高斯模糊与滑块式图片验证码

Posted 2021-09-19 bohu83

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了高斯模糊与滑块式图片验证码相关的知识，希望对你有一定的参考价值。

一背景：滑块式验证码：

这个很常见了，网上也有很多破解方式，防御能力不是很好，起码不如汉字点选式的安全，优点：用户体验好。

代码也很多，有一块关于切图的，就是上面的截图的：小滑块图、缺口图如何实现比较困扰我。看完才明白思路，整理下逻辑。

二高斯模糊

先说背景知识高斯模糊，这里是有专业文章介绍的。

http://www.swageroo.com/wordpress/how-to-program-a-gaussian-blur-without-using-3rd-party-libraries/

接了一段这个样子，英语好的看原文最好了。有些图像的背景知识也需要了解》偷懒的从百科上粘贴了一些

像素：像素：数字图像由二维的元素组成，每一个元素具有一个特定的位置（x，y）和幅值f（x，y），这些元素就称为像素。它是数字图像的基本单位。

RGB：RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。红R、绿G、蓝B三种颜色的强度值均是0-255，则三种光混合在每个像素可以组成16777216（256256256）种不同的颜色。256级的RGB色彩也被简称为1600万色或千万色，或称为24位色(2的24次方)。

卷积：

在图像处理中，卷积操作指的就是使用一个卷积核(kernel)对一张图像中的每个像素进行一系列操作。卷积核通常是一个四方形网格结构。（例如3X3的方形区域），该区域内每个方格都有一个权重值。当对图像中的某个像素进行卷积时，我们会把卷积核的中心放置于该图像上，依次计算核中每个元素和其覆盖的图像像素值的乘积并求和，得到的结果就是该位置的新像素值

2

就是对图像进行平滑化处理。

上图中，2是中间点，周边点都是1。”中间点”取”周围点”的平均值，就会变成1。在数值上，这是一种”平滑化”。在图形上，就相当于产生”模糊”效果，”中间点”失去细节。

这种是“均值滤波函数”，

width以及height分别为卷积核的宽与高。从公式可知，图像中某点的像素值就是该像素卷积核范围内的像素的均值。这就很好理解图像为什么模糊了(可以从两个维度去看模糊表现：从数值角度看，就是数值越平滑，从图像角度去看,越模糊)。并且卷积核的范围越大，图像就越模糊。

2.2 高斯模糊

公式不贴了，如上图正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。

在图像中，越靠近的点关系越密切，越远离的点关系越疏远，这和高斯分布的函数图像是吻合的。

上面的正态分布是一维的，由于图像是二维的，因此需要二维的高斯分布：

对应公式：

有了这个函数，就可以计算每个点的权重了。

贴一小段Java的实现代码，

    /*   简单的高斯模糊算法
      @param args
      @return void
      @see[类成员，类方法]*/
    public static void main(String[] args) throws IOException {
        //图片读取路径
        String pathname="/Users/benmu/Documents/23.jpeg";

        //图片保存路径
        String pathname1="/Users/benmu/Documents/24.jpeg";

        gaussianBlur(pathname,pathname1,5,2);

    }


    /**
     * 基于正态分布的图片高斯模糊
     */
    public static void gaussianBlur(String sourcePath, String targetPath, int round, int radius) throws IOException {
        BufferedImage bufferedImage = ImageIO.read(new File(sourcePath));
        int height = bufferedImage.getHeight();
        int width = bufferedImage.getWidth();

        int matrixLength = 2 * radius + 1;
        int[][] matrix = new int[matrixLength][matrixLength];
        int[] values = new int[matrixLength * matrixLength];
        
        //处理几次
        for (int r = 0; r < round; r++) {
            //处理图像的范围
            for (int i = 0; i < width / 2; i++) {
                for (int j = 0; j < height; j++) {
                    //将BuffedImage矩阵的像素值取出来
                    readPixel(bufferedImage, i, j, values);
                    //为给定像素值，将像素值填充入矩阵中去
                    fillMatrix(matrix, values);
                    //将像素的矩阵进行高斯模糊，重新生成一个模糊后的矩阵
                    bufferedImage.setRGB(i, j, avgMatrix(matrix));
                }
            }
        }

        ImageIO.write(bufferedImage, "jpg", new File(targetPath));
    }

效果如下：左侧为模糊处理过