如何用python识别滑块验证码中的缺口
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:
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 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：
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
bg_img = cv2.imread('bg.jpg') # 背景图片
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：
# 识别图片边缘 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 bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB) 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。
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：
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('out.jpg', 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,out): ''' bg: 背景图片 tp: 缺口图片 out:输出图片 ''' # 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(out, bg_img) # 保存在本地 # 返回缺口的X坐标 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脚本之家其它相关文章！
相关文章
VPN（虚拟私人网络）是一种有效的解决方案,可以帮助我们在网络上匿名浏览,保护数据传输的安全性,虽然市面上有许多商业VPN服务,但你也可以通过Python自己搭建一个简单的VPN,本文将介绍如何用Python建立自己的VPN,需要的朋友可以参考下2024-06-06
Pytorch如何加载自己的数据集(使用DataLoader读取Dataset)
这篇文章主要介绍了Pytorch如何加载自己的数据集(使用DataLoader读取Dataset)问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
这篇文章主要介绍了深入剖析Python的列表和元组,Python有4个内建的数据结构，它们可以统称为容器，因为它们实际上是一些“东西”组合而成的结构，而这些“东西”，可以是数字、字符甚至列表，或是它们的组合,需要的朋友可以参考下2023-07-07
这篇文章主要介绍了Python for循环的内部机制,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-06-06
这篇文章主要介绍了Django 路由层URLconf的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-12-12
这篇文章主要介绍了分析在Python中何种情况下需要使用断言,以避免在断言使用中经常可能碰到的错误，作者给出了具体代码示例，需要的朋友可以参考下2015-04-04
马上就要中秋节了,使用python可以实现中秋节动画效果,包括月亮、兔子和烟花吗？当然是可以的,那该如何实现呢？这篇文章我们主要使用pygame来实现,文中有详细的代码示例供大家参考,需要的朋友可以参考下2023-09-09
这篇文章主要为大家详细介绍了python实现Flappy Bird源码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-12-12
在开发Web应用时,文件处理和异常处理是常见的需求,本文将通过一个实际案例,分析如何优化Python Flask应用中的文件处理逻辑,感兴趣的小伙伴可以了解下2025-05-05
这篇文章主要介绍了python操作yaml说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
最新评论