एक तस्वीर को खोलने के बिना कोड की 31 लाइनों में मिंटये कैप्चा समाधान

कोड के 23 लाइनों में लेख "मिंटये कैप्चा समाधान" से प्रेरित होकर, साथ ही छवि के किनारों को निकालने के तरीकों को और अधिक गहराई से समझने की इच्छा, जैसे कि सोबेल ऑपरेटर और कैनी ऑपरेटर , मैंने स्वयं लेख में वर्णित एल्गोरिथ्म को दोहराने की कोशिश करने का फैसला किया।

मिंटई वेबसाइट से "प्रायोगिक" छवियों का एक सेट डाउनलोड करने वाली एक स्क्रिप्ट को जल्दी से स्केच करने के बाद, मैं "उच्च प्रौद्योगिकियों" के साथ प्रयोग शुरू करने के लिए अपनी पसंदीदा आईडीई खोलने के लिए तैयार था, लेकिन डाउनलोड की गई छवियों के साथ निर्देशिका को देखते हुए, मुझे एक बहुत ही दिलचस्प पैटर्न मिला।

सभी छवियों (जेपीईजी प्रारूप में, जो बहुत महत्वपूर्ण है) एक कैप्चा से संबंधित है , बाइट्स में एक ही आकार था!

लेकिन यह असंभव है! मैंने सोचा। यह समझाने के लिए कि यह क्यों संभव नहीं है, मैं आपको संक्षेप में जेपीईजी संपीड़न एल्गोरिथ्म के आधारभूत विचारों की याद दिलाऊँगा। अधिक विस्तृत विवरण के लिए, विकिपीडिया पर आपका स्वागत है ।

JPEG एल्गोरिथ्म निम्नलिखित अनुक्रम में मूल छवि को संपीड़ित करता है:

• रंग मॉडल परिवर्तित किया जा रहा है: स्रोत छवि RGB रंग स्थान से YCbCr रंग स्थान में परिवर्तित हो जाती है। इस चरण के बाद, छवि को एक ल्यूमिनेंस चैनल (वाई) और दो "रंग अंतर चैनल" में विभाजित किया गया है - सीबी और सीआर;
• Cb और Cr कलर चैनलों की डाउनसम्पलिंग की जाती है। एक नियम के रूप में, आधे से आकार में एक सरल कमी। इस तथ्य के कारण कि मानव आंख रंगों की तुलना में चमक में परिवर्तन के प्रति अधिक संवेदनशील है, पहले से ही इस बिंदु पर गुणवत्ता के बहुत कम नुकसान के साथ छवि आकार में महत्वपूर्ण कमी हासिल की जाती है;
• प्रत्येक चैनल तथाकथित "कोडिंग ब्लॉक" में विभाजित है। सबसे आम मामले में, एक "कोडिंग ब्लॉक" 64 बाइट्स का एक रैखिक सरणी है, जो एक "सांप" जैसा दिखने वाले इस तरह के चालाक प्रक्षेपवक्र के साथ एक 8x8 पिक्सेल छवि ब्लॉक से प्राप्त होता है;
• असतत कोसाइन रूपांतरण "कोडिंग ब्लॉक" पर लागू होता है। मैं विवरण में नहीं जाऊंगा, लेकिन इस परिवर्तन के बाद, "कोडिंग ब्लॉक" बदल जाता है, मोटे तौर पर बोलने वाले गुणांकों के एक समूह में, जो मूल छवि में छोटे विवरणों और चिकनी रंग संक्रमणों की संख्या से निकटता से संबंधित हैं।
• परिमाणीकरण किया जाता है। इस बिंदु पर, "संपीड़न अनुपात" या "वांछित छवि गुणवत्ता" पैरामीटर खेलने में आता है। फिर, बहुत मोटे तौर पर, यहाँ विचार यह है कि सभी गुणांक एक निश्चित सीमा मूल्य (वांछित संपीड़न अनुपात द्वारा निर्धारित) से कम हैं, मूर्खतापूर्ण रीसेट। शेष गुणांक अभी भी कुछ सटीकता के साथ मूल छवि को पुनर्स्थापित करने की अनुमति देते हैं। यह इस चरण है जो सभी को अच्छी तरह से ज्ञात संपीड़न कलाकृतियों का निर्माण करता है;
• और अंत में, हमारे खराब स्रोत छवि के सभी अवशेष दोषरहित संपीड़न एल्गोरिथ्म द्वारा अंततः "निचोड़ा हुआ" है। जेपीईजी के लिए, यह लगभग हमेशा हफ़मैन एल्गोरिथ्म है ।

जेपीईजी एल्गोरिथ्म के "इनर किचन" को जानना मिनेई कैप्चा को हल करने में कैसे उपयोगी हो सकता है? और यह तथ्य कि यह सब जानते हुए, यह स्पष्ट हो जाता है कि दो अलग-अलग चित्र जिनका आकार (पिक्सेल में) समान है और समान गुणवत्ता सेटिंग्स के साथ संपीड़ित हैं, लगभग 100% की संभावना के साथ, बाइट्स में एक अलग आकार होगा! इसके अलावा, सबसे बड़े आकार में वह चित्र होगा, जिसमें अधिक छोटे विवरण, और कम चिकनी रंग संक्रमण हैं।

यह साबित करने के लिए, हम एक पुरानी लीना लेते हैं और निम्नलिखित प्रयोग करते हैं (सभी तीनों चित्र गुणवत्ता फ़ोटोशॉप के लिए वेब के लिए मानक 40 के साथ, गुणवत्ता के साथ संपीड़ित हैं):

गाऊसी शोर 5% आकार: 10342 बाइट्स	मूल आकार: 7184 बाइट्स	गाऊसी ब्लर 1.5px आकार: 4580 बाइट्स

ठीक है, जो साबित होना जरूरी था: क्रेटरिस परिबस, जितना अधिक शोर - जितना बड़ा फ़ाइल का आकार, उतना ही अधिक धुंधला - छोटा आकार।

फिर सभी मिंटये कैप्चा चित्र एक ही आकार के क्यों हैं? फोकस का रहस्य असंभव के लिए आदिम निकला: फाइलें केवल उनमें से सबसे बड़े आकार के लिए शून्य के साथ पूरक हैं!

यह पता चलने के बाद, लगभग तुरंत मेरे सिर में मैं किसी तरह "ब्रेज़ेन" पैदा हुआ था, लेकिन इसे "कैप्चा" कहने की अनुमति के साथ इसे पहचानने के लिए बहुत सरल और प्रभावी समाधान। एक नजर इन दोनों तस्वीरों पर:



बाईं ओर "सही" एक के बाईं ओर स्थित एक थोड़ा विकृत छवि है। दाईं ओर अविरल छवि है, जो सही उत्तर है।

पहली नज़र में, बाईं तस्वीर थोड़ा घुमावदार है। लेकिन वास्तव में, इस तरह के "घुमा" एक छोटे कोण पर तेज सीमाओं और छोटे विवरणों को बहुत "धुंधला" करते हैं। इसलिए, जेपीईजी संपीड़न की ज्ञात विशेषताओं के आधार पर, इस तरह की थोड़ी विकृत तस्वीर का आकार सही एक से अलग होना चाहिए, और तेजी से अलग होना चाहिए !

इस तरह की बोल्ड धारणा की जांच करने के लिए, मैं आईडीई खोलता हूं और केवल 10 मिनट में मैं निम्नलिखित लिखता हूं:

import java.io.IOException; import java.io.RandomAccessFile; public class MintEye { public static void main(String[] args) throws IOException { int maxDelta = 0; int correctNum = 0; int zeroes = 0; int prevZeroes = 0; for (int n = 0; n < 30; n++) { if (n > 0) prevZeroes = zeroes; zeroes = 0; RandomAccessFile raf = new RandomAccessFile( String.format("images/%1$02d.jpg", n + 1), "r"); long fileLen = raf.length(); for (int i = (int) fileLen - 1; i >= 0; i--) { raf.seek(i); if (raf.read() != 0) break; zeroes++; } int delta = prevZeroes - zeroes; if (delta > maxDelta) { maxDelta = delta; correctNum = n; } raf.close(); } System.out.printf("Correct image: %d%n", correctNum + 1); } } 

संक्षेप में: हम अपने चित्रों के माध्यम से जाते हैं (मिंटये में 30 टुकड़े होंगे), वर्तमान फ़ाइल के अंत में शून्य की संख्या की गिनती करना और पिछले एक के अंत में शून्य की संख्या के साथ तुलना करना। वह फ़ाइल जिसके लिए यह अंतर अधिकतम होगा, संभवतः, मूल, अविभाजित चित्र होगा, यानी सही उत्तर।

यह विचार बिल्कुल सत्य निकला: 100%! 10 में से 10! सभी डाउनलोड किए गए चित्र सेट को सही ढंग से पहचाना गया था। उसी समय, बिल्कुल किसी भी छवि प्रसंस्करण पुस्तकालयों का उपयोग किए बिना, और यहां तक ​​कि स्मृति में चित्रों को लोड किए बिना!

नतीजतन, मुझे एक बार फिर विश्वास हो गया कि जल्द ही या बाद में प्रत्येक मुश्किल कैप्चा के लिए एक "पहचानकर्ता" होगा, और मेरा व्यक्तिगत "स्कैल्प का संग्रह" मिंटये के साथ फिर से भर दिया गया था (जो अब आपके स्टार्टअप को सुरक्षित रूप से मोड़ सकता है और हारा- गिरी बना सकता है )।

खैर, हब्रहाब ने इस लेख के साथ फिर से भर दिया।

पीएस मुझे पता है कि उपरोक्त कोड आदर्श से बहुत दूर है, विशेष रूप से, यह काम नहीं करता है यदि पहली तस्वीर सही है। लेकिन मैंने आदर्श के लिए प्रयास नहीं किया, लेकिन केवल विचार को यथासंभव संक्षिप्त रूप में चित्रित करना चाहता था।