（1）抓取整个屏幕图片

每一分钟，对整个屏幕图片进行抓取。核心代码：

//创建一个屏幕大小的标准位图

Graphics gra=Graphics.FromImage（myImage）;

//从屏幕到绘图的位块传输

gra. CopyFromScreen（new Point（0， 0）， new Point （0， 0） ， new Size （Screen. PrimaryScreen. Bounds. Width， Screen. PrimaryScreen. Bounds. Height））;

（2）对截取的全屏屏幕图片进行指定区域截取每一分钟，对屏幕的指定区域进行截取，截取的图片保存在本地电脑里的指定图像存储文件夹。需要用到辅助工具PS，获取指定区域的像素坐标。核心代码：

//创建作图区域

Graphics graphic = Graphics. FromImage （bitmap） ;

//截取原图相应区域写入作图区

graphic. DrawImage（fromImage， 0， 0， new Rectangle （offsetX， offsetY， width， height） ， GraphicsUnit.Pixel） ;

//从作图区生成新图

Image saveImage = Image. FromHbitmap（bitmap. GetHbitmap（））;

将最近两张图像进行对比，判断是否有差异。每一分钟，从图像存储文件夹内取最近时间节点的两张图片，通过对比两张图片的数据流来判断图片是否一致，并将对比异常结果发送给报警模块，同时反馈给实时监测模块。比对完成后清理文件夹内的多余图片，将前面的图片删除，保留最近时间的一张图片。这里图片对比用到的算法为“感知哈希算法”^[4-5]，核心代码：

#region第一步缩小图片尺寸（8*8，64个像素）

public Image ReduceSize（String path ，int width=8， int height=8）

{

//获取图片

Image SourceImage=Image.FromFile （path） ;

//将图像缩小为指定的尺寸

Image image = SourceImage. GetThumbnailImage （width， height，（）=> { returnfalse; }， IntPtr. Zero） ;

//释放资源

SourceImage.Dispose （） ;

return image;

}

#endregion

#region第二步将图片转化为64级的灰度图片

public Byte[] ReduceColor （Image image）

{

//将图片转化为位图

Bitmap bitmap=new Bitmap （image） ;

//存储每个像素的灰度值

Byte[] grayValues = new Byte[image. Width*image.Height];

//获取每个像素的灰度值

for （int x=0; x<image.Width; x++）

{

for （int y=0; y<image.Height; y++）

{

//通过像素坐标获取对应像素值

Color color=bitmap.GetPixel （x，y） ;

byte grayValue=（byte）（（color.R*30+color.G*59+color.B*11）/100） ;

grayValues[x*image.Width+y]=grayValue;

}

}//end for

return grayValues;

}

#endregion

#region第三步计算图片中所有像素的灰度平均值public Byte CalcAverage （byte[] values）

{

int sum=0;

for （int i=0; i<values.Length; i++）

{

sum+=（int） values[i];

}

return Convert.ToByte （sum/values.Length） ;

}

#endregion

#region第四步比较像素的灰度并计算图片的哈希值

public String ComputeBits （byte[] values， byte averageValue）

{

char[] result=newchar[values.Length];

//将每个像素的灰度值与所有像素灰度平均值进行比较

//如果小于灰度平均值记为0，大于等于灰度平均值记为1

//将上一步的比较结果，组合在一起，就构成了一个64位的二进制整数，这就是这张图片的指纹

for （int i=0; i<values.Length; i++）

{

if（values[i]<averageValue）

{result[i]='0';

}

else

{result[i]='1';

}

}

returnnewstring （result） ;

}

#endregion

#region第五步通过哈希值比较两张图片的相似度//比较两张图片的哈希值，64位中有多少位是不一样的，如果大于10，则这两张图片是不同的图片public Int32 CalcSimilarDegree（string a，string b）

{

//存储两张图片哈希值中不同的位数

int count=0;

//哈希值不等长，则抛出异常

if（a.Length !=b.Length）

thrownew ArgumentException（）;

for （int i=0; i<a.Length; i++）

{

if （a[i] !=b[i]）

count++;

}

return count;

}

#endregion

#region第六步判断两张图片是否相同

publicbool JudgePicSimilar（int count）

{

if（count>=1）

returnfalse;

else

returntrue;

}

#endregion