python利用opencv库破解滑动验证码

opencv库的使用

cv2.imread(filepath，flags)：读入一张图像

• filepath：要读入图片的完整路径
• flags：读入图片的标志
  • cv2.IMREAD_COLOR：默认参数，值为1，读入一副彩色图片，忽略alpha通道
  • cv2.IMREAD_GRAYSCALE：值为0，读入灰度图片,
  • cv2.IMREAD_UNCHANGED：值为-1，读入完整图片，包括alpha通道

cv2.imshow(wname，img)：显示图像

• wname：显示图像窗口的名字
• img：要显示的图像，窗口大小自动调整为图片大小

cv2.imwrite(file，img，num)：保存一张图像

• file：要保存的文件名
• img：保存的图像
• num：压缩的级别，默认为3

cv2.cvtColor(img，code) ：图像颜色空间转换

• img：要转换的图片
• code：要转换颜色的数值
  • cv2.COLOR_RGB2GRAY：彩色图像转化为灰度图像
  • cv2.COLOR_GRAY2RGB：灰度图像转化为彩色图像
  • # cv2.COLOR_X2Y，其中X,Y = RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS

cv2.matchTemplate(img，templ，method)：模板匹配

• img：待搜索图像
• templ：搜索模板，需和原图一样的数据类型且尺寸不能大于源图像
• method：指定的匹配方法
  • CV_TM_SQDIFF----平方差匹配法（最好匹配0）
  • CV_TM_SQDIFF_NORMED----归一化平方差匹配法（最好匹配0）
  • CV_TM_CCORR----相关匹配法（最坏匹配0）
  • CV_TM_CCORR_NORMED----归一化相关匹配法（最坏匹配0）
  • CV_TM_CCOEFF----系数匹配法（最好匹配1）
  • CV_TM_CCOEFF_NORMED----归一化相关系数匹配法（最好匹配1）

 计算滑动距离：

    def get_distance(bg_img_path,slider_img_path):
        """获取滑块移动距离"""

        #背景图片处理
        bg_img = cv.imread(bg_img_path, 0) #读入灰度图片
        bg_img = cv.GaussianBlur(bg_img, (3, 3), 0) #高斯模糊去噪
        bg_img = cv.Canny(bg_img, 50, 150) #Canny算法进行边缘检测
        #滑块做同样处理
        slider_img = cv.imread(slider_img_path, 0)
        slider_img = cv.GaussianBlur(slider_img, (3, 3), 0)
        slider_img = cv.Canny(slider_img, 50, 150)
        # 寻找最佳匹配
        res = cv.matchTemplate(bg_img, slider_img, cv.TM_CCOEFF_NORMED)
        # 最小值，最大值，并得到最小值, 最大值的索引
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
        #例如：(-0.05772797390818596, 0.30968162417411804, (0, 0), (196, 1))
        top_left = max_loc[0]  # 横坐标
        # 展示圈出来的区域
        # w, h = image.shape[::-1]  # 宽高,例如(320, 160)
        # cv.rectangle(template, (x, y), (x + w, y + h), (7, 249, 151), 2)
        # cv.imshow('Show', bg_img)
        # cv.waitKey(0)
        # cv.destroyAllWindows()
        return top_left