鉴于很多朋友的意思，再补充说一下，
希望大家参考一下有关神经网络的技术资料，模式识别的文章。
我的网站已经服务到期，程序在

最近实在太忙，没时间写完。大家凑合着看吧。希望大家给我建议。谢谢。

(关键字：图形识别 安全 黑客 破解 OICQ 登陆)

作者：主 人

 

 

版

权

所

有

金

葵

花

工

作

室

 

 

2004-1-4 V1.0

 

 

Home
QQ	11602011
Email
Tel	(86)028-87311227

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

申明：

1、  本文章并不怂恿大家做什么有害计算机网络安全的任何活动！仅作研究讨论使用。

2、  写得不好，望大家指正。

如今，太多的网站使用了图形附加码，如，以求Internet的安全，然而，真是如此吗？

每个程序员、每个系统架构师、每个IT人，谁没有梦想，谁没有作为的梦？我，就是这样的一个人，这个图形附加码的识别就算是我踏出图形识别之路的第一步吧，同时也希望专家们把网上的图形附加码做得更好。

常规图形是指图形附加码没有经过任何特殊的处理，如7564. 这中图形一般每个数字占的宽度、高度都一致。因此，其识别是很容易的，只要先采集0 ~ 9的数字特征码存于数据库，用的时候拿出来作一个扫描比较，取出最接近的一个就是了。特征码的采集见[]

不同颜色、背景色、随机杂点，通常只用了两种颜色：前景色、背景色两种。如： ，这种图形的识别分析原理是，先扫描一遍整个图形，统计出颜色最多的一种：就是背景色，定义为待去除的背景色。然后在扫描一遍，把背景色还原为白色，以便识别方便，同时去除杂点，去除杂点的原理是，用GetPixel取出一点与背景色比较，如果不同，然后取其附近的点比较，如果没有连续的点，证明是杂点，所以就用SetPixel设置他。最后在用方法处理他。就是采用这样的方法。(样例图来自：)

这样的图形通常有不同的背景色、背景点、背景图、渐变背景色、网格背景等等，而前景图形（通常是数字、字符、汉字等）则采用倾斜、膨化、波浪化、风化、背景图形凹凸、球状扭曲等等效果来形成。如：（以下图形来自,每刷新一次变一次）

 

 

 

 

 

 

 

如上的图形，通常用解决，但是，在识别之前应该用用还原由背景色网格分隔开的前景图形。

特征码就是统计单个图形字显示时占的宽、高度像数，在统计每横行、竖行像数占的比例数，当然，也可以把宽高平分为n等份来记录，以减少特征码数据库的体积。如：

去除多余的部分后，各数字宽为6 Pix，高 9 Pix，0数字图形的横向统计是：0, 1, 2, 2, 2, 2, 2, 2, 1。也就是说比例为：0，1/6，1/3，1/3，1/3，1/3，1/3，1/3，1/6；竖向统计：4, 2, 2, 2, 4, 0，比例：4/9，2/9，2/9，2/9，4/9，0。下为C/C++描述

// 横向Pix统计( 0 ~ 9)

       int narrNumCharacterH[10][9] = {

              {0, 1, 2, 2, 2, 2, 2, 2, 1},

              {0, 1, 2, 2, 1, 1, 1, 1, 5},

              {0, 3, 2, 1, 1, 1, 1, 1, 5},

              {0, 3, 2, 1, 2, 1, 1, 2, 3},

              {0, 1, 2, 2, 2, 2, 5, 1, 1},

              {0, 5, 1, 4, 2, 1, 1, 2, 3},

              {0, 3, 1, 1, 4, 2, 2, 2, 3},

              {0, 5, 1, 1, 1, 1, 1, 1, 1},

              {0, 3, 2, 2, 3, 2, 2, 2, 3},

              {0, 3, 2, 2, 2, 4, 1, 1, 3}

       };

       // 竖向Pix统计( 0 ~ 9)

       int narrNumCharacterS[10][6] = {

              {4, 2, 2, 2, 4, 0},

              {2, 2, 8, 1, 1, 0},

              {3, 3, 3, 3, 3, 0},

              {2, 2, 3, 3, 5, 0},

              {3, 2, 2, 8, 1, 0},

              {5, 3, 3, 3, 5, 1},

              {5, 3, 3, 3, 4, 0},

              {1, 3, 3, 3, 2, 0},

              {5, 3, 3, 3, 5, 0},

              {4, 3, 3, 3, 5, 0}

       };

笔记流向法就是当GetPixel取出一个点后，想四周漫游出7 ~ 8 个点，寻找正确的流向，如果四周都没有

sgfdg

运行后，点击[取得图片]按钮，程序会自动从下载类似 这样的图片，并在当前目录保存为dl.gif，然后在点击[分析]按钮，就会在[这里将显示分析的结果]的Edit中得到图形识别后的结果。