实战 | 手把手教你用Python+OpenCV实现滑块验证码-＞自动拖动验证

导读

本文主要介绍如何使用Python+OpenCV实现滑块验证码->自动拖动验证。

背景介绍

前几天在某网站下载代码时，跳转到滑块验证码界面，需要验证OK后才能下载，貌似这种验证方式现在很流行，所以打算用OpenCV尝试如何让其自动拖动验证。

效果展示

核心步骤是提取滑动块目标位置，如下是效果展示：

OpenCV实现滑块验证码检测定位--自动验证_哔哩哔哩_bilibili-https://www.bilibili.com/video/BV1f44y1b7WK/

目标滑动块定位步骤与演示：

实现步骤:

【1】截取验证图片，颜色通道转换为HSV，取V通道分析

原图：

V通道效果：

B,G,R=cv2.split(img)hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)H,S,V=cv2.split(hsv_img)
ret1, thres= cv2.threshold(V, 200, 255, cv2.THRESH_BINARY_INV)cv2.imshow('thres', thres)

【2】二值化 + 形态学处理

二值化效果：

开运算+闭运算效果：

k1=np.ones((5,5), np.uint8)thres = cv2.morphologyEx(thres, cv2.MORPH_OPEN, k1)#闭运算cv2.imshow('MORPH_OPEN', thres)
k2=np.ones((5,5), np.uint8)thres = cv2.morphologyEx(thres, cv2.MORPH_CLOSE, k2)#闭运算cv2.imshow('MORPH_CLOSE', thres)

【3】轮廓提取 + 宽高/面积比筛选

其他图片测试效果(稳定性验证)：

自动验证完整步骤

实现步骤:

【1】通过模板匹配定位箭头位置，作为鼠标滑动起点；

【2】定位模板滑动块位置；

【3】控制鼠标拖动，直到与目标滑动块完全重合；

这里提供两种思路：

① 笔者发现这个网站的起始滑动块x位置都是10，那么可以计算目标滑动块与起始滑动块X坐标差值，控制鼠标移动对应的像素量；

② 截取目标滑动块的ROI位置，实时计算ROI被覆盖后剩余像素数量，当剩余像素数量最小时认为被覆盖完全，松开鼠标。

欢迎加入OpenCV与AI深度学习官方微信群一起学习交流：

更多视觉图像处理相关内容，请点击关注：OpenCV与AI深度学习。