DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> HTML基礎知識 >> HTML5詳解
用 HTML5 Canvas 破解簡單驗證碼:getImageData 的實戰應用
編輯:HTML5詳解     

學校的教務管理系統(似乎不只我們學校在用)一到選課季節就各種當機,為了選一堂課往往得反覆輸入驗證碼。想到千千萬萬的大學生把寶貴時間浪費在輸入驗證碼上,我就覺得自己有義務來「拯救人類」一下。

上網搜尋時,我看到一篇三年前的文章,參考它的前半段思路,再搭配 TamperMonkey 這套外掛,大致實現了想要的效果。有興趣的人可以在 Userscript 取得這個腳本,GitHub 上也能找到(程式碼寫得比較隨便,歡迎大家一起 debug、指教)。

整體思路

HTML5 的 canvas 提供了一個 getImageData 介面,可以用來從驗證碼圖片中取出像素資料。每個像素對應 r、g、b、a 四個值:r、g、b 分別是紅、綠、藍三原色,a 則是透明度。

我觀察到教務系統的驗證碼是 5 個數字,字體與字級大小固定,而且背景雖有干擾線,卻與字體顏色有明顯差異。於是我用了一個很「粗暴」的判斷法:顏色越淺,rgb 值越大;顏色越深,rgb 值越小。於是對每個像素做判斷,rgb 三值之和小於 350(這個門檻是實測出來的)的就屬於字體像素,把它的 rgb 都設為 255,否則設為 0。這樣就能得到一張黑底白字的圖片。

var ctx = canvas.getContext('2d');
ctx.drawImage(img, 0, 0);
var c = ctx.getImageData(0, 0, img.width, img.height);
for (i = 0; i < c.height; i++) {
  for (j = 0; j < c.width; j++) {
    var x = (i * 4) * c.width + (j * 4);
    var r = c.data[x];
    var g = c.data[x + 1];
    var b = c.data[x + 2];
    if (r + g + b > 350) {
      c.data[x] = c.data[x + 1] = c.data[x + 2] = 0;
    }
    else {
      c.data[x] = c.data[x + 1] = c.data[x + 2] = 255;
    }
  }
}

從像素到數字的辨識

接著我用小畫家放大檢視,發現每個數字大約是 12×8 像素的矩形,於是進一步統計每個數字對應的像素數量。過程中發現 0 和 8、6 和 9 的像素數完全相同,因此再補上一層特殊判斷(例如正中央有像素的一定是 8 而不是 0)。然後……繼續觀察……把每個數字對應的矩陣座標記錄下來,寫出下面這個函式:

function getNum(imgData, x1, y1, x2, y2) {
  var num = 0;
  for (i = y1; i < y2; i++) {
    for (j = x1; j < x2; j++) {
      var x = (i * 4) * imgData.width + (j * 4);
      if (imgData.data[x] == 255) num++;
    }
  }
  switch (num) {
    case 56: {
      j = (x1 + x2) / 2;
      i = (y1 + y2) / 2;
      var x = (i * 4) * imgData.width + (j * 4);
      if (imgData.data[x] == 255)
        return 8;
      else
        return 0;
    }
    case 30: return 1;
    case 50: return 2;
    case 51: return 3;
    case 48: return 4;
    case 57: return 5;
    case 58: {
      i = y2 - 2;
      j = x1;
      var x = (i * 4) * imgData.width + (j * 4);
      if (imgData.data[x] == 255)
        return 9;
      else
        return 6;
    }
    case 37: return 7;
    default: return 0;
  }
}

原文使用神經網路來判斷,準確率大幅提升,無奈我不會用,所以就沒有採用。即便如此,我用這套方法辨識驗證碼的準確率也有 95% 以上,暫時堪用,之後有空再來研究神經網路。

如何使用

有需要的同學可以拿去用:Chrome 瀏覽器要先安裝 TamperMonkey,Firefox 則是 GreaseMonkey,然後安裝這個腳本就可以了。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved