本發(fā)明涉及計算機
技術(shù)領(lǐng)域：
，尤其涉及一種圖像處理方法和裝置。
背景技術(shù)：
：互聯(lián)網(wǎng)的發(fā)展給大眾帶來便利的同時也帶來了挑戰(zhàn)。一些人出于私利使用機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用，比如大量下載免費資源、群發(fā)垃圾郵件甚至進行飽和攻擊以使服務(wù)器癱瘓。為了避免上述惡意行為，服務(wù)器需要一種方法來判斷服務(wù)使用者是人還是機器人程序，圖片驗證碼正是為了解決這個問題應(yīng)運而生。圖片驗證碼是一種含有字符的圖片，經(jīng)過特定處理的圖片驗證碼，能夠在人能識別的情況下，加大機器人程序識別的難度。目前的技術(shù)中，大多采用改變字體顏色等處理手段來形成圖片驗證碼，比較容易被機器人程序識別，從而無法有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明提供了一種圖像處理方法和裝置，能夠很大程度上加大機器人程序識別的難度，從而有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種圖像處理方法，所述圖像包括前景字符和背景，所述方法包括：將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像；對所述偏移圖像進行仿射變形，形成目標圖像；將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)。優(yōu)選的，所述將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像，包括：將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊；獲取每一塊各自對應(yīng)的第一隨機數(shù)，計算與所述第一隨機數(shù)相對應(yīng)的隨機數(shù)值；每一塊按照水平和/或垂直方向移動各自對應(yīng)的所述隨機數(shù)值的位移，形成所述偏移圖像。優(yōu)選的，所述對所述偏移圖像進行仿射變形，形成目標圖像，包括：設(shè)定一個新圖像的所有像素的亮度值為預(yù)設(shè)亮度值，所述新圖像的形狀和大小與所述偏移圖像一致；依據(jù)預(yù)設(shè)公式，計算確定所述偏移圖像中的每個像素在所述新圖像中對應(yīng)的目標像素；將每個所述目標像素的亮度值替換為所述目標像素在所述偏移圖像中對應(yīng)的像素的亮度值，形成所述目標圖像。優(yōu)選的，所述將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，包括：確定所述前景字符所有像素中亮度值的種類；利用泊松常數(shù)為所述第一泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；獲取所述前景字符每一個像素各自對應(yīng)的第二隨機數(shù)，確定所述第二隨機數(shù)所位于的第一子區(qū)間，確定與所述第一子區(qū)間相對應(yīng)的第一亮度值，將所述第一亮度值替換第一目標像素當(dāng)前的亮度值，所述第一目標像素為所述第二隨機數(shù)對應(yīng)的像素。優(yōu)選的，所述將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，還包括：確定所述背景所有像素中亮度值的種類；利用泊松常數(shù)為所述第二泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；獲取所述背景每一個像素各自對應(yīng)的第三隨機數(shù)，確定所述第三隨機數(shù)所位于的第二子區(qū)間，確定與所述第二子區(qū)間相對應(yīng)的第二亮度值，將所述第二亮度值替換第二目標像素當(dāng)前的亮度值，所述第二目標像素為所述第三隨機數(shù)對應(yīng)的像素。一種圖像處理裝置，所述圖像包括前景字符和背景，所述裝置包括：偏移模塊，用于將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像；仿射變形模塊，用于對所述偏移圖像進行仿射變形，形成目標圖像；泊松噪聲替代模塊，用于將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)。優(yōu)選的，所述偏移模塊包括：第一劃分單元，用于將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊；第一計算單元，用于獲取每一塊各自對應(yīng)的第一隨機數(shù)，計算與所述第一隨機數(shù)相對應(yīng)的隨機數(shù)值；移動單元，用于每一塊按照水平和/或垂直方向移動各自對應(yīng)的所述隨機數(shù)值的位移，形成所述偏移圖像。優(yōu)選的，所述仿射變形模塊包括：設(shè)定單元，用于設(shè)定一個新圖像的所有像素的亮度值為預(yù)設(shè)亮度值，所述新圖像的形狀和大小與所述偏移圖像一致；第一確定單元，用于依據(jù)預(yù)設(shè)公式，計算確定所述偏移圖像中的每個像素在所述新圖像中對應(yīng)的目標像素；第一替換單元，用于將每個所述目標像素的亮度值替換為所述目標像素在所述偏移圖像中對應(yīng)的像素的亮度值，形成所述目標圖像。優(yōu)選的，所述泊松噪聲替代模塊包括：第二確定單元，用于確定所述前景字符所有像素中亮度值的種類；第二計算單元，用于利用泊松常數(shù)為所述第一泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；第二劃分單元，用于將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；第二替換單元，用于獲取所述前景字符每一個像素各自對應(yīng)的第二隨機數(shù)，確定所述第二隨機數(shù)所位于的第一子區(qū)間，確定與所述第一子區(qū)間相對應(yīng)的第一亮度值，將所述第一亮度值替換第一目標像素當(dāng)前的亮度值，所述第一目標像素為所述第二隨機數(shù)對應(yīng)的像素。優(yōu)選的，所述泊松噪聲替代模塊包括：第三確定單元，用于確定所述背景所有像素中亮度值的種類；第三計算單元，用于利用泊松常數(shù)為所述第二泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；第三劃分單元，用于將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；第三替換單元，用于獲取所述背景每一個像素各自對應(yīng)的第三隨機數(shù)，確定所述第三隨機數(shù)所位于的第二子區(qū)間，確定與所述第二子區(qū)間相對應(yīng)的第二亮度值，將所述第二亮度值替換第二目標像素當(dāng)前的亮度值，所述第二目標像素為所述第三隨機數(shù)對應(yīng)的像素。經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種圖像處理方法和裝置。本發(fā)明提供的技術(shù)方案，對包括前景字符和背景的圖片(即圖片驗證碼)進行處理，首先將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像，然后對所述偏移圖像進行仿射變形，形成目標圖像，此時的目標圖像中，所述前景字符已經(jīng)不是連續(xù)的字符，并且前景字符的各個子塊的分布規(guī)律變得不明顯，從而機器人程序識別時會有一定的難度，最后將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)，此時，前景字符和背景部分都會變得模糊，不但前景字符不易識別，背景部分也會對前景字符產(chǎn)生識別上的干擾，從而能夠很大程度上加大機器人程序識別的難度。因此，應(yīng)用本發(fā)明提供的技術(shù)方案得到的圖片驗證碼，能夠很大程度上加大機器人程序識別的難度，從而有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種圖像處理方法的流程圖；圖2為一張原始圖像；圖3為本發(fā)明實施例提供的對應(yīng)于圖2的偏移圖像；圖4為本發(fā)明實施例提供的對應(yīng)于圖3的目標圖像；圖5為本發(fā)明實施例提供的對圖4經(jīng)過泊松噪聲替代后的圖像；圖6為本發(fā)明實施例提供的一種圖像處理裝置的結(jié)構(gòu)圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。實施例請參閱圖1，圖1為本發(fā)明實施例提供的一種圖像處理方法的流程圖。所述圖像包括前景字符和背景，如圖1所示，該方法包括：步驟S101，將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像；可選的，所述預(yù)設(shè)數(shù)目應(yīng)當(dāng)適中，不宜太大或太小，可選的，等于a×b，其中，a的取值區(qū)間為[10，20]，b的取值區(qū)間為[10，20]。具體的，所述按照水平和/或垂直方向移動，包括三種類型：按照水平方向移動；按照垂直方向移動；按照水平方向和垂直方向都移動。具體的，所述步驟S101包括：將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊；獲取每一塊各自對應(yīng)的第一隨機數(shù)，計算與所述第一隨機數(shù)相對應(yīng)的隨機數(shù)值；具體的，c語言運行時rand()函數(shù)可以產(chǎn)生偽隨機數(shù)，可選的，獲取該偽隨機數(shù)作為所述第一隨機數(shù)，將所述第一隨機數(shù)除以第一預(yù)設(shè)數(shù)值，再減去第二預(yù)設(shè)數(shù)值，得到所述隨機數(shù)值。每一塊按照水平和/或垂直方向移動各自對應(yīng)的所述隨機數(shù)值的位移，形成所述偏移圖像。具體的，每一塊按照水平和/或垂直方向移動各自對應(yīng)的所述隨機數(shù)值像素的位移，比如5像素(即所述隨機數(shù)值等于5)的位移，形成所述偏移圖像。可選的，需要說明的是，所述隨機數(shù)值也可以直接取0，即所述偏移圖像與所述圖像在視覺效果上是一樣的。步驟S102，對所述偏移圖像進行仿射變形，形成目標圖像；具體的，所述步驟S102包括：設(shè)定一個新圖像的所有像素的亮度值為預(yù)設(shè)亮度值，所述新圖像的形狀和大小與所述偏移圖像一致；可選的，若所述偏移圖像為黑白圖像，則色差U和色差V都為128，此時，所述預(yù)設(shè)亮度值取255，即白色。依據(jù)預(yù)設(shè)公式，計算確定所述偏移圖像中的每個像素在所述新圖像中對應(yīng)的目標像素；可選的，假設(shè)所述偏移圖像(源圖像)中的任意一個像素，它的坐標是(x，y)，亮度值為L，坐標為(x，y)的像素與所述新圖像中對應(yīng)的目標像素的坐標為(x′,y′)，則所述預(yù)設(shè)公式為：x′y′=1αβ1xy;---(1)]]>其中，α和β一般為接近于0的小數(shù)。將每個所述目標像素的亮度值替換為所述目標像素在所述偏移圖像中對應(yīng)的像素的亮度值，形成所述目標圖像；具體的，將新圖像中坐標為(x′,y′)的像素的亮度值改為L，形成所述目標圖像。可選的，需要說明的是，α和β也可以都為0，即為單位矩陣此時，所述目標圖像與所述偏移圖像在視覺效果上是一樣的。步驟S103，將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代。具體的，所述第一泊松常數(shù)大于所述第二泊松常數(shù)，也就是說，對所述前景字符和所述背景以不同泊松常數(shù)的泊松噪聲進行替代。具體的，所述將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，包括：確定所述前景字符所有像素中亮度值的種類；具體的，若所述目標圖像為黑白圖像，則色差U和色差V都為128，每個像素的亮度值均為0(呈黑色)或者255(呈白色)。若想要所述前景字符以第一泊松常數(shù)的泊松噪聲替代后，仍為黑白圖像，則所述前景字符所有像素中亮度值的種類只有兩種，便是0和255。當(dāng)然，可以理解的是，所述前景字符中的像素可以取其他亮度值，比如85，170，這樣，若色差U和色差V都為128，則取這些亮度值的像素呈現(xiàn)的是灰色，只是灰色的深度不同。利用泊松常數(shù)為所述第一泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；具體的，所述泊松分布公式為：p(x)=λe-xλ---(2)]]>其中，x為概率變量，λ為泊松常數(shù)。假設(shè)λ1為第一泊松常數(shù)，若所述目標圖像的色差U和色差V都為128，前景字符所有像素中亮度值的種類只有兩種，0和255，則因為只有2個符號，所以概率變量x取值只有0和1，比如為了讓白色比例更高些，上面的概率變量x填1表示0的概率，填0表示255的概率，因為概率總和為1，所以可以計算確定0的概率是以及255的概率是若所述目標圖像的色差U和色差V都為128，前景字符所有像素中亮度值的種類為4種，0,85,170和255，則其概率分別為：和將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；具體的，c語言中rand()函數(shù)可以產(chǎn)生范圍在0-32768的平均分布的隨機數(shù)。可選的，將所述c語言中rand()函數(shù)產(chǎn)生的隨機數(shù)的整體區(qū)間[0，32768]劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間。比如，所述目標圖像的色差U和色差V都為128，若前景字符所有像素中亮度值的種類只有兩種，0和255，亮度值0出現(xiàn)的概率是70％，亮度值255出現(xiàn)的概率是30％，則，可以作如下劃分：第一種，[0，32768*0.7)分別對應(yīng)亮度值0以及亮度值0的概率，(32768*0.7，32768]分別對應(yīng)亮度值255以及亮度值255的概率；或者第二種，[0，32768*0.3)分別對應(yīng)亮度值255以及亮度值255的概率，(32768*0.3，32768]分別對應(yīng)亮度值0以及亮度值0的概率。獲取所述前景字符每一個像素各自對應(yīng)的第二隨機數(shù)，確定所述第二隨機數(shù)所位于的第一子區(qū)間，確定與所述第一子區(qū)間相對應(yīng)的第一亮度值，將所述第一亮度值替換第一目標像素當(dāng)前的亮度值，所述第一目標像素為所述第二隨機數(shù)對應(yīng)的像素。具體的，比如采用所述第一種劃分方式，以A像素對應(yīng)的所述第二隨機數(shù)為例，如果rand()函數(shù)返回的(即產(chǎn)生的)隨機數(shù)在32768*0.7以下時，該隨機數(shù)隸屬于亮度值0對應(yīng)的子區(qū)間[0，32768*0.7)，因此，將A像素的當(dāng)前的亮度值替換為0；同理，若如果rand()函數(shù)返回的(即產(chǎn)生的)隨機數(shù)在32768*0.7以上時，則將A像素的當(dāng)前的亮度值替換為255。具體的，所述將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，包括：確定所述背景所有像素中亮度值的種類；具體的，若所述目標圖像為黑白圖像，則色差U和色差V都為128，每個像素的亮度值均為0(呈黑色)或者255(呈白色)。若想要所述背景以第二泊松常數(shù)的泊松噪聲替代后，仍為黑白圖像，則所述背景所有像素中亮度值的種類只有兩種，便是0和255。當(dāng)然，可以理解的是，所述背景中的像素可以取其他亮度值，比如85，170，這樣，若色差U和色差V都為128，則取這些亮度值的像素呈現(xiàn)的是灰色，只是灰色的深度不同。利用泊松常數(shù)為所述第二泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；具體的，所述泊松分布公式為：p(x)=λe-xλ---(2)]]>其中，x為概率變量，λ為泊松常數(shù)。假設(shè)λ2為第二泊松常數(shù)，若所述目標圖像的色差U和色差V都為128，所述背景所有像素中亮度值的種類只有兩種，0和255，則因為只有2個符號，所以概率變量x取值只有0和1，比如為了讓白色比例更高些，上面的概率變量x填1表示0的概率，填0表示255的概率，因為概率總和為1，所以可以計算確定0的概率是以及255的概率是若所述目標圖像的色差U和色差V都為128，所述背景所有像素中亮度值的種類為4種，0,85,170和255，則其概率分別為：和將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；具體的，c語言中rand()函數(shù)可以產(chǎn)生范圍在0-32768的平均分布的隨機數(shù)?？蛇x的，將所述c語言中rand()函數(shù)產(chǎn)生的隨機數(shù)的整體區(qū)間[0，32768]劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間。比如，所述目標圖像的色差U和色差V都為128，若所述背景所有像素中亮度值的種類只有兩種，0和255，亮度值0出現(xiàn)的概率是30％，亮度值255出現(xiàn)的概率是70％，則，可以作如下劃分：第一種，[0，32768*0.3)分別對應(yīng)亮度值0以及亮度值0的概率，(32768*0.3，32768]分別對應(yīng)亮度值255以及亮度值255的概率；或者第二種，[0，32768*0.7)分別對應(yīng)亮度值255以及亮度值255的概率，(32768*0.7，32768]分別對應(yīng)亮度值0以及亮度值0的概率。獲取所述背景每一個像素各自對應(yīng)的第三隨機數(shù)，確定所述第三隨機數(shù)所位于的第二子區(qū)間，確定與所述第二子區(qū)間相對應(yīng)的第一亮度值，將所述第一亮度值替換第一目標像素當(dāng)前的亮度值，所述第一目標像素為所述第三隨機數(shù)對應(yīng)的像素。具體的，比如采用所述第一種劃分方式，以B像素對應(yīng)的所述第三隨機數(shù)為例，如果rand()函數(shù)返回的(即產(chǎn)生的)隨機數(shù)(即所述第三隨機數(shù))在32768*0.3以下時，該隨機數(shù)隸屬于亮度值0對應(yīng)的子區(qū)間[0，32768*0.3)，因此，將B像素的當(dāng)前的亮度值替換為0；同理，若如果rand()函數(shù)返回的(即產(chǎn)生的)隨機數(shù)在32768*0.3以上時，則將B像素的當(dāng)前的亮度值替換為255。具體的，以黑白圖片為例，請參閱圖2～圖5，圖2為一張原始圖像，圖3為本發(fā)明實施例提供的對應(yīng)于圖2的偏移圖像，圖4為本發(fā)明實施例提供的對應(yīng)于圖3的目標圖像，圖5為本發(fā)明實施例提供的對圖4經(jīng)過泊松噪聲替代后的圖像。需要說明的是，本發(fā)明實施例提供的技術(shù)方案，應(yīng)用于色差U和色差V都為128的圖像，主要通過調(diào)整亮度值L實現(xiàn)對圖像的處理。本發(fā)明實施例提供的技術(shù)方案，對包括前景字符和背景的圖片(即圖片驗證碼)進行處理，首先將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像，然后對所述偏移圖像進行仿射變形，形成目標圖像，此時的目標圖像中，所述前景字符已經(jīng)不是連續(xù)的字符，并且前景字符的各個子塊的分布規(guī)律變得不明顯，從而機器人程序識別時會有一定的難度，最后將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)，此時，前景字符和背景部分都會變得模糊，不但前景字符不易識別，背景部分也會對前景字符產(chǎn)生識別上的干擾，從而能夠很大程度上加大機器人程序識別的難度。因此，應(yīng)用本發(fā)明實施例提供的技術(shù)方案得到的圖片驗證碼，能夠很大程度上加大機器人程序識別的難度，從而有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。為了更加全面地闡述本發(fā)明提供的技術(shù)方案，對應(yīng)于本發(fā)明實施例提供的圖像處理方法，本發(fā)明公開一種圖像處理裝置。請參閱圖6，圖6為本發(fā)明實施例提供的一種圖像處理裝置的結(jié)構(gòu)圖。本發(fā)明實施例提供的圖像處理裝置，所述圖像包括前景字符和背景。如圖6所示，該裝置包括：偏移模塊601，用于將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像；仿射變形模塊602，用于對所述偏移圖像進行仿射變形，形成目標圖像；泊松噪聲替代模塊603，用于將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)。應(yīng)用本發(fā)明實施例提供的圖像處理裝置得到的圖片驗證碼，能夠很大程度上加大機器人程序識別的難度，從而有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。具體的，本發(fā)明實施例提供的圖像處理裝置，所述偏移模塊601包括：第一劃分單元，用于將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊；第一計算單元，用于獲取每一塊各自對應(yīng)的第一隨機數(shù)，計算與所述第一隨機數(shù)相對應(yīng)的隨機數(shù)值；移動單元，用于每一塊按照水平和/或垂直方向移動各自對應(yīng)的所述隨機數(shù)值的位移，形成所述偏移圖像。具體的，本發(fā)明實施例提供的圖像處理裝置，所述仿射變形模塊602包括：設(shè)定單元，用于設(shè)定一個新圖像的所有像素的亮度值為預(yù)設(shè)亮度值，所述新圖像的形狀和大小與所述偏移圖像一致；第一確定單元，用于依據(jù)預(yù)設(shè)公式，計算確定所述偏移圖像中的每個像素在所述新圖像中對應(yīng)的目標像素；第一替換單元，用于將每個所述目標像素的亮度值替換為所述目標像素在所述偏移圖像中對應(yīng)的像素的亮度值，形成所述目標圖像。具體的，本發(fā)明實施例提供的圖像處理裝置，所述泊松噪聲替代模塊603包括：第二確定單元，用于確定所述前景字符所有像素中亮度值的種類；第二計算單元，用于利用泊松常數(shù)為所述第一泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；第二劃分單元，用于將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；第二替換單元，用于獲取所述前景字符每一個像素各自對應(yīng)的第二隨機數(shù)，確定所述第二隨機數(shù)所位于的第一子區(qū)間，確定與所述第一子區(qū)間相對應(yīng)的第一亮度值，將所述第一亮度值替換第一目標像素當(dāng)前的亮度值，所述第一目標像素為所述第二隨機數(shù)對應(yīng)的像素。具體的，本發(fā)明實施例提供的圖像處理裝置，所述泊松噪聲替代模塊603包括：第三確定單元，用于確定所述背景所有像素中亮度值的種類；第三計算單元，用于利用泊松常數(shù)為所述第二泊松常數(shù)的泊松分布公式，計算每一種亮度值出現(xiàn)的概率；第三劃分單元，用于將平均分布的隨機數(shù)的整體區(qū)間劃分為與所述每一種亮度值和所述每一種亮度值出現(xiàn)的概率分別相對應(yīng)的子區(qū)間；第三替換單元，用于獲取所述背景每一個像素各自對應(yīng)的第三隨機數(shù)，確定所述第三隨機數(shù)所位于的第二子區(qū)間，確定與所述第二子區(qū)間相對應(yīng)的第二亮度值，將所述第二亮度值替換第二目標像素當(dāng)前的亮度值，所述第二目標像素為所述第三隨機數(shù)對應(yīng)的像素。經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種圖像處理方法和裝置。本發(fā)明提供的技術(shù)方案，對包括前景字符和背景的圖片(即圖片驗證碼)進行處理，首先將所述圖像劃分為互不重疊的預(yù)設(shè)數(shù)目塊，每一塊按照水平和/或垂直方向移動隨機數(shù)值的位移，形成偏移圖像，然后對所述偏移圖像進行仿射變形，形成目標圖像，此時的目標圖像中，所述前景字符已經(jīng)不是連續(xù)的字符，并且前景字符的各個子塊的分布規(guī)律變得不明顯，從而機器人程序識別時會有一定的難度，最后將所述目標圖像的所述前景字符以第一泊松常數(shù)的泊松噪聲替代，將所述目標圖像的所述背景以第二泊松常數(shù)的泊松噪聲替代，所述第一泊松常數(shù)大于所述第二泊松常數(shù)，此時，前景字符和背景部分都會變得模糊，不但前景字符不易識別，背景部分也會對前景字符產(chǎn)生識別上的干擾，從而能夠很大程度上加大機器人程序識別的難度。因此，應(yīng)用本發(fā)明提供的技術(shù)方案得到的圖片驗證碼，能夠很大程度上加大機器人程序識別的難度，從而有效避免機器人程序?qū)ヂ?lián)網(wǎng)資源進行大量不當(dāng)使用。最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個......”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或
技術(shù)領(lǐng)域：
內(nèi)所公知的任意其它形式的存儲介質(zhì)中。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。當(dāng)前第1頁1 2 3