简单验证码的识别：Bitmap类的使用

　　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;
            }
        }