久久国产成人av_抖音国产毛片_a片网站免费观看_A片无码播放手机在线观看,色五月在线观看,亚洲精品m在线观看,女人自慰的免费网址,悠悠在线观看精品视频,一级日本片免费的,亚洲精品久,国产精品成人久久久久久久

搜索
分享

Java破解簡(jiǎn)單驗(yàn)證碼

 liuyang_inf 2014-05-08

前段時(shí)間寫基于俺們學(xué)校教學(xué)管理平臺(tái)的App,需要破解驗(yàn)證碼,模擬登陸,然后抓取數(shù)據(jù),顯示在Android端
驗(yàn)證碼破解的一般思路是下載驗(yàn)證碼,提取出需要的部分,平均拆分成N(N=驗(yàn)證碼字符個(gè)數(shù))份
二值化(轉(zhuǎn)化為黑白色,黑色為1,白色為0),取模,然后保存摸板
俺們學(xué)校的驗(yàn)證碼比較弱,只有0-9 10個(gè)數(shù)字,建好這十個(gè)數(shù)字的模型
在模擬登陸之前先把驗(yàn)證碼下載下來(lái),也是提取出需要的部分,拆分,然后與摸板進(jìn)行比較,這樣驗(yàn)證碼就能破解啦!
步驟總結(jié)如下:
（1）批量下載一部分驗(yàn)證碼圖片
（2）將這部分圖片提取出需要的部分
（3）將提取出來(lái)的部分平均拆分成N(N=驗(yàn)證碼字符個(gè)數(shù))份
（4) 去噪，將圖片灰度化與二值化
（5）提取每一個(gè)字符的特征,，生成特征矢量或特征矩陣
（6）分類與學(xué)習(xí)。將特征矢量或特征矩陣與樣本庫(kù)進(jìn)行比對(duì),，挑選出相似的那類樣本，將這類樣本的值作為輸出結(jié)果,。

下面借助代碼和圖片,具體講解步驟:
（1）批量下載一部分驗(yàn)證碼圖片
這里借助了Apache的http://hc./httpclient-3.x/
這個(gè)比較簡(jiǎn)單,，代碼就不貼了。所做的工作就是從 http://run./Account/GetValidateCode
下載了100張圖片,保存到checkcode文件夾,命名為code_i.jgp
如圖所示：

(2).將這部分圖片提取出需要的部分
用windows自帶的畫圖工具編輯圖片,縮放到最大,如下圖所示

可觀察到周圍有很多空白像素點(diǎn),這些都是不需要的.裁剪出需要的部分,注意:要確保裁剪之后能平均裁剪為4等分
代碼如下:

1public static BufferedImage getSingleCode(BufferedImage image) {
2      return image.getSubimage(6, 5, 36, 12);
3}

 


裁剪之后效果如下:


（3）將提取出來(lái)的部分平均拆分成N(N=驗(yàn)證碼字符個(gè)數(shù))份
我需要破解的驗(yàn)證碼為4位,所以需平均裁剪為4等份
代碼如下:

01public static BufferedImage[] getCheckCodes(BufferedImage image) {
02    BufferedImage checkCode[] = new BufferedImage[4];
03    int height = image.getHeight();
04    int width = image.getWidth();
05    int x = 0 * (width / checkCode.length);
06    int y = 0;
07    int w = width / checkCode.length;
08    int h = height;
09    checkCode[0] = image.getSubimage(x, y, w, h);
10    checkCode[1] = image.getSubimage(1 * (width / checkCode.length), 0,
11                width / checkCode.length, height);
12    checkCode[2] = image.getSubimage(2 * (width / checkCode.length), 0,
13                width / checkCode.length, height);
14    checkCode[3] = image.getSubimage(3 * (width / checkCode.length), 0,
15                width / checkCode.length, height);
16    return checkCode;
17}

效果如下

（4) 去噪,，將圖片灰度化與二值化
圖片黑白化原理：
獲取到R,、G、B的值,，然后根據(jù)黑白化的公式R*R +G*G +B*B < 3*128*128為黑色,，否則為白色，這種方法對(duì)于絕大多數(shù)是有效的,。
還有一種是根據(jù)灰度圖,，然后在根據(jù)灰度來(lái)確定是黑還是白。
像素點(diǎn)灰度的公式：
1.浮點(diǎn)算法：Gray=R*0.3+G*0.59+B*0.11
　　2.整數(shù)方法：Gray=(R*30+G*59+B*11)/100
　　3.移位方法：Gray =(R*28+G*151+B*77)>>8;
　　4.平均值法：Gray=（R+G+B）/3;
5.僅取綠色：Gray=G,；
參考：http://baike.baidu.com/view/1184366.html
可以根據(jù)需要做出微調(diào)

本例采用黑白化公式來(lái)黑白化

01public static int pixelConvert(int pixel) {
02        int result = 0;
03  
04        int r = (pixel >> 16) & 0xff;
05        int g = (pixel >> 8) & 0xff;
06        int b = (pixel) & 0xff;
07  
08  
09        int tmp = r * r + g * g + b * b;
10        if (tmp > 3 * 128 * 128) {
11            result = 1;        
12        }
13]       return result;
14    }


public class Filter {（5）提取每一個(gè)字符的特征,，生成特征矢量或特征矩陣
代碼如下

01    public static void blackAndWhiteFilter(BufferedImage image) {
02        if (image == null) {
03            return;
04        }
05  
06        for (int i = 0; i < image.getHeight(); i++) {
07            for (int j = 0; j < image.getWidth(); j++) {
08                image.setRGB(j, i, Tools.pixelConvert(image.getRGB(j, i)));
09            }
10        }
11    }
12  
13    public static void dotFilter(BufferedImage image) {
14        if (image == null) {
15            return;
16        }
17  
18        for (int i = 0; i < image.getHeight(); i++) {
19            for (int j = 0; j < image.getWidth(); j++) {
20                if (i > 0 && j > 0 && i < (image.getHeight() - 1)
21                        && j < (image.getWidth() - 1)) {
22                    if (image.getRGB(j, i) == 0xff000000) {
23                        if (image.getRGB(j - 1, i) == 0xffffffff
24                                && image.getRGB(j - 1, i - 1) == 0xffffffff
25                                && image.getRGB(j, i - 1) == 0xffffffff
26                                && image.getRGB(j + 1, i) == 0xffffffff
27                                && image.getRGB(j + 1, i + 1) == 0xffffffff
28                                && image.getRGB(j, i + 1) == 0xffffffff) {
29                            image.setRGB(j, i, 0xffffffff);
30                        }
31                    }
32                }
33            }
34        }
35    }
36}

經(jīng)過(guò)步驟4和5之后得到如下效果，這就是我們需要的模型,！

（6）分類與學(xué)習(xí),。將特征矢量或特征矩陣與樣本庫(kù)進(jìn)行比對(duì)，挑選出相似的那類樣本,，將這類樣本的值作為輸出結(jié)果,。
根據(jù)圖片模型得到數(shù)字模型。我所得到的模型如下:

 

01private static final int[][][] model = { { // 0
02            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
03                    { 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1 },
04                    { 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },
05                    { 1, 0, 0, 1, 0, 1, 1, 1, 1, 1, 0, 0 },
06                    { 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 0 },
07                    { 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0 },
08                    { 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1 },
09                    { 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1 },
10                    { 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1 }, }, { // 1
11            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
12                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
13                    { 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1 },
14                    { 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1 },
15                    { 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1 },
16                    { 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },
17                    { 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1 },
18                    { 0, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1 },
19                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 }, }, { // 2
20            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
21                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0 },
22                    { 1, 1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0 },
23                    { 1, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0 },
24                    { 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1 },
25                    { 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0 },
26                    { 0, 0, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0 },
27                    { 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0 },
28                    { 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1 }, }, {// 3
29            { 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1 },
30                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1 },
31                    { 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1 },
32                    { 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0 },
33                    { 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0 },
34                    { 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0 },
35                    { 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1 },
36                    { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1 },
37                    { 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1 }, }, {// 4
38            { 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1 },
39                    { 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1 },
40                    { 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1 },
41                    { 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1 },
42                    { 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1 },
43                    { 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 0 },
44                    { 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 },
45                    { 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1 },
46                    { 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1 }, }, {// 5
47            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
48                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1 },
49                    { 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0 },
50                    { 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0 },
51                    { 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0 },
52                    { 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0 },
53                    { 0, 0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1 },
54                    { 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1 },
55                    { 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1 }, }, {// 6
56            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
57                    { 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1 },
58                    { 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },
59                    { 1, 0, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0 },
60                    { 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0, 0 },
61                    { 0, 0, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0 },
62                    { 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1 },
63                    { 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1 },
64                    { 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1 }, }, {// 7
65            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
66                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
67                    { 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0 },
68                    { 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0 },
69                    { 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1 },
70                    { 0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1 },
71                    { 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1 },
72                    { 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1 },
73                    { 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1 }, }, {// 8
74            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
75                    { 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1 },
76                    { 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0 },
77                    { 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0 },
78                    { 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0 },
79                    { 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0 },
80                    { 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1 },
81                    { 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1 },
82                    { 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1 }, }, {// 9
83            { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },
84                    { 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1 },
85                    { 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0 },
86                    { 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0 },
87                    { 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0 },
88                    { 0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0 },
89                    { 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1 },
90                    { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1 },
91                    { 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1 }, } };

驗(yàn)證碼識(shí)別代碼:

01public static String compare(BufferedImage image) {
02        BufferedImage checkCode[] = Tools.getCheckCodes(image);
03        StringBuffer code = new StringBuffer();
04        for (int t = 0; t < 4; t++) {
05            int[] result = new int[10];
06            boolean ckFlg = false;
07            int num = -1;
08            for (int i = 0; i < 10; i++) {
09                num = -1;
10                ckFlg = true;
11                for (int x = 0; x < checkCode[t].getWidth(); x++) {
12                    for (int y = 0; y < checkCode[t].getHeight(); y++) {
13                        int expRGB = Tools.pixelConvert(checkCode[t].getRGB(x,
14                                y));
15                        int cmpRGB = model[i][x][y];
16                        if (expRGB == cmpRGB) {
17                            result[i]++;
18                        }
19                    }
20                }
21  
22                if (result[i] > 90) {
23                    ckFlg = true;
24                    num = i;
25                    break;
26                }
27  
28            }
29            if (ckFlg) {
30                code.append(num);
31                ckFlg = false;
32            } else {
33                ckFlg = false;
34            }
35        }
36        return code.toString();
37  
38    }

下面是識(shí)別效果我所得到的模型為9*12像素,，包括一些雜點(diǎn),，但是雜點(diǎn)不太影響圖片識(shí)別,，雜點(diǎn)只是少數(shù)幾個(gè)點(diǎn)
取一個(gè)臨界值,，如果能匹配的像素點(diǎn)達(dá)到這個(gè)值,，則代表識(shí)別成功。我取的值為90

親測(cè)識(shí)別率為100%

當(dāng)然,這是因?yàn)槲覀儗W(xué)校教學(xué)管理平臺(tái)的驗(yàn)證碼太過(guò)于規(guī)則,沒(méi)有太多的雜點(diǎn)和扭曲,也沒(méi)有任何的交叉,所以才能破解成功.

本人水平有限,只能破解這樣簡(jiǎn)單的驗(yàn)證碼,大致思路就是這樣的,over!

博文地址 http://veryyoung.sinaapp.com/?p=134

github地址 https://github.com/veryyoung/CrashVeryCode

 

 


由最代碼官方編輯于2013-12-30 23:42:58

    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,，所有內(nèi)容均由用戶發(fā)布,，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式,、誘導(dǎo)購(gòu)買等信息,，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,，請(qǐng)點(diǎn)擊一鍵舉報(bào),。
    轉(zhuǎn)藏 分享 獻(xiàn)花（0）

    0條評(píng)論

    發(fā)表

    請(qǐng)遵守用戶 評(píng)論公約

    類似文章 更多