摘要: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。
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!
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(lèi)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?/b>,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?
有知道上述問(wèn)題如何解決的小伙伴,期待你的留言或評(píng)論!!!
END文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/43838.html
python作為一門(mén)比較常見(jiàn)的編程語(yǔ)言,在工作當(dāng)中的應(yīng)用還是比較的廣泛的,比如可以對(duì)此進(jìn)行相關(guān)的自動(dòng)化測(cè)試,比如自動(dòng)化測(cè)試相關(guān)的代碼,另外還有破解滑動(dòng)驗(yàn)證碼。那么,具體的操作手法是怎樣的呢?下面就給大家詳細(xì)解答下。 在Web自動(dòng)化測(cè)試的過(guò)程中,經(jīng)常會(huì)被登錄的驗(yàn)證碼給卡住,不知道如何去通過(guò)驗(yàn)證碼的驗(yàn)證。 一般的情況下遇到驗(yàn)證碼我們可以都可以找開(kāi)發(fā)去幫忙解決,關(guān)閉驗(yàn)證碼,或者給一個(gè)萬(wàn)能的驗(yàn)證碼...
摘要:時(shí)間永遠(yuǎn)都過(guò)得那么快,一晃從年注冊(cè),到現(xiàn)在已經(jīng)過(guò)去了年那些被我藏在收藏夾吃灰的文章,已經(jīng)太多了,是時(shí)候把他們整理一下了。那是因?yàn)槭詹貖A太亂,橡皮擦給設(shè)置私密了,不收拾不好看呀。 ...
閱讀 3948·2021-09-24 10:24
閱讀 1386·2021-09-22 16:01
閱讀 2713·2021-09-06 15:02
閱讀 1013·2019-08-30 13:01
閱讀 1002·2019-08-30 10:52
閱讀 632·2019-08-29 16:36
閱讀 2231·2019-08-29 12:51
閱讀 2332·2019-08-28 18:29