验证码识别讲座

蓝天630902

cumulonimbus 发表于 2012-8-8 00:23
兄弟，运行速度很慢哈，而且很不理想哈

因为只是考虑获得结果，没有考虑效率，慢是很自然的。
下面这个恐怕要快30倍，要是再优化一下恐怕还要快。

cumulonimbus

蓝天630902 发表于 2012-8-8 08:36
因为只是考虑获得结果，没有考虑效率，慢是很自然的。
下面这个恐怕要快30倍，要是再优化一下恐怕还要快 ...

        a(1) = Val(bytClipData(0)) + Val(bytClipData(1)) * 256 + Val(bytClipData(2)) * 65536 + Val(bytClipData(3)) * 4294967296#        'biSize;  第0～3个字节，表示位图信息头大小（总是40）,指定这个结构的长度，单位是字节。（占4字节）
        a(2) = Val(bytClipData(4)) + Val(bytClipData(5)) * 256 + Val(bytClipData(6)) * 65536 + Val(bytClipData(7)) * 4294967296#        'biWidth;  第4～7个字节，指定图像的宽度，单位是像素。（占4字节）
        a(3) = Val(bytClipData(8)) + Val(bytClipData(9)) * 256 + Val(bytClipData(10)) * 65536 + Val(bytClipData(11)) * 4294967296#      'biHeight;  第8～11个字节，指定图像的高度，单位是像素。（占4字节）
        a(4) = Val(bytClipData(12)) + Val(bytClipData(13)) * 256                                                                        'biPlanes;  第12～13个字节，必须是1。（占2字节）
        a(5) = Val(bytClipData(14)) + Val(bytClipData(15)) * 256                                                                        'biBitCount; 第14～15个字节。（占2字节）'指定表示颜色时要用到的位数，
        a(6) = Val(bytClipData(16)) + Val(bytClipData(17)) * 256 + Val(bytClipData(18)) * 65536 + Val(bytClipData(19)) * 4294967296#    'biCompression;  第16～19个字节。指定位图是否压缩，
        a(7) = Val(bytClipData(20)) + Val(bytClipData(21)) * 256 + Val(bytClipData(22)) * 65536 + Val(bytClipData(23)) * 4294967296#    'biSizeImage;  第20～23个字节，指定实际的位图数据占用的字节数
        a(8) = Val(bytClipData(24)) + Val(bytClipData(25)) * 256 + Val(bytClipData(26)) * 65536 + Val(bytClipData(27)) * 4294967296#    'biXPelsPerMeter;  指定目标设备的水平分辨率，单位是每米的像素个数，关于分辨率的概念，将在打印部分详细介绍。（占4字节）
        a(9) = Val(bytClipData(28)) + Val(bytClipData(29)) * 256 + Val(bytClipData(30)) * 65536 + Val(bytClipData(31)) * 4294967296#    'biYPelsPerMeter;  指定目标设备的垂直分辨率，单位同上。（占4字节）
        a(10) = Val(bytClipData(32)) + Val(bytClipData(33)) * 256 + Val(bytClipData(34)) * 65536 + Val(bytClipData(35)) * 4294967296#   'biClrUsed;  指定本图像实际用到的颜色数，如果该值为零，则用到的颜色数为2 的biBitCount 次方。（占4字节）
        a(11) = Val(bytClipData(36)) + Val(bytClipData(37)) * 256 + Val(bytClipData(38)) * 65536 + Val(bytClipData(39)) * 4294967296#   'biClrImportant;  指定本图像中重要的颜色数，如果该值为零，则认为所有的颜色都是重要的。（占4字节）
        If a(7) > 0 Then
            a(12) = lClipSize - a(7) - a(1)
            a(13) = a(7)
        Else
            a(12) = 0
            a(13) = lClipSize - a(1)
        End If
        a(14) = a(13) / a(3)
        a(15) = Int(a(13) / a(3) / a(2))
        a(16) = (a(7) - a(2) * a(3) * a(15)) / a(3)
        a5 = a(15)
        If a(12) > 0 And a(7) > 0 Then    '判断有没有调色板，因为读不到图片的文件头，所以用a5是否为整数来判断。
            a(1) = lClipSize - a(2) * a(3)    '如果有调色板，就从倒数a(2) * a(3)开始
            a5 = 1    '并且一个字节表示一个点
        End If
        ReDim arr(1 To a(2) * a(3))    '重新定义arr数组大小
        For i = 1 To a(2) * a(3)    '没有调色板的话就从第40个字节开始，图像的每一个点（用3个字节表示：(蓝，绿，红），有调色板的话就从第lClipSize - a(2) * a(3)个字节开始，图像的每一个点用1个字节表示，｛换作其他网址，这一循环要改｝
            arr(i) = ""    '1或空（就是没有）的设置，是图片显示方式不同，可以更改这个设置，来看看效果，不过要把下面的arr(i) = 1一起改。
            ts = 0    '置初值
            For j = 0 To a5 - 1
                ts = ts + Val(bytClipData((i - 1) * a5 + a(1) + j))    '累加
            Next j
            ts = ts / a5    '图像的BGR的均值（不一定），有调色板的话就不是这个意思。应该说成是图片点的信息均值更贴切些
            If ts < 2 Then   '如果图像的BGR的均值>0，那么就把“1”赋给数组arr(i)
                arr(i) = "1"    '其实就是归一化处理成1
            End If
            If i / a(2) = Int(i / a(2)) Then a(1) = a(1) + a(16)  '防歪，不歪的话，这一句不需要，所以先注释掉。并且a(1) = a(1) + 2，也有可能是a(1) = a(1) + 3、或者a(1) = a(1) + 1，等等，这里需要你自己去调试
        Next i

兄弟，这一段针对不同的图像代码会发生不同的变化，基本上没理解明白。可否解释说明一下。
如果这一段搞不清什么关系，那就算不会啦。
能否给个简单的说明链接？
谢谢

cumulonimbus

http://blog.ifeng.com/album/pic_1696954.html

蓝天630902

里面的注释，应该比较清楚。
比如说：a(1) = Val(bytClipData(0)) + Val(bytClipData(1)) * 256 + Val(bytClipData(2)) * 65536 + Val(bytClipData(3)) * 4294967296#
因为biSize，占4字节，并且高位放在后面，所以从0加到3，
bytClipData(0) ：就是图片（确切地说应该是复制过来的图片）的第一个字节，…………bytClipData(ｎ)第ｎ个字节。
Val(bytClipData(1)) * 256 因为是16进制，应该是Val(bytClipData(1)) * 16^(2^1)，…………Val(bytClipData(3)) * 16^(2^3)。

蓝天630902

cumulonimbus 发表于 2012-8-8 09:07
http://blog.ifeng.com/album/pic_1696954.html

我说了，上面的代码是练手的，不能通用。
通用的，也只是稍微通用（注意我的用词），也解决不了所有问题，

引子玄

cumulonimbus 发表于 2012-8-8 09:07 http://blog.ifeng.com/album/pic_1696954.html

你自己能把这个图片中的汉字提取出来吗？那才叫绝活

cumulonimbus

引子玄 发表于 2012-8-8 09:26
你自己能把这个图片中的汉字提取出来吗？那才叫绝活

就是不懂才问嘛
这个随便找的，提不提取得出来，我一点都不在乎，重要的是学到提取方法。

引子玄

cumulonimbus 发表于 2012-8-8 09:30
就是不懂才问嘛
这个随便找的，提不提取得出来，我一点都不在乎，重要的是学到提取方法。

你如果学会了这本领，像英国人的Bet365这种１２８位加密的网站，就能顺利抓取了

cumulonimbus

蓝天630902 发表于 2012-8-8 09:08
里面的注释，应该比较清楚。
比如说：a(1) = Val(bytClipData(0)) + Val(bytClipData(1)) * 256 + Val(byt ...

没整明白，你从得出结论bisize是4个字节？
这是汉字处理的：
a(1) = Val(bytClipData(0)) + Val(bytClipData(1)) * 256 + Val(bytClipData(2)) * 65536 + Val(bytClipData(3)) * 4294967296#
这是验证码识别8的：
a1 = bytClipData(0)
这是识别PNG5992的：
a1 = bytClipData(0) + bytClipData(1) * 256 + bytClipData(2) * 4096 + bytClipData(3) * 65536

咋会都不同呢？

cumulonimbus

引子玄 发表于 2012-8-8 09:32
你如果学会了这本领，像英国人的Bet365这种１２８位加密的网站，就能顺利抓取了

呵呵，我也想呀