前言
滑塊驗證碼破解是一直都是一個棘手的問題，畢竟多數(shù)網(wǎng)站都會采用滑塊驗證碼要搞現(xiàn)在的滑塊驗證碼繞不開圖像處理厚满，圖像處理當然是首推OpenCV-Python(開箱即用) 我的速成OpenCV非常菜, 發(fā)現(xiàn)問題就直接指出嘛屑埋，不用走流程啦！
環(huán)境
pip install opencv-python
OpenCV的使用
相關(guān)的API我也是邊用邊查的痰滋，用得也是相當生疏！具體的常用方法大家只好自行百度
實現(xiàn)原理及方法
騰訊滑塊驗證
這次搞得目標就是騰訊滑塊驗證碼续崖，調(diào)用騰訊滑塊這個接口的網(wǎng)站還是挺多的敲街，比如非常好用的在線畫圖網(wǎng)站ProcessOn，其中滑塊驗證部分類似這樣子的：
破解滑塊驗證碼最為關(guān)鍵的地方在于找到滑塊缺口的位置严望，找到缺口位置后就可以利用Selenium模擬拖動滑塊到指定位置實現(xiàn)破解多艇，之前的老辦法就是將完整圖的像素點和帶缺口圖的像素點進行比較從而得到缺口位置，但是現(xiàn)在一般不會將完整圖暴露給我們像吻，所以只有在帶有缺口的圖上進行處理峻黍。我這里一共有兩種方案進行缺口位置識別，一種是基于模板匹配的拨匆，另一種是基于輪廓檢測的姆涩，下面會細講兩種方案的實現(xiàn)方法。
模板匹配識別缺口
具體是實現(xiàn)過程如下：
1.處理滑塊的圖片
- 灰度化滑塊圖片
- 處理一下滑塊圖中滑塊的外圈
- 使用inRange二值化滑塊圖
- 使用開運算去除白色噪點
運行結(jié)果如下所示(左側(cè)為原始滑塊惭每，右側(cè)為處理后的滑塊)：
2.處理帶缺口的圖片
- 先來個高斯濾波去噪
- 灰度化帶缺口圖
- 使用閾值二值化該圖
運行結(jié)果如下所示(左側(cè)為原始圖骨饿，右側(cè)為處理后的圖)：
3.進行模板匹配
調(diào)用模板匹配API并圈出匹配上的區(qū)域，結(jié)果如下所示：
警告警告警告
這種方法的缺口識別率在50%左右，很大一部分原因是滑塊圖的背景為純白色宏赘，這在匹配時會產(chǎn)生很大的干擾绒北，要是能將滑塊圖的背景變?yōu)橥该?/code>，正確的匹配率可以達到90%以上
如果大家有任何將滑塊圖的背景變?yōu)橥该鞯霓k法察署，可以留言到評論區(qū)闷游，我真的萬分感謝！Ｌ簟脐往！下面是現(xiàn)階段的實現(xiàn)代碼：
# encoding:utf-8
import cv2 as cv
import numpy as np
# 對滑塊進行二值化處理
def handle_img1(image):
kernel = np.ones((8, 8), np.uint8) # 去滑塊的前景噪聲內(nèi)核
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
width, heigth = gray.shape
for h in range(heigth):
for w in range(width):
if gray[w, h] == 0:
gray[w, h] = 96
# cv.imshow('gray', gray)
binary = cv.inRange(gray, 96, 96)
res = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel) # 開運算去除白色噪點
# cv.imshow('res', res)
return res
# 模板匹配(用于尋找缺口有點誤差)
def template_match(img_target, img_template):
tpl = handle_img1(img_template) # 誤差來源就在于滑塊的背景圖為白色
blurred = cv.GaussianBlur(img_target, (3, 3), 0) # 目標圖高斯濾波
gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
ret, target = cv.threshold(gray, 127, 255, cv.THRESH_BINARY) # 目標圖二值化
# cv.imshow("template", tpl)
# cv.imshow("target", target)
method = cv.TM_CCOEFF_NORMED
width, height = tpl.shape[:2]
result = cv.matchTemplate(target, tpl, method)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
left_up = max_loc
right_down = (left_up[0] + height, left_up[1] + width)
cv.rectangle(img_target, left_up, right_down, (0, 0, 255), 2)
cv.imshow('res', img_target)
if __name__ == '__main__':
img0 = cv.imread('./demo/3/hycdn_3.jpg')
img1 = cv.imread('./demo/3/hycdn_3_2.png')
template_match(img0, img1)
cv.waitKey(0)
cv.destroyAllWindows()
輪廓檢測識別缺口
基于輪廓檢測缺口的思路簡單很多，加上合理的條件識別率在95%以上嘶是，實現(xiàn)過程如下：
- 帶缺口圖高斯模糊去噪
- 用
(200,400)的閾值做Canny邊緣檢測 - 尋找輪廓
-
對已有的輪廓做約束钙勃，比如輪廓的面積范圍，輪廓的周長范圍
匹配結(jié)果如下：
image.png
實現(xiàn)代碼如下：
# encoding:utf-8
import cv2 as cv
def get_pos(image):
blurred = cv.GaussianBlur(image, (5, 5), 0)
canny = cv.Canny(blurred, 200, 400)
contours, hierarchy = cv.findContours(canny, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for i, contour in enumerate(contours):
M = cv.moments(contour)
if M['m00'] == 0:
cx = cy = 0
else:
cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00']
if 6000 < cv.contourArea(contour) < 8000 and 370 < cv.arcLength(contour, True) < 390:
if cx < 400:
continue
x, y, w, h = cv.boundingRect(contour) # 外接矩形
cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
cv.imshow('image', image)
return x
return 0
if __name__ == '__main__':
img0 = cv.imread('./demo/4/hycdn_4.jpg')
get_pos(img0)
cv.waitKey(0)
cv.destroyAllWindows()
遺留問題
問題1
如何將滑塊圖的純白背景變?yōu)橥该鞅尘埃?br>
進一步降噪的處理方法
問題2
使用Selenium和軌跡算法拖動滑塊時將滑塊拖出左側(cè)的范圍之外聂喇，軌跡算法是先加速后減速整體是向前移動的辖源，按道理來說不可能往回走，但是模擬拖動的時候會出現(xiàn)滑塊向后拖動且拖出范圍的現(xiàn)象希太，這問題如何解決克饶？
問題3
終極問題:
selenium 在某些網(wǎng)站上根本獲取不到彈出的驗證模塊標簽, 查看driver_source確實沒有返回滑動按鈕部分的源碼, 拿不到按鈕就不能進行模擬操作 暫時無解!!!
參考鏈接:https://github.com/Forbilly/captcha_cracking
更新新方法
參考: github_addr
