使用OpenCV怎么實(shí)現(xiàn)滑塊驗(yàn)證碼-創(chuàng)新互聯(lián)

使用OpenCV怎么實(shí)現(xiàn)滑塊驗(yàn)證碼？相信很多沒有經(jīng)驗(yàn)的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個(gè)問題。

公司主營業(yè)務(wù)：成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實(shí)現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。創(chuàng)新互聯(lián)建站是一支青春激揚(yáng)、勤奮敬業(yè)、活力青春激揚(yáng)、勤奮敬業(yè)、活力澎湃、和諧高效的團(tuán)隊(duì)。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團(tuán)隊(duì)有機(jī)會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)建站推出瀾滄免費(fèi)做網(wǎng)站回饋大家。

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

pip install opencv-python

然后測試一下是否可用，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)行缺口位置識別，一種是基于模板匹配的，另一種是基于輪廓檢測的，下面會細(xì)講兩種方案的實(shí)現(xiàn)方法。

模板匹配識別缺口

具體是實(shí)現(xiàn)過程如下：

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，可以留言到評論區(qū)，我真的萬分感謝?。?！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()

輪廓檢測識別缺口

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

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

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()

看完上述內(nèi)容，你們掌握使用OpenCV怎么實(shí)現(xiàn)滑塊驗(yàn)證碼的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道，感謝各位的閱讀！

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

文章名稱：使用OpenCV怎么實(shí)現(xiàn)滑塊驗(yàn)證碼-創(chuàng)新互聯(lián)
URL標(biāo)題：http://muchs.cn/article4/diehie.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供響應(yīng)式網(wǎng)站、App設(shè)計(jì)、移動網(wǎng)站建設(shè)、外貿(mào)建站、網(wǎng)頁設(shè)計(jì)公司、網(wǎng)站策劃

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)