上次用汉明距离来检验图片的相似度，结果并不理想，失败率较高，大概正确率只有60%左右。为了提高识别率，我根据汉明距离算法改编了这种算法，识别成功率高达99%。当然识别速度有所下降，只识别数字速度还是挺快的，根本感觉不到程序耗时。
其中的原理是比较样本图片与需要识别的图片二值化后的像素RGB值的差异，如果对应像素的颜色值相同，则计为0，反之计为1，统计不同像素的个数，再除以图片像素总数，得到不同率，反之则是像素度。将需要识别的图片与我们所有的样本图进行比较，就可以得到样本图中相似度最高的一张样本。（两张图大小一致）
图片识别样本库
我使用CSDN的验证码测试识别成功率达到了90%以上，失败部分主要是因为验证码二值化去干扰效果不是特别好，导致分割验证码时分割错误，以至于识别失败。
C#核心代码：
复制
/// <summary>
/// 相似度比较
/// </summary>
/// <param name="map1">标准图</param>
/// <param name="map2">欲比较图</param>
public static float xsdsf(Bitmap map1, Bitmap map2,bool jc)
{
int width = map1.Width;
int height = map1.Height;
long argv = 0;
Bitmap imag = new Bitmap(width, height);
//转换大小
// map1 = new Bitmap(Resize(map1, width, height));//未打包修改图片大小代码，自行转换，这里屏蔽
// map2 = new Bitmap(Resize(map2, width, height));
if(jc){
//灰度化
// map1 = ToGray(map1);//未打包修改图片灰度化，自行转换，这里屏蔽
// map2 = ToGray(map2);
//二值化
// map1 = ConvertTo1Bpp1(map1, "10");//未打包修改图片二值化代码，自行转换，这里屏蔽
// map2 = ConvertTo1Bpp1(map2, "10");
}
//将两张图相同像素设置为0，不同像素设置为1
for (int i = 0; i < map1.Width; i++)
{
for (int j = 0; j < map1.Height; j++)
{
Color color1 = map1.GetPixel(i, j);
Color color2 = map2.GetPixel(i, j);
if (color1.B == color2.B)
{
imag.SetPixel(i, j, Color.FromArgb(0, 0, 0));
}
else
{
imag.SetPixel(i, j, Color.FromArgb(1, 1, 1));
argv++;
}
}
}
long xsh = width * height;
float butongb = (float)argv / xsh;
return 1 - butongb;
}
即使因分割图片，去干扰不完全等因素导致识别成功率比较低也没关系，我们可以通过增加样本库来提高识别率。
评论 （0）