聊聊滑块验证码的识别

最新推荐文章于 2024-07-17 11:19:25 发布

置顶 zhangke3016

最新推荐文章于 2024-07-17 11:19:25 发布

阅读量3.4k

点赞数 4

分类专栏：其他文章标签：滑块验证码验证码识别滑块验证码

本文链接：https://blog.csdn.net/zhangke3016/article/details/82864269

版权

其他专栏收录该内容

1 篇文章 0 订阅

订阅专栏

很长一段时间没写文章了，今天来一篇，聊聊滑块验证码。之前一段时间在研究下滑块验证码相关的东西，拿腾讯的验证码来玩，使用Selenium来模拟滑动，这里也就先不介绍Selenium 的基本用法来，主要来聊聊怎么实现滑块验证码的识别问题。
滑块验证码可以说是目前使用最多，体验相对比较好的验证方式来，在反爬虫上面也确实有比较好的效果，但爬虫和反爬虫，本身就是一对冤家，相互促进项目影响。废话不多说，直接上滑块验证码的干货吧。

一、目标

就拿腾讯的滑块验证码来说吧，其他滑块也比较类似，就这个：
QQ滑块
先大概梳理一下这个特征，点击验证，弹出这个滑块验证码，用鼠标拖动到缺口阴影位置松手即可实现验证。
逻辑比较简单，目前要处理的核心问题就是怎么找到这个阴影位置，因为可能有不同的图片而且图片中缺口阴影的位置也不确定。
问题可以简化为：如何找到背景图中缺口的准确位置

二、查找缺口阴影位置

定下了解决问题的目标，下一步就是查找当前的已知条件，看看已知条件能否找到突破口，目前我们可以确定的是，如果要用滑块验证码，至少要有两样东西：

滑动的滑块图形，就是这个：

滑块图

滑动要拼出的背景图，就是这个：

背景图

这两个家伙是每个滑块都有的东西，先从这两个上面入手：

先试着处理下背景图，这里用python来写了：

from PIL import Image
if __name__ == "__main__":
    Image.open('hycdn_1_1585354975542067968_0.jpeg').convert('L').save('cap4.jpg')

我们将这个背景图片置成灰色图片看看，现在是这个样子：

现在这个背景图没有其他杂色了，再看这个缺口位置，颜色要更深一点，那接下来就处理下滑块了，让它尽量和这个缺口相似：

def convert(imgName, saveName):
    im = Image.open(imgName)
    im = im.convert('RGBA')

    width = im.size[0]
    height = im.size[1]
    for h in range(0, height):
        for w in range(0, width):
            pixel = im.getpixel((w, h))
            if pixel[0] > 0 and pixel[1] > 0 and pixel[2] > 0 and pixel[3] > 0:
                im.putpixel((w, h), (0,0,0, 220))
            elif pixel[0] == 0 and pixel[1] == 0 and pixel[2] == 0:
                im.putpixel((w, h), (0, 0, 0, 220))
            else:
                pass
    im.save(saveName)

convert('hycdn_2_1585354975542067968_0.png','cap2.png')

将整张滑块图进行像素调节，这个调节值是反复试出来的，出来的效果是这样：
处理后滑块
这样处理后，我们要做的其实就剩下最后一步了：从这个背景图中找出和这个滑块最相似的图形并标记出来

这里使用了一个开源库aircv，Github上地址是https://github.com/NetEaseGame/aircv，大概使用方式是这个：

import aircv as ac
imsrc = ac.imread('youimage.png') # 原始图像
imsch = ac.imread('searched.png') # 带查找的部分
ac.find_template(imsrc, imsch)
#返回值
#{'confidence': 0.5522063970565796, 'result': (557, 214), 'rectangle': ((489, 146), (489, 282), (625, 146), (625, 282))}
# result: 查找到的点
# rectangle： 目标图像周围四个点的坐标
# confidence: 查找图片匹配成功的特征点 除以 总的特征点

从图形中查找相似部分，详细使用可以查看Github。
我们这样处理一下：

    imsrc = ac.imread('cap4.jpg')
    imobj = ac.imread('cap2.png')

    # find the match position
    pos = ac.find_template(imsrc, imobj)

    print pos
    # {'confidence': 0.5522063970565796, 'result': (557, 214), 'rectangle': ((489, 146), (489, 282), (625, 146), (625, 282))}

    color = (0, 255, 0)
    line_width = 10

    draw_rectangle(imsrc, pos['rectangle'][0], pos['rectangle'][-1], color, line_width)

用python-opencv2绘制一下区域看看：

import cv2
def draw_rectangle(img, pos1, pos2, color, line_width):
    cv2.rectangle(img, pos1, pos2, color, line_width)
    cv2.imshow('objDetect', imsrc)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

好啦，我们看下效果：
成功命中
再试几个看看：