Java破解简单验证码

前段时间写基于俺们学校教学管理平台的App,需要破解验证码,模拟登陆,然后抓取数据,显示在Android端
验证码破解的一般思路是下载验证码,提取出需要的部分,平均拆分成N(N=验证码字符个数)份
二值化(转化为黑白色,黑色为1,白色为0),取模,然后保存摸板
俺们学校的验证码比较弱,只有0-9 10个数字,建好这十个数字的模型
在模拟登陆之前先把验证码下载下来,也是提取出需要的部分,拆分,然后与摸板进行比较,这样验证码就能破解啦!
步骤总结如下:
（1）批量下载一部分验证码图片
（2）将这部分图片提取出需要的部分
（3）将提取出来的部分平均拆分成N(N=验证码字符个数)份
（4) 去噪，将图片灰度化与二值化
（5）提取每一个字符的特征，生成特征矢量或特征矩阵
（6）分类与学习。将特征矢量或特征矩阵与样本库进行比对，挑选出相似的那类样本，将这类样本的值作为输出结果。

下面借助代码和图片,具体讲解步骤:
（1）批量下载一部分验证码图片
这里借助了Apache的http://hc./httpclient-3.x/
这个比较简单，代码就不贴了。所做的工作就是从 http://run./Account/GetValidateCode
下载了100张图片,保存到checkcode文件夹,命名为code_i.jgp
如图所示：

(2).将这部分图片提取出需要的部分
用windows自带的画图工具编辑图片,缩放到最大,如下图所示

可观察到周围有很多空白像素点,这些都是不需要的.裁剪出需要的部分,注意:要确保裁剪之后能平均裁剪为4等分
代码如下:

1	public static BufferedImage getSingleCode(BufferedImage image) {

2	return image.getSubimage(6, 5, 36, 12);

3

}

 

裁剪之后效果如下:

（3）将提取出来的部分平均拆分成N(N=验证码字符个数)份
我需要破解的验证码为4位,所以需平均裁剪为4等份
代码如下:

01	public 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，将图片灰度化与二值化
图片黑白化原理：
获取到R、G、B的值，然后根据黑白化的公式R*R +G*G +B*B < 3*128*128为黑色，否则为白色，这种方法对于绝大多数是有效的。
还有一种是根据灰度图，然后在根据灰度来确定是黑还是白。
像素点灰度的公式：
1.浮点算法：Gray=R*0.3+G*0.59+B*0.11
　　2.整数方法：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.仅取绿色：Gray=G；
参考：http://baike.baidu.com/view/1184366.html
可以根据需要做出微调

本例采用黑白化公式来黑白化

01	public 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）提取每一个字符的特征，生成特征矢量或特征矩阵
代码如下

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

}

经过步骤4和5之后得到如下效果，这就是我们需要的模型！

（6）分类与学习。将特征矢量或特征矩阵与样本库进行比对，挑选出相似的那类样本，将这类样本的值作为输出结果。
根据图片模型得到数字模型。我所得到的模型如下:

 

01	private 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 }, } };

验证码识别代码:

01	public 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

}

下面是识别效果我所得到的模型为9*12像素，包括一些杂点，但是杂点不太影响图片识别，杂点只是少数几个点
取一个临界值，如果能匹配的像素点达到这个值，则代表识别成功。我取的值为90

亲测识别率为100%

当然,这是因为我们学校教学管理平台的验证码太过于规则,没有太多的杂点和扭曲,也没有任何的交叉,所以才能破解成功.

本人水平有限,只能破解这样简单的验证码,大致思路就是这样的,over!

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

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

 

 

由最代码官方编辑于2013-12-30 23:42:58