最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

OpenCV搞定騰訊滑塊驗(yàn)證碼的實(shí)現(xiàn)代碼

 更新時(shí)間:2019年05月18日 13:27:43   作者:1treeS  
這篇文章主要介紹了OpenCV搞定騰訊滑塊驗(yàn)證碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

前言

廢話

滑塊驗(yàn)證碼破解是一直都想搞的項(xiàng)目,畢竟多數(shù)網(wǎng)站都會(huì)采用滑塊驗(yàn)證碼,于是最近在修改論文的閑暇之余把這事兒給解決了。要搞現(xiàn)在的滑塊驗(yàn)證碼繞不開(kāi)圖像處理,圖像處理當(dāng)然是首推OpenCV-Python啦!當(dāng)然我的OpenCV非常菜(P.S.兩天速成不敢保證代碼質(zhì)量),發(fā)現(xiàn)問(wèn)題就直接指出嘛,不用走流程啦!

環(huán)境

首先需要一個(gè)python,然后安裝opencv的python庫(kù),如下:

pip install opencv-python

然后測(cè)試一下是否可用,如下:

import cv2 as cv
import numpy as np

if __name__ == '__main__':
 img = np.ones((200, 200, 3), np.uint8) * 255
 cv.rectangle(img, (50, 50), (150, 150), (0, 0, 255), 2)
 cv.imshow('test', img)
 cv.waitKey(0)
 cv.destroyAllWindows()

正常的話就會(huì)如下顯示:

OpenCV的使用

相關(guān)的API我也是邊用邊查的,用得也是相當(dāng)生疏!具體的常用方法大家只好自行百度了,我就不獻(xiàn)丑了!

實(shí)現(xiàn)原理及方法

騰訊滑塊驗(yàn)證

這次搞得目標(biāo)就是騰訊滑塊驗(yàn)證碼,調(diào)用騰訊滑塊這個(gè)接口的網(wǎng)站還是挺多的,比如非常好用的在線畫(huà)圖網(wǎng)站ProcessOn,其中滑塊驗(yàn)證部分類似這樣子的:

抓個(gè)包發(fā)現(xiàn)只有滑塊圖和帶缺口的圖,如下:

破解滑塊驗(yàn)證碼最為關(guān)鍵的地方在于找到滑塊缺口的位置,找到缺口位置后就可以利用Selenium模擬拖動(dòng)滑塊到指定位置實(shí)現(xiàn)破解,之前的老辦法就是將完整圖的像素點(diǎn)和帶缺口圖的像素點(diǎn)進(jìn)行比較從而得到缺口位置,但是現(xiàn)在一般不會(huì)將完整圖暴露給我們,所以只有在帶有缺口的圖上進(jìn)行處理。我這里一共有兩種方案進(jìn)行缺口位置識(shí)別,一種是基于模板匹配的,另一種是基于輪廓檢測(cè)的,下面會(huì)細(xì)講兩種方案的實(shí)現(xiàn)方法。

模板匹配識(shí)別缺口

具體是實(shí)現(xiàn)過(guò)程如下:

1.處理滑塊的圖片

  • 灰度化滑塊圖片
  • 處理一下滑塊圖中滑塊的外圈
  • 使用inRange二值化滑塊圖
  • 使用開(kāi)運(yùn)算去除白色噪點(diǎn)

運(yùn)行結(jié)果如下所示(左側(cè)為原始滑塊,右側(cè)為處理后的滑塊):

2.處理帶缺口的圖片

  • 先來(lái)個(gè)高斯濾波去噪
  • 灰度化帶缺口圖
  • 使用閾值二值化該圖

運(yùn)行結(jié)果如下所示(左側(cè)為原始圖,右側(cè)為處理后的圖):

3.進(jìn)行模板匹配

調(diào)用模板匹配API并圈出匹配上的區(qū)域,結(jié)果如下所示:

警告警告警告

這種方法的缺口識(shí)別率在50%左右,很大一部分原因是滑塊圖的背景為純白色,這在匹配時(shí)會(huì)產(chǎn)生很大的干擾,要是能將滑塊圖的背景變?yōu)橥该?/code>,正確的匹配率可以達(dá)到90%以上

如果大家有任何將滑塊圖的背景變?yōu)橥该鞯霓k法,可以留言到評(píng)論區(qū),我真的萬(wàn)分感謝!??!下面是現(xiàn)階段的實(shí)現(xiàn)代碼:

# encoding:utf-8
import cv2 as cv
import numpy as np


# 對(duì)滑塊進(jìn)行二值化處理
def handle_img1(image):
  kernel = np.ones((8, 8), np.uint8) # 去滑塊的前景噪聲內(nèi)核
  gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
  width, heigth = gray.shape
  for h in range(heigth):
    for w in range(width):
      if gray[w, h] == 0:
        gray[w, h] = 96
  # cv.imshow('gray', gray)
  binary = cv.inRange(gray, 96, 96)
  res = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel) # 開(kāi)運(yùn)算去除白色噪點(diǎn)
  # cv.imshow('res', res)
  return res


# 模板匹配(用于尋找缺口有點(diǎn)誤差)
def template_match(img_target, img_template):
  tpl = handle_img1(img_template) # 誤差來(lái)源就在于滑塊的背景圖為白色
  blurred = cv.GaussianBlur(img_target, (3, 3), 0) # 目標(biāo)圖高斯濾波
  gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
  ret, target = cv.threshold(gray, 127, 255, cv.THRESH_BINARY) # 目標(biāo)圖二值化
  # cv.imshow("template", tpl)
  # cv.imshow("target", target)
  method = cv.TM_CCOEFF_NORMED
  width, height = tpl.shape[:2]
  result = cv.matchTemplate(target, tpl, method)
  min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
  left_up = max_loc
  right_down = (left_up[0] + height, left_up[1] + width)
  cv.rectangle(img_target, left_up, right_down, (0, 0, 255), 2)
  cv.imshow('res', img_target)


if __name__ == '__main__':
  img0 = cv.imread('./demo/3/hycdn_3.jpg')
  img1 = cv.imread('./demo/3/hycdn_3_2.png')
  template_match(img0, img1)
  cv.waitKey(0)
  cv.destroyAllWindows()

輪廓檢測(cè)識(shí)別缺口

基于輪廓檢測(cè)缺口的思路簡(jiǎn)單很多,加上合理的條件識(shí)別率在95%以上,實(shí)現(xiàn)過(guò)程如下:

帶缺口圖高斯模糊去噪用(200,400)的閾值做Canny邊緣檢測(cè)尋找輪廓對(duì)已有的輪廓做約束,比如輪廓的面積范圍,輪廓的周長(zhǎng)范圍

多個(gè)匹配結(jié)果如下:




實(shí)現(xiàn)代碼如下:

# encoding:utf-8
import cv2 as cv


def get_pos(image):
  blurred = cv.GaussianBlur(image, (5, 5), 0)
  canny = cv.Canny(blurred, 200, 400)
  contours, hierarchy = cv.findContours(canny, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
  for i, contour in enumerate(contours):
    M = cv.moments(contour)
    if M['m00'] == 0:
      cx = cy = 0
    else:
      cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00']
    if 6000 < cv.contourArea(contour) < 8000 and 370 < cv.arcLength(contour, True) < 390:
      if cx < 400:
        continue
      x, y, w, h = cv.boundingRect(contour) # 外接矩形
      cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
      cv.imshow('image', image)
      return x
  return 0


if __name__ == '__main__':
  img0 = cv.imread('./demo/4/hycdn_4.jpg')
  get_pos(img0)
  cv.waitKey(0)
  cv.destroyAllWindows()

遺留問(wèn)題

問(wèn)題1

如何將滑塊圖的純白背景變?yōu)橥该鞅尘埃?/p>

問(wèn)題2

使用Selenium和軌跡算法拖動(dòng)滑塊時(shí)將滑塊拖出左側(cè)的范圍之外,軌跡算法是先加速后減速整體是向前移動(dòng)的,按道理來(lái)說(shuō)不可能往回走,但是模擬拖動(dòng)的時(shí)候會(huì)出現(xiàn)滑塊向后拖動(dòng)且拖出范圍的現(xiàn)象,這問(wèn)題如何解決?

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

最新評(píng)論

阜南县| 清丰县| 昌乐县| 泸定县| 鄂伦春自治旗| 呼和浩特市| 中方县| 庄浪县| 新昌县| 安阳市| 旺苍县| 玛多县| 大城县| 岢岚县| 金湖县| 南阳市| 霍城县| 华池县| 石棉县| 永仁县| 双桥区| 云梦县| 萝北县| 上蔡县| 绍兴市| 文山县| 湖南省| 耿马| 富源县| 阳山县| 如东县| 积石山| 原平市| 雷波县| 拉萨市| 堆龙德庆县| 囊谦县| 黄龙县| 白银市| 理塘县| 昔阳县|