目標(biāo)
識別微信登錄新賬號，需要拖動滑塊驗證時，目標(biāo)塊相對于圖片的位置
前提相關(guān)信息:
相關(guān)圖片信息
截圖 - 通過android自帶的截圖工具截取驗證的界面，在代碼中為screenshot.jpg
三種方案
1.隨機拖動
基本思路:
每次驗證碼的三次重試機會，分別采用min + 10, (min + max)/2, max - 10三個位置進行拖動。
若不通過，則刷新驗證碼，重復(fù)上述過程
優(yōu)點：
缺點:
2.根據(jù)顏色識別圖片目標(biāo)位置 (我打算采用這個方案)
基本思路:
根據(jù)目標(biāo)位置的顏色的規(guī)律性(一般都是灰黑灰黑的)，制定一個顏色范圍
從圖片中用inRange將圖片轉(zhuǎn)換成黑白圖，白色部分為原圖中符合顏色范圍的區(qū)域
用findContours找出所有輪廓，根據(jù)輪廓所涉及的元素點的最多的幾項判斷目標(biāo)位置的大致范圍
代碼實現(xiàn)
# 讀取截圖screenshot = cv2.imread('screenshot.jpg')# 篩選出符合顏色區(qū)間的區(qū)域inRange = cv2.inRange(screenshot, np.array([90, 90, 90]), np.array([115, 115, 115]))# 從圖中找出所有的輪廓_, cnts, _ = cv2.findContours(inRange.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 對所有輪廓做排序，排序依據(jù)是每個輪廓包含的點的數(shù)量cnts.sort(key=len, reverse=True)# 取前兩個輪廓(有些圖片目標(biāo)位置不一定是第一個輪廓)for cnt in cnts[0: 2]: xSum = 0 xCounter = 0 for position in cnt: xCounter += 1 xSum += position[0][0] # 算出所有點的X坐標(biāo)平均值，并在此基礎(chǔ)上做一個60像素的偏移，這個偏移可以根據(jù)自己手機進行調(diào)整 x = int(xSum / xCounter - 60) # 在截圖上畫一條紅線，表示識別的x坐標(biāo)位置 cv2.line(screenshot, (x, 0), (x, 500), (0, 0, 255), 5)cv2.imshow("screenshot", screenshot)cv2.waitKey(0)優(yōu)點:
缺點:
基本思路:
滑塊與目標(biāo)位置的區(qū)別在于，目標(biāo)位置加了一層灰黑色透明前景色，圖片處理時先給滑塊圖片加上相同的灰黑色透明前景色
用處理過的滑塊去匹配目標(biāo)位置
代碼實現(xiàn):
# 讀取滑塊圖片，并給其加上相同的灰黑色透明前景色，再進行灰化block = cv2.imread('block.jpg')blockCopy = block.copy()w, h = block.shape[:-1]cv2.rectangle(blockCopy, (0, 0), (w, h), (47, 47, 47), -1)cv2.addWeighted(blockCopy, 0.7, block, 0.3, 0, block)block = cv2.cvtColor(block, cv2.COLOR_RGB2GRAY)# 讀取驗證碼圖片，并灰化captcha = cv2.imread('captcha.jpg')captchaGray = cv2.cvtColor(captcha, cv2.COLOR_RGB2GRAY)# 尋找captcha中匹配block的位置res = cv2.matchTemplate(captchaGray, block, cv2.TM_SQDIFF)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)# 在最符合的畫一個矩形cv2.rectangle(captcha, min_loc, (min_loc[0] + w, min_loc[1] + h), (0, 0, 255), -1)cv2.imshow('block', block)cv2.imshow("captcha", captcha)cv2.waitKey(0);優(yōu)點:
缺點:
總結(jié)
三種方案中第二種擁有不錯的驗證率，且較第三種只需要對驗證界面進行截圖，開發(fā)較容易。
綜上所述，第二種方案是我認(rèn)為較好的方法。
新聞熱點
疑難解答
