Java实现超简单验证码识别

闲来想实现程序模拟登陆一个系统，说白了，就是写个简单的爬虫，但是无奈，遇到了数字图片验证码，在查阅了一些方案以后，遂决定自己手写代码实现验证码识别，分享一下整个过程。

图片验证码是什么

图片验证码，这个大家应该都见过。最普遍的图片验证码就是一张图片上面有4-6个歪歪扭扭的数字字母，图片还有点看不清楚，但是基本可以肉眼识别出上面的数字字母。那为什么要有这个东东呢？

其实验证码的出现为了区分人与机器。对于歪歪妞妞还有点看不清的数字字母图片，由于人脑的特殊构造，是可以完全无障碍识别的，但是想让奇迹识别出这些字母数字，就会出现识别错误。那为什么要区别人与机器呢？假如一个一个系统没有验证码，我知道了你的用户名，并且知道你的登录密码是8位的数字，那我完全可以写个脚本程序穷举出所有的8位数组合，挨个去尝试登录，这个过程对于人来说可能耗时耗力，但是对于程序来说，so easy。所以验证码的出现就会阻止程序进行这样的穷举登录。

随着技术的发展，现在很多的验证码系统都可以通过图像处理、机器学习深度学习等方式进行攻破，图片验证码已经不再安全，即使是非常有名的12306验证码，也已经被利用深度学习达到了很高的识别精度。所以也出现了手机验证码、拖动滑块图片到指定位置的验证码等各种验证码。下面展示的就是几种常见的验证码。

超简单验证码

为什么说是超简单呢？因为这次需要处理的验证码，就是简单的数字图片验证码，并且图片很干净，没有干扰元素，数字也很规整，没有扭曲、变形和移位。如下图所示。

看到图片可能很多人就说了，这不就是个简单的图像处理问题吗，太简单了。

先说说我看到这个图片验证码的第一想法，不是自己手动实现，我先想到的是OCR(光学字符识别)。因为图片上的数字太规整了，OCR识别是最快、最省力的，只需要调用接口即可。但是查了一下目前的OCR接口，找到了腾讯的OCR接口，但是一个月只有1000次免费调用，感觉用在爬虫上不太够，而且我这个验证码是gif图片，腾讯的接口不支持gif。所以就干脆自己写一个识别程序。

首先说一下，对于这个程序的要求，识别速度要快，识别准确度要高，程序要尽量简单，尽量不涉及图像处理的内容。换句话说就是用最低的成本实现这个验证码的识别。

分析思路

实现的思路其实很简单，由于数字图片验证码只有0-9这10个数字，场景很少，加之数字很规整，所以可以先收集到包含有0-9这10个数字的图片。然后用程序进行图片裁剪，裁剪出0-9这10个单个数字的形态的图片并存储。然后对于一张新的验证码图片，我们可以采用先裁剪为4张单个数字图片，然后与我们事先准备好的10个数字图片进行相似度对比，最相似的即为正确的数字。

具体实现

下面看看具体的代码实现。

图片边缘空白裁剪

这一步主要是把图片边缘的空白裁减掉，让剩余的图片刚好包含四个数字即可。图片的原始大小是60px*36px，将其导入ps中查看需要裁剪的部分，然后用程序进行裁剪。如图，就是把红色框之外的部分裁减掉。

这里为了程序尽可能简单，所以不使用第三方的Java包，知识用Java本身内置的ImageIO工具类进行图片的读写和简单裁剪，封装的函数如下图所示：

为了提升性能，我们在部分情况下无需将裁剪后的图片图片保存到本地，而是直接转化为字节数组然后进行处理即可。

使用下面的代码调用上面的函数即可完成对图片边缘空白的裁剪。

裁剪完成后的对比如下：

图片分割为单个数字

由于图片非常规整，每个数字的宽度也是一致的，所以我们可以继续使用上面的裁剪函数进行图片裁剪，即可将包含四个数字的图片裁剪为单个的数字的图片，代码如下：

经过上面的步骤，我们就获得0-9这10个数字的单个图片，如下图

验证码对比识别

经过查看，由于图片非常规整，我们每次裁剪出来的数字图片都是一样的，也就是同一个数字的两张图片的每一个字节都是相同的，并且经过裁剪后的图片其实非常小，所以我们的识别其实就是对比，只需要将待识别的图片裁剪为4张小图，然后与我们提前准备好的单张数字图片对比即可。代码如下：

上面的函数就是对比字节的函数。当然在对比之前，我们还需要将我们的10张数字图片加载到内存中，便于后续对比，代码如下：

这里的载入我们是按顺序载入的，也就是下标为0的位置存放的就是数字0这个图片的字节数组，以此来推。

下面就是我们载入图片，并进行对比识别的代码：

经过测试，7张图片的识别时间为2200毫秒左右，识别准确率为100%。

写在最后

上面介绍的这种方法只能用于特定的场合，由于不需要做图像处理，所以处理效率肯定是较高的，并且没有使用第三方库，所以项目依赖少。后续会陆续介绍稍微复杂验证码的识别处理方式。