python opencv破解滑动验证码之获取缺口位置

破解滑块验证码的思路主要有2种：

• 一张完整的背景图和一张有缺口的图片的场景，解决思路：两张图片同一个坐标位置进行像素上的一一对比，找出不一样的坐标。
• 一张有缺口的图片和需要验证的小图，解决思路：1.两张图片进行二极化以及归一化，确定小图在图片中间的坐标。这种办法我没有验证通过，可以参考这里。2.通过opencv获得缺口位置
• 之后就要使用初中物理知识了，使用先加速后减速模仿人手动拖动

通过opencv获得图片的缺口位置

#coding=utf-8
import cv2
import numpy as np
from PIL import Image


def get_element_slide_distance():


	otemp = 'captcha2.png'
	oblk = 'captcha1.png'
	target = cv2.imread(otemp, 0) # 读取进行色度图片，转换为numpy中的数组类型数据
	template = cv2.imread(oblk, 0)
	width, height = target.shape[::-1] # 获取缺口图数组的形状 -->缺口图的宽和高
	temp = 'temp.jpg' # 将处理之后的图片另存
	targ = 'targ.jpg'
	cv2.imwrite(temp, template)
	cv2.imwrite(targ, target)
	target = cv2.imread(targ) # 读取另存的滑块图
	target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY) # 进行色彩转换
	# 去除白色部分 获取滑块正常大小
	target = target[target.any(1)]

	target = abs(255 - target) # 获取色差的绝对值
	cv2.imwrite(targ, target) # 保存图片
	target = cv2.imread(targ) # 读取滑块
	template = cv2.imread(temp) # 读取背景图
	result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED) # 比较两张图的重叠区域
	top, left = np.unravel_index(result.argmax(), result.shape) # 获取图片的缺口位置
	#缺口位置
	print((left, top, left + width, top + height)) # 背景图中的图片缺口坐标位置

	#调用PIL Image 做测试
	image = Image.open("captcha1.png")

	rectangle = (left + 3, top + 3, left + width - 3, top + height - 3) #去掉白色块的影响(上面去掉白色部分的功能并没有真的起作用)
	#切割
	imagecrop = image.crop(rectangle)
	#保存切割的缺口
	imagecrop.save("new_image.jpg")

	return left+3

distance = get_element_slide_distance()
# 滑动距离误差校正，滑动距离*图片在网页上显示的缩放比-滑块相对的初始位置
distance = distance*(280/680) - 22

拖动轨迹

def generate_tracks1(XCoordinates):
	element = browser.find_element_by_xpath("//div[@class='secsdk-captcha-drag-icon sc-jKJlTe fsBatO']")
	ActionChains(browser).click_and_hold(on_element = element).perform()
	#
	# ActionChains(browser).move_by_offset(xoffset=0, yoffset=y - 445).perform()
	#
	# time.sleep(0.15)
	# print("第二步，拖动元素")
	distance = XCoordinates - 60
	# 初速度
	v = 0
	# 单位时间为0.2s来统计轨迹，轨迹即0.2内的位移,越低看起来越丝滑！！
	t = 0.08
	# 位移/轨迹列表，列表内的一个元素代表0.2s的位移
	tracks = []
	# 当前的位移
	current = 0
	# 到达mid值开始减速
	mid = distance * 5 / 8

	distance += 10  # 先滑过一点，最后再反着滑动回来
	# a = random.randint(1,3)
	while current < distance:
		if current < mid:
			# 加速度越小，单位时间的位移越小,模拟的轨迹就越多越详细
			a = random.randint(100, 200)  # 加速运动
		else:
			a = -random.randint(2, 10)  # 减速运动

		# 初速度
		v0 = v
		# 0.2秒时间内的位移
		s = v0 * t + 0.5 * a * (t ** 2)
		# 当前的位置
		current += s
		# 添加到轨迹列表
		tracks.append(round(s))

		# 速度已经达到v,该速度作为下次的初速度
		v = v0 + a * t
		if current > distance:
			break

	# 反着滑动到大概准确位置
	# for i in range(4):
	#     tracks.append(-random.randint(1, 3))
	# for i in range(4):
	#    tracks.append(-random.randint(1,3))
	random.shuffle(tracks)
	count = 0
	for item in tracks:
		print(item)
		count += item
		ActionChains(browser).move_by_offset(xoffset = item, yoffset = random.randint(-2, 2)).perform()

	# ActionChains(browser).move_to_element_with_offset(to_element=element, xoffset=XCoordinates-18,yoffset=y - 445).perform()
	# time.sleep(2)
	# # 释放鼠标
	print(count)
	ActionChains(browser).release(on_element = element).perform()