验证码的智能识别是一项比较复杂的工作，甚至需要掌握点图像学的知识。
当然对于写程序的来说不用那么深入，只需要掌握几个常规步骤就行了。
验证码图像识别步骤：1、获取图像 2、清除边框 3、灰度处理 4、二值化处理 5、噪点处理 6、图像分割 7、识别单个数字 8、拼接验证码
一、获取图像
图像一般是远程的，所以需要用到WebRequest：
public Bitmap GetImg(string imgUrl)
{
WebRequest wreq = WebRequest.Create(imgUrl);
wreq.Timeout = ;
HttpWebResponse wresp = (HttpWebResponse)wreq.GetResponse();
Stream s = wresp.GetResponseStream();
return new Bitmap(s);
}
二、清除边框
很多验证码周围都有一圈黑色的边框，因此需要用到以下操作：
public Bitmap ClearBorder(Bitmap bm)
{
//去边框 width
for (int i = ; i < bm.Width; i++)
{
bm.SetPixel(i, , Color.White);
bm.SetPixel(i, bm.Height - , Color.White);
}
//去边框 height
for (int j = ; j < bm.Height; j++)
{
bm.SetPixel(, j, Color.White);
bm.SetPixel(bm.Width - , j, Color.White);
}
return bm;
}
三、灰度处理
所谓的灰度处理即让五彩缤纷的图像变成深浅度不同的灰色图像。之所以如此是为了接下去的二值化处理。先看灰度处理：
public Bitmap MakeGray(Bitmap bm)
{
for (int i = ; i < bm.Width; i++)
{
for (int j = ; j < bm.Height; j++)
{
Color c = bm.GetPixel(i, j);//原始背景颜色
int gray = (int)(c.R * 0.11 + c.G * 0.59 + c.B * 0.3);//计算灰度
bm.SetPixel(i, j, Color.FromArgb(gray, gray, gray));
}
}
return bm;
}
它的原理是遍历图像上的像素点，根据当前像素点的RGB颜色得到灰度，然后将灰度重新赋给当前像素点。
灰度处理通常有以下三个方法（本例采用的公式2.2）：
(2.1)
(2.2)
(2.3)
公式（2.1）取RGB通道的平均值，得到的图像相对比较柔和，同时也缩小了目标和背景的平均亮度差，不利于后续的阀值处理。
公式（2.2）考虑了人眼对绿色的适应度最强，蓝色次之，红色最差。在处理绿色调和蓝色调的验证码图像时，公式（2.2）的效果令人满意，但在处理红色调的图像时，因为公式中红色的权值很小，灰度化后目标像素和背景像素的亮度差值被严重缩小，效果还不如公式（2.1）。
公式（2.3）基于一个前提，那就是有限保留目标像素的亮度信息，利于后续的阀值分割。
有关理论方面的可以参考此链接：http://www.cnblogs.com/chaosimple/archive/2013/07/18/3197720.html (感谢作者提供宝贵的资料)
四、二值化处理
二值化处理即让所有深浅度不同的灰色像素点变为黑白两种像素点，即二值化。
在此需要找到一个临界值。大于该值的为白（背景），小于的为白（验证码）。
public Bitmap MakeBlackWhite(Bitmap bm)
{
for (int i = ; i < bm.Width; i++)
{
for (int j = ; j < bm.Height; j++)
{
Color c = bm.GetPixel(i, j);//背景颜色
if (c.B > ) //当前像素点与临界值判断
{
bm.SetPixel(i, j, Color.White);
}
else
{
bm.SetPixel(i, j, Color.Black);
}
}
}
return bm;
}
五、噪点处理
所谓的噪点处理，就是把一些零零碎碎的点去掉，使其得到干净整洁的图像。
public Bitmap ClearPieces(Bitmap bm)
{
for (int i = ; i < bm.Width - ; i++)
{
for (int j = ; j < bm.Height - ; j++)
{
Color c = bm.GetPixel(i, j);//原始背景颜色
Color cUp = bm.GetPixel(i, j - );
Color cDown = bm.GetPixel(i, j + );
Color cLeft = bm.GetPixel(i - , j);
Color cRight = bm.GetPixel(i + , j);
//Response.Write(c.R + " " + c.G + " " + c.B + " <br />");
if (c.R == && cUp.R != && cDown.R != && cLeft.R != && cRight.R != )
{
bm.SetPixel(i, j, Color.White);
}
}
}
return bm;
}
六、图像切割
public Bitmap SplitImg(Bitmap bm,int pointX,int pointY)
{
Bitmap first = new Bitmap(cutWidth, cutHeight, PixelFormat.Format32bppRgb);for (int i = ; i < first.Width; i++)
{
for (int j = ; j < first.Height; j++)
{
Color c = bm.GetPixel(pointX + i, pointY + j);
first.SetPixel(i, j, c);
}
}
return first;
}
这样就得到了验证码中的只包含一个数字的图片。
七、识别单个数字
public string GetOneNumber(Bitmap first)
{
StringBuilder strFir = new StringBuilder("");
for (int i = ; i < first.Width; i++)
{
for (int j = ; j < first.Height; j++)
{
Color c = bm.GetPixel( i, j);
if (c.R == )
{
strFir.Append("");
}
else
{
strFir.Append("");
}
}
}
int result = ;
string num = "";
List<string> numbers = verifyHelper.GetList();
for (int j = ; j < numbers.Count(); j++)
{
result = ;
for (int i = ; i < strFir.Length; i++)
{
if (strFir[i] == numbers[j][i])
{
result++;
}
if (result > )
{
num = j.ToString();
return num;
} }
}
return "-1";
八、最后拼接
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
综合起来需要做的操作是
public string GetNumbers(string imgUrl)
{
Bitmap bm = new Bitmap(GetImgStream(imgUrl)); bm = ClearBorder(bm);
bm = MakeGray(bm);
bm = MakeBlackWhite(bm);
bm = ClearPieces(bm); string result = "";
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
result += GetOneNumber(bm, , );
if(result.Contains("-1"))
{
return "-1";
}
else
{
return result;
}
}