前端识别验证码思路分析

标签：设计   图片处理   需要   etc   nbsp   raw   hid   load   技术   

作者：莫卓颖

相信很多前端同学对于二维码识别、图像对比等这类高大上的图像识别技术望而生畏，觉得此类识别技术只能通过更加底仓的高级语言才能实现（诸如c等），本文试图从前端的角度出发介绍如何通过canvas来进行简单的图像识别。

canvas是什么

    canvas是HTML5中的新元素，你可以使用javascript用它来绘制图形、图标、以及其它任何视觉性图像

canvas图片处理运用

对于canvas来说，主要是两个方法对图片处理比较重要，一个是通过html5 canvas的 getImageData 方法获取图片的像素信息，可以很方便的通过方法导入到把网络图片或者本地的图片导入至canvas中并获取图片的像素信息，可以修改像素信息后通过另外一个重要的方法putImageData导出处理后的图片。

1、获取canvas调用

    var c = document.createElement(‘canvas‘);
    context = c.getContext(‘2d‘);

2、获取导入图像信息

var hiddenImage = new Image();
    hiddenImage.src=图片地址
     context .drawImage(hiddenImage, 0, 0, width, height);
       hiddenImage .onload=function(){
        context.putImageData(hiddenImage, 0, 0);
    }

3、获取图片的像素信息

 var imageData = context.getImageData(0, 0, w, h);
//注意这个获取的是数组，注意每1个像素由数组的4个元素组成，四个元素分别代码四个通道r/g/b/a的值
for(var j=0;j<hiddenImage.height;j+=1){
    for(var i=0;i<hiddenImage.width;i+=1){
 //注意这里获取图片信息后可以进行定制化处理
            offset=4*(hiddenImage.width*j+i);
            var red = sourceImageData[offset];
            var green = sourceImageData[offset + 1];
            var blue = sourceImageData[offset + 2];
            var brightness = getBrightness(red,green,blue);

    }
  }
  function getBrightness(r,g,b){
        return 0.3*r + 0.59*g + 0.11*b;
    }

4、导出处理过的图片

context.putImageData(第三步处理过得像素信息,0,0);

二维码识别思路

1、设计一个自动等分切割图片的canvas
程序（利用canvas导出原图的二进制数组，然后等分数组后出单个图片的序列库）

2、简单做个爬虫程序，利用步骤1完成的程序到需要识别的网站下载该网站的二维码序列图库

3、手工翻译二维码序列图库对应的真实含义，并建立图片到真实含义的map表。

4、设计自动图片识别程序，导入需要识别的原二维码后，按照1的步骤进行等分，分别拿等分后的图片依次对比步骤2获取的图库，对比出对比度最接近的图片，然后通过步骤三翻译出来的map
表获取对应图片的真实含义

好了，授人以鱼不如授人以渔，通过前端进行做坏事的方法告诉你了，如何发扬光大就看你的灵活运用。

后记

相信在很多人眼中， 前端仅仅是一门简单的处理网页交互、样式门面学科。随着h5、node等前端新技术的流行，前端不再是功能有限的学科，而是功能强大到只有你想不到木有做不到地步。

相关阅读：

腾讯存储与CDN免费体验
人人都可以做深度学习应用：入门篇（上）
一起用HTML5 canvas做一个简单又骚气的粒子引擎

新增线下、APP、公众号多处入口，小程序会再火起来么？

此文已由作者授权腾讯云技术社区发布，转载请注明文章出处，获取更多云计算技术干货，可请前往腾讯云技术社区
欢迎大家关注腾讯云技术社区-博客园官方主页，我们将持续在博客园为大家推荐技术精品文章哦~

前端识别验证码思路分析

标签：设计   图片处理   需要   etc   nbsp   raw   hid   load   技术   

原文地址：http://www.cnblogs.com/qcloud1001/p/6618014.html