如何用python识别滑块验证码中的缺口

时间:2022-11-13 10:38:44

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sai:

如何用python识别滑块验证码中的缺口

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:

  1. pip install opencv-python

注:这里并不是“pip install 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:

如何用python识别滑块验证码中的缺口

另一个是缺口图片:

如何用python识别滑块验证码中的缺口

利用imread函数将其读取:

  1. # 读取背景图片和缺口图片
  2. bg_img = cv2.imread('bg.jpg') # 背景图片
  3. tp_img = cv2.imread('tp.png') # 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:

  1. # 识别图片边缘
  2. bg_edge = cv2.Canny(bg_img, 100, 200)
  3. 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:

  1. # 转换图片格式
  2. bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
  3. tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)

转换后的背景图为:

如何用python识别滑块验证码中的缺口

转换后的缺口图为:

如何用python识别滑块验证码中的缺口

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:

  1. # 缺口匹配
  2. 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:

  1. 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。
ps.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:

  1. 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:

  1. # 绘制方框
  2. th, tw = tp_pic.shape[:2]
  3. tl = max_loc # 左上角点的坐标
  4. br = (tl[0]+tw,tl[1]+th) # 右下角点的坐标
  5. cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 绘制矩形
  6. cv2.imwrite('out.jpg', bg_img) # 保存在本地

结果如下:

如何用python识别滑块验证码中的缺口

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:

  1. def identify_gap(bg,tp,out):
  2. '''
  3. bg: 背景图片
  4. tp: 缺口图片
  5. out:输出图片
  6. '''
  7. # 读取背景图片和缺口图片
  8. bg_img = cv2.imread(bg) # 背景图片
  9. tp_img = cv2.imread(tp) # 缺口图片
  10.  
  11. # 识别图片边缘
  12. bg_edge = cv2.Canny(bg_img, 100, 200)
  13. tp_edge = cv2.Canny(tp_img, 100, 200)
  14.  
  15. # 转换图片格式
  16. bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
  17. tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
  18.  
  19. # 缺口匹配
  20. res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
  21. min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 寻找最优匹配
  22.  
  23. # 绘制方框
  24. th, tw = tp_pic.shape[:2]
  25. tl = max_loc # 左上角点的坐标
  26. br = (tl[0]+tw,tl[1]+th) # 右下角点的坐标
  27. cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 绘制矩形
  28. cv2.imwrite(out, bg_img) # 保存在本地
  29.  
  30. # 返回缺口的X坐标
  31. return tl[0]

这里选择了读取本地图片文件,在爬虫过程中其实不是特别方便。如果有感兴趣的小伙伴,可以自己改动一下,将输入改为图片流即可。

以上就是如何用python识别滑块中的缺口的详细内容,更多关于python识别滑块中的缺口的资料请关注服务器之家其它相关文章!

原文链接:https://blog.csdn.net/kimol_justdo/article/details/109634133