这篇文章将为大家详细讲解有关怎么使用python识别滑块验证码中的缺口,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
验证码往往是爬虫路上的一只拦路虎,而其花样也是层出不穷:图片验证,滑块验证,交互式验证,行为验证等。随着OCR技术的成熟,图片验证已经渐渐淡出主流,而滑块验证越来越多地出现在大众视野。
“这么厉害,这小子长啥样呢?”没错,它就长这损赛:
解决它的方法也很直观,首先找到缺口的位置(通常只需要X轴的位置),然后拖动滑块即可。
今天kimol君将带领大家用python识别出滑块验证中的缺口位置。
一、缺口识别
识别图片中的缺口,主要是利用python中的图像处理库cv2,其安装方法如下:
pip install opencv-python
注:这里并不是“pip安装cv2”哦~
1。读取图片
滑块验证的图片分为两部分,一个是背景图片:
另一个是缺口图片:
利用imread函数将其读取:
#,读取背景图片和缺口图片 时间=bg_img cv2.imread (& # 39; bg.jpg& # 39;), #,背景图片 时间=tp_img cv2.imread (& # 39; tp.png& # 39;), #,缺口图片
2。识别图片边缘
为了更好地将缺口与背景匹配,我们首先得识别出图片的边缘:
#,识别图片边缘 时间=bg_edge cv2.Canny (bg_img,, 100,, 200) tp_edge =, cv2.Canny (tp_img,, 100,, 200)
这一步很关键!否则缺口匹配将不准确。
这里得到了图片边缘的灰度图,进一步将其图片格式转为RGB格式:
#,转换图片格式 时间=bg_pic cv2.cvtColor (bg_edge, cv2.COLOR_GRAY2RGB) 时间=tp_pic cv2.cvtColor (tp_edge, cv2.COLOR_GRAY2RGB)
转换后的背景图为:
转换后的缺口图为:
3。缺口匹配
利用cv2中的matchTemplate函数,可以在背景图片中搜索对应的缺口,具体代码如下:
#,缺口匹配 res =, cv2.matchTemplate (bg_pic, tp_pic,, cv2.TM_CCOEFF_NORMED)
res为每个位置的匹配结果,代表了匹配的概率,选出其中概率最高的点,即为缺口匹配的位置:
min_val,, max_val,, min_loc,, max_loc =, cv2.minMaxLoc (res), #,寻找最优匹配
min_val, max_val, min_loc, max_loc分别为匹配的最小值,匹配的最大值,最小值的位置,最大值的位置。
p。当然,这里完全可以自己写一个循环来实现,但是有现成的函数为什么不用呢?
至此,我们已经有了缺口的位置,其X轴坐标为:
X =, max_loc [0]
为了更直观地展示缺口的位置,我们将缺口用矩形框标注出来:
#,绘制方框 th, tw =, tp_pic.shape [2], #=tl max_loc 左上角点的坐标 br =, (tl [0] + tw, tl [1] + th), #,右下角点的坐标 cv2.rectangle (bg_img, tl, br,,(0, 0, 255),, 2), #,绘制矩形 cv2.imwrite (& # 39; out.jpg& # 39;,, bg_img), #,保存在本地
结果如下:
完美~收工! ! !
二,完整代码
为了在实际应用中更方便的使用,我们将代码封装为一个函数:
def identify_gap (bg, tp): ,& # 39;& # 39;& # 39; ,bg:背景图片 ,tp:缺口图片 ,:输出图片 ,& # 39;& # 39;& # 39; ,#读取背景图片和缺口图片=,,bg_img  cv2.imread (bg), #,背景图片=,,tp_img  cv2.imread (tp), #,缺口图片 , ,#识别图片边缘=,,bg_edge  cv2.Canny (bg_img,, 100,, 200)=,,tp_edge  cv2.Canny (tp_img,, 100,, 200) , ,#转换图片格式=,,bg_pic  cv2.cvtColor (bg_edge, cv2.COLOR_GRAY2RGB)=,,tp_pic  cv2.cvtColor (tp_edge, cv2.COLOR_GRAY2RGB) , ,#缺口匹配=,,res  cv2.matchTemplate (bg_pic, tp_pic,, cv2.TM_CCOEFF_NORMED) ,min_val, max_val, min_loc,, max_loc =, cv2.minMaxLoc (res), #,寻找最优匹配 , ,#绘制方框 ,th, tw =, tp_pic.shape [2],=,,tl  max_loc #,左上角点的坐标 ,br =, (tl [0] + tw, tl [1] + th), #,右下角点的坐标 ,cv2.rectangle (bg_img, tl, br,,(0, 0, 255),, 2), #,绘制矩形 ,cv2.imwrite (,, bg_img), #,保存在本地 , ,#返回缺口的X坐标 tl, return  [0]怎么使用python识别滑块验证码中的缺口