Android开发笔记（一百五十）自动识别验证码图片
若问目前IT领域最炙手可热的技术方向，必属人工智能（简称AI）无疑。前有谷歌的阿法狗完胜围棋世界冠军柯洁，后有微软小冰出版了诗集《阳光失了玻璃窗》，一时间沸沸扬扬，似乎人工智能无所不能，从而掀起了人民大众了解和关注AI的大潮。 虽然人工智能看起来仿佛刚刚兴起，但是它的相关产品早已普遍应用，在工业制造领域，有越来越多的机器人用于自动化生产；在家庭生活领域，则有智能锁、扫地机器人等助力智能家居。这些智能产品的背后，离不开人工智能的几项基本技术，包括计算机视觉、自然语言处理、数据挖掘与分析等等。这几项技术的应用说明如下： 1、计算机视觉，包括图像识别，视频识别等技术，可应用于指纹识别、人脸识别、无人驾驶汽车等等； 2、自然语言处理，包括音频识别、语义分析等技术，可应用于机器翻译、语音速记、信息检索等等； 3、数据挖掘与分析，包括大数据的相关处理技术，可应用于商品推荐、天气预报、红绿灯优化等等； 上述的几个人工智能应用，看似牛逼，可是这跟Android开发有什么关系呢？其实手机App很早就用上了相关的智能技术，还记得12306网站的神奇验证码吧，买张热点地区的火车票一直是个老大难，常常在火车站售票窗口排了许久的队伍，终于排到你的时候却发现目的地的火车票卖光了。特别是春运的时候，即使不到售票窗口排队，而是到12306网站买票，也常常因为各种操作问题贻误下单，于是各种抢票插件应运而生，帮助用户自动登录、自动选择乘车日期和起止站点、自动下单抢票。抢票插件的核心功能之一，便是自动识别登录过程中的验证码图片，原本这个验证码图片是用来阻止程序自动登录的，然而道高一尺魔高一丈，任你采取图片验证码又如何，抢票插件照样能够识别出图片所呈现出来的形状。注意，这里提到的识别图片中的验证码，即为人工智能的一项初级应用。 验证码图片识别，最简单的是数字验证码，因为数字只有从0到9一共十个字符，并且每个数字的形状也比较简单，所以本文就从数字验证码的识别着手，拨开高大上的迷雾，谈谈人工智能的初级应用。 先来看看一张再普通不过的验证码图片：
这张验证码图片蕴含的数字串为8342，拿到该图片，接下来要进行以下步骤的处理： 首先对该图片进行裁剪操作，去掉外围的空白区域，把每个数字所处的区域单独抠出来。如下图所示，四个数字被红框圈出了四段图片：
然后对每个数字方块再做切割，一般是按照九宫格切为九块，分别是左上角、正上方、右上角、正左边、中央、正右边、左下角、正下方、右下角，切割后的效果如下图所示：
之所以把数字方块切成九块，是因为每个数字的形状在不同方位各有侧重点，比如数字3在正左边是空白的，而数字8的正左边有线条；又比如数字6在右上角空白、在右下角有线条，而数字9在右上角有线条、在右下角空白。分别判断九个方位上的线条像素，即可筛选符合条件的数字，进而推断出最可能的数字字符。 一般情况下，图片中的数字颜色较深，其它区域颜色较浅，通过判断每个方格上的像素点颜色深浅，就能得知该方格是否有线条经过。获取像素点的颜色深浅主要有以下几个步骤： 1、调用Bitmap对象的getPixel，获得指定xy坐标的像素点，代码如下：
Color color = bitmap.getPixel(x, y);2、调用Integer类的toHexString方法，把Color对象转换为String对象，代码如下：
String colorStr = Integer.toHexString(color);3、第2步得到的String对象是个长度为8的字符串，其中前两位表示透明度，3到4位表示红色浓度，5到6位表示绿色浓度，7到8位表示蓝色浓度，另外需要把16进制的颜色浓度转换为10进制的浓度数值，示例代码如下：
public static int getRed(String colorStr) {
return Integer.parseInt(colorStr.substring(2, 4), 16);
}
public static int getGreen(String colorStr) {
return Integer.parseInt(colorStr.substring(4, 6), 16);
}
public static int getBlue(String colorStr) {
return Integer.parseInt(colorStr.substring(6, 8), 16);
}下面列举几个识别验证码的效果图，第一张是浅色背景的验证码图片，由于数字整齐故而识别成功率很高：
第二张是深色背景的验证码图片，经过调节颜色的深浅对比度，识别成功率也很高：
最后一张的验证码图片不那么整齐了，每个数字都有三种对齐方式，分别是立正、向左倾斜、向右倾斜，此时数字识别难度加大，原先的算法识别成功率不高，需要加以优化：
