对验证码这一块很少了解,但拜读了别人的文章,忍不住转为AS代码试试。原文:http://www.cnblogs.com/yuanbao/archive/2007/11/14/958488.html
一般都是直接转为灰度图,根据128(中值)做黑白二值化。但是这样有些暗一些或者亮一些的图片,就无法正确分离。。
所以有一些动态方式计算阀值。例如最大类间方差。
对比一下以下两个图:第一个用最大类间方差,第二个用128做固定阀值。
最大类间方差:
固定阀值:
public function getThresholdGrayValue(bitmapData:BitmapData):int
{
var pixelNum:Array = new Array(); //图象直方图,共256个点
var n:int, n1:int, n2:int;
var total:int; //total为总和,累计值
var m1:Number, m2:Number, sum:Number, csum:Number, fmax:Number, sb:Number; //sb为类间方差,fmax存储最大方差值
var k:int, t:int, q:int;
var threshValue:int = 1; // 阈值
var step:int = 1;
//生成直方图
for (var i:int = 0; i < bitmapData.width; i++)
{
for (var j:int = 0; j < bitmapData.height; j++)
{
//返回各个点的颜色,以RGB表示
var color:uint = bitmapData.getPixel(i,j);
var gray:int = Number(color>>16)*0.3 + Number((color>>8)&0xff)*0.6 + Number(color&0xff)*0.1;
if(pixelNum[gray])
pixelNum[gray]++; //相应的直方图加1
else
pixelNum[gray] = 1;
}
}
//直方图平滑化
for (k = 0; k <= 255; k++)
{
total = 0;
for (t = -2; t <= 2; t++) //与附近2个灰度做平滑化,t值应取较小的值
{
q = k + t;
if (q < 0) //越界处理
q = 0;
if (q > 255)
q = 255;
total = total + pixelNum[q]; //total为总和,累计值
}
pixelNum[k] = int(Number(total) / 5.0 + 0.5); //平滑化,左边2个+中间1个+右边2个灰度,共5个,所以总和除以5,后面加0.5是用修正值
}
//求阈值
sum = csum = 0.0;
n = 0;
//计算总的图象的点数和质量矩,为后面的计算做准备
for (k = 0; k <= 255; k++)
{
sum += Number(k) * Number(pixelNum[k]); //x*f(x)质量矩,也就是每个灰度的值乘以其点数(归一化后为概率),sum为其总和
n += pixelNum[k]; //n为图象总的点数,归一化后就是累积概率
}
fmax = -1.0; //类间方差sb不可能为负,所以fmax初始值为-1不影响计算的进行
n1 = 0;
for (k = 0; k < 256; k++) //对每个灰度(从0到255)计算一次分割后的类间方差sb
{
n1 += pixelNum[k]; //n1为在当前阈值遍前景图象的点数
if (n1 == 0) { continue; } //没有分出前景后景
n2 = n - n1; //n2为背景图象的点数
if (n2 == 0) { break; } //n2为0表示全部都是后景图象,与n1=0情况类似,之后的遍历不可能使前景点数增加,所以此时可以退出循环
csum += Number(k) * pixelNum[k]; //前景的“灰度的值*其点数”的总和
m1 = csum / n1; //m1为前景的平均灰度
m2 = (sum - csum) / n2; //m2为背景的平均灰度
sb = Number(n1) * Number(n2) * (m1 - m2) * (m1 - m2); //sb为类间方差
if (sb > fmax) //如果算出的类间方差大于前一次算出的类间方差
{
fmax = sb; //fmax始终为最大类间方差(otsu)
threshValue = k; //取最大类间方差时对应的灰度的k就是最佳阈值
}
}
return threshValue;
}