = 0; int

posy2 = 0;

for (int i = 0; i {

for (int

j = 0; j {

int pixelV

alue = (j, i).R;

if (pixelValue {

if (posx1 > j) posx1 = j;

if (posy1 > i) posy1 = i;

if

(posx2 if

(posy2 };

};

};

// 确保能整除

int Span = CharsCount - (posx2 - posx1 + 1) % CharsCount;//可整除的差额数

if (Span ount)

{

int leftSpan = Span / 2; //分配到左边的空列，如span为单数,则右边比左边大

1 if

(posx1 > leftSpan)

posx1 = posx1 - leftSpan;

if

(posx2 + Span - leftSpan posx2 = posx2 + Span - leftSpan;

}

//复制新图

Rectangle cloneRect = new

Rectangle(posx1, posy1, posx2 - posx1 + 1, posy2 - posy1 + 1);

bmpobj = (cloneRect, );

}

/**////

/// 得到有效图形,图形为类变量

///

/// 灰度背景分界值

/// 有效字符数