思路如下：
1.根据验证码图片的分析结果（主要是分析数字所在的像素位置）确定处理办法。
2.灰度化，然后二值化，生成单色位图。
3.对图片进行分割
3.读取单色位图的像素点，转换为0，1数组。
4.把该数组和提前生成好的0-9的字模数组进行比对，取匹配率最大的那个字模所对应的数字。
相关代码：
/// <summary> /// To convert color image to grayscale image /// </summary> /// <param name="img">color images</param> /// <returns>grayscale images</returns> public static Bitmap ColorImageConvetGrayScale(Bitmap img) { int h = img.Height; int w = img.Width; int gray = 0; //灰度值 Bitmap bmpOut = new Bitmap(w, h, PixelFormat.Format24bppRgb); //每像素3字节 BitmapData dataIn = img.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb); BitmapData dataOut = bmpOut.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb); unsafe { byte* pIn = (byte*)(dataIn.Scan0.ToPointer()); //指向源文件首地址 byte* pOut = (byte*)(dataOut.Scan0.ToPointer()); //指向目标文件首地址 for (int y = 0; y < dataIn.Height; y++) //列扫描 { for (int x = 0; x < dataIn.Width; x++) //行扫描 { gray = (pIn[0] * 19595 + pIn[1] * 38469 + pIn[2] * 7472) >> 16; //灰度计算公式 pOut[0] = (byte)gray; //R分量 pOut[1] = (byte)gray; //G分量 pOut[2] = (byte)gray; //B分量 pIn += 3; pOut += 3; //指针后移3个分量位置 } pIn += dataIn.Stride - dataIn.Width * 3; pOut += dataOut.Stride - dataOut.Width * 3; } } bmpOut.UnlockBits(dataOut); img.UnlockBits(dataIn); return bmpOut; }
/// <summary> ///Remove the border(For the custom) /// </summary> /// <param name="bitmap"></param> /// <param name="width">2</param> /// <returns></returns> public static Bitmap CutBorder(Bitmap bitmap,int width){ Rectangle rect = new Rectangle(width,width,bitmap.Width-width*2,bitmap.Height-width*2); return bitmap.Clone(rect, bitmap.PixelFormat); // return newBitmap; }
/// <summary> /// Image binarization, using fixed threshold HSB /// </summary> /// <param name="img">gray bitmap image</param> /// <returns></returns> public static Bitmap ConvertTo1BppWithHSBSpecifiedThreshold(Bitmap img) { int w = img.Width; int h = img.Height; Bitmap bmp01 = new Bitmap(w, h, PixelFormat.Format1bppIndexed); BitmapData data = bmp01.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite,PixelFormat.Format1bppIndexed); for (int y = 0; y < h; y++) { byte[] scan = new byte[(w + 7) / 8]; for (int x = 0; x < w; x++) { Color c = img.GetPixel(x, y); if (c.GetBrightness() >= 0.5) scan[x / 8] |= (byte)(0x80 >> (x % 8));
//scan数组，然后八个像素为一组填进去，每个像素占字节的一个位（白1黑0）。使用位运算0x80 >> (x % 8)保证像素从左到右依次保存在字节的8个位上。
//你这个二值化代码回填像素信息的时候用的是Marshal的字节拷贝而已 } Marshal.Copy(scan, 0, (IntPtr)((int)data.Scan0 + data.Stride * y), scan.Length); } bmp01.UnlockBits(data); return bmp01; }
/// <summary> ///split img (custom made for the this verify code) /// </summary> /// <param name="grayBitmap"></param> /// <returns></returns> public static List<Bitmap> SplitImg(Bitmap grayBitmap) { List<int> listWidth = new List<int>(); bool find = true; //找x轴坐标 for (int x = 0; x < grayBitmap.Width; x++) { int times = 0; Color pixelColor; for (int y = 0; y < grayBitmap.Height; y++) { pixelColor = grayBitmap.GetPixel(x, y); if (find) { //if (Color.FromArgb(255, 255, 255).Equals(pixelColor))//check code color if (pixelColor.R == 255) { listWidth.Add(x); find = false; continue; } }//the left of verify code else { // if (Color.FromArgb(0, 0, 0).Equals(pixelColor))//this column is black if (pixelColor.R==0) { times++;//make sure all the pixel is black; if (times == grayBitmap.Height) { listWidth.Add(x); find = true; } } }//the right of verify code //Console.WriteLine(string.Format("x:{0} \t left:{1} \t Red:{2} \t grayBitmap.Height:{3} times:{4}", x, find, pixelColor.R,grayBitmap.Height,times)); }//height }//width List<Bitmap> bitmpaList = new List<Bitmap>(); Rectangle tempRect; if (listWidth.Count == 8 || listWidth.Count == 7) { for (int i = 0; i < listWidth.Count; i = i + 2) { if (listWidth.Count == 8) { tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(listWidth[i + 1] - listWidth[i], grayBitmap.Height)); } else { if (i < 6) { tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(listWidth[i + 1] - listWidth[i], grayBitmap.Height)); } else { tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(grayBitmap.Width - listWidth[i], grayBitmap.Height)); } } bitmpaList.Add(grayBitmap.Clone(tempRect, grayBitmap.PixelFormat)); }//split the pic }//the verify code is right else { logger.InfoFormat("[Fail]:{0}",listWidth.Count); grayBitmap.Save(string.Format("{0}\\{1}.bmp", FileHelper.MakeDir("pic"), DateTime.Now.ToString("yyyyMMddHHmmss")), ImageFormat.Bmp); Bitmap bitmapTemp = grayBitmap.Clone(new Rectangle(4, 0, grayBitmap.Width-4,grayBitmap.Height),grayBitmap.PixelFormat); bitmpaList = new List<Bitmap>(SplitImg(bitmapTemp, 4, 1)); } return bitmpaList; }
/// 返回黑白图片的点阵描述字串，1表示黑点，0表示白点 /// </summary> /// <param name="singlepic">黑白图片</param> /// <param name="dgGrayValue">dgGrayValue：default 128</param> /// <returns></returns> public static string Get01BmpCode(Bitmap singlepic, int dgGrayValue) { Color piexl; StringBuilder sbPixelCode = new StringBuilder(1024); for (int posy = 0; posy < singlepic.Height; posy++) for (int posx = 0; posx < singlepic.Width; posx++) { piexl = singlepic.GetPixel(posx, posy); if (piexl.R < dgGrayValue)// Color.Black ) { sbPixelCode.Append("1"); } else { sbPixelCode.Append("0"); } } return sbPixelCode.ToString(); } public static string getVerifyCodeStr(IDictionary<string, string> fdbCodesDic, string bitmapSpecialCode) { string verifyCodeStr ="";//the string to get string fdbCode = string.Empty;//the key int maxMatchNumber =-1;//最大的匹配次数 foreach (KeyValuePair<string, string> kvp in fdbCodesDic) { fdbCode = kvp.Key; int currMatchNumber =0;// #region getMathchNumber int count = 0; if (fdbCode.Length > bitmapSpecialCode.Length) { count = bitmapSpecialCode.Length; }//get the min index else { count = fdbCode.Length; } for (int i = 0; i < count; i++) { if (fdbCode[i]==bitmapSpecialCode[i]) { currMatchNumber++; } }//get the similarity #endregion currMatchNumber =currMatchNumber-Math.Abs(fdbCode.Length - bitmapSpecialCode.Length); //logger.DebugFormat("Curr:{0}\t Max:{1}",currMatchNumber,maxMatchNumber); //logger.DebugFormat(bitmapSpecialCode); //logger.DebugFormat("Bitmap Key:{0} \t Value:{1}",kvp.Key,kvp.Value); if (currMatchNumber > maxMatchNumber) { maxMatchNumber = currMatchNumber; verifyCodeStr = kvp.Value; }//get the target verifycode }//dic return verifyCodeStr; }
补充：
彩色转灰度图片算法详解:
一、基础
对于彩色转灰度，有一个很著名的心理学公式：
Gray = R*0.299 + G*0.587 + B*0.114
二、整数算法
而实际应用时，希望避免低速的浮点运算，所以需要整数算法。
注意到系数都是3位精度的没有，我们可以将它们缩放1000倍来实现整数运算算法：
Gray = (R*299 + G*587 + B*114 + 500) / 1000
RGB一般是8位精度，现在缩放1000倍，所以上面的运算是32位整型的运算。注意后面那个除法是整数除法，所以需要加上500来实现四舍五入。
就是由于该算法需要32位运算，所以该公式的另一个变种很流行：
Gray = (R*30 + G*59 + B*11 + 50) / 100
但是，虽说上一个公式是32位整数运算，但是根据80x86体系的整数乘除指令的特点，是可以用16位整数乘除指令来运算的。而且现在32位早普及了（AMD64都出来了），所以推荐使用上一个公式。
三、整数移位算法
上面的整数算法已经很快了，但是有一点仍制约速度，就是最后的那个除法。移位比除法快多了，所以可以将系数缩放成 2的整数幂。
习惯上使用16位精度，2的16次幂是65536，所以这样计算系数：
0.299 * 65536 = 19595.264 ≈ 19595
0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469
0.114 * 65536 + (0.896) = 7471.104 + 0.896 = 7472
可能很多人看见了，我所使用的舍入方式不是四舍五入。四舍五入会有较大的误差，应该将以前的计算结果的误差一起计算进去，舍入方式是去尾法：
写成表达式是：
Gray = (R*19595 + G*38469 + B*7472) << 16
2至20位精度的系数：
Gray = (R*1 + G*2 + B*1) << 2
Gray = (R*2 + G*5 + B*1) << 3
Gray = (R*4 + G*10 + B*2) << 4
Gray = (R*9 + G*19 + B*4) << 5
Gray = (R*19 + G*37 + B*8) << 6
Gray = (R*38 + G*75 + B*15) << 7
Gray = (R*76 + G*150 + B*30) << 8
Gray = (R*153 + G*300 + B*59) << 9
Gray = (R*306 + G*601 + B*117) << 10
Gray = (R*612 + G*1202 + B*234) << 11
Gray = (R*1224 + G*2405 + B*467) << 12
Gray = (R*2449 + G*4809 + B*934) << 13
Gray = (R*4898 + G*9618 + B*1868) << 14
Gray = (R*9797 + G*19235 + B*3736) << 15
Gray = (R*19595 + G*38469 + B*7472) << 16
Gray = (R*39190 + G*76939 + B*14943) << 17
Gray = (R*78381 + G*153878 + B*29885) << 18
Gray = (R*156762 + G*307757 + B*59769) << 19
Gray = (R*313524 + G*615514 + B*119538) << 20
仔细观察上面的表格，这些精度实际上是一样的：3与4、7与8、10与11、13与14、19与20
所以16位运算下最好的计算公式是使用7位精度，比先前那个系数缩放100倍的精度高，而且速度快：
Gray = (R*38 + G*75 + B*15) << 7
其实最有意思的还是那个2位精度的，完全可以移位优化：
Gray = (R + (WORD)G< B >< 2
由于误差很大，所以做图像处理绝不用该公式（最常用的是16位精度）。但对于游戏编程，场景经常变化，用户一般不可能观察到颜色的细微差别，所以最常用的是2位精度。
http://www.cnblogs.com/diewcs/archive/2010/10/03/1841744.html
