python3 使用OpenCV计算滑块拼图验证码缺口位置(场景示例)

1. 简要介绍OpenCV

OpenCV是一款功能强大的开源计算机视觉库，它可以处理图像和视频数据，支持多种编程语言，在数字图像处理、计算机视觉和机器学习等领域都有广泛应用。

1. 准备工作

使用Python3，需要先安装OpenCV和Requests库。

pip install opencv-python
pip install requests

1. 获取验证码图片和缺口图片

为了演示方便，我们可以使用“极验”公司的滑块验证码作为例子。访问https://www.geetest.com/demo/slide 下载demo的验证码图片和缺口图片。分别命名为captcha.jpg和gap.jpg并放到代码目录下。

1. 分析验证码图片

利用OpenCV将图片转换成灰度图，再进行二值化处理，最终得到黑白图片。可以使用threshold函数实现。具体代码如下：

import cv2

img = cv2.imread('captcha.jpg',0) #读取灰度彩色图像
ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY) #二值化处理
cv2.imwrite('captcha_binary.jpg', thresh) #保存二值化后的图片

1. 获取缺口位置

首先需要对缺口图片进行二值化处理，然后使用matchTemplate函数在验证码图片中寻找最佳匹配的位置。该函数返回一个灰度图像，其中亮度表示匹配程度。最后我们可以使用minMaxLoc函数获取最佳匹配位置的坐标。

import cv2
import numpy as np

captcha = cv2.imread('captcha_binary.jpg',0)
gap = cv2.imread('gap.jpg',0)

res = cv2.matchTemplate(captcha,gap,cv2.TM_CCOEFF_NORMED)
threshold = 0.7
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
    print(pt[0],pt[1])

输出结果为(104, 39)，即缺口位置在验证码图片中的x、y坐标。

1. 示例1：模拟滑动滑块

为了模拟滑动滑块，我们需要使用模拟鼠标事件的库pyautogui。通过pyautogui定位到滑块的中心位置，然后移动鼠标，最后释放鼠标完成滑动操作。

import pyautogui

#获取滑块中心位置
center_x = 107 + int(gap.shape[1]/2)
center_y = 44 + int(gap.shape[0]/2)

#移动鼠标到滑块中心位置
pyautogui.moveTo(center_x, center_y)

#移动到拼图缺口位置
pyautogui.dragRel(104-center_x, 39-center_y, duration=1)

该程序执行后，会自动模拟人的操作，完成拖动操作。

1. 示例2：从网络获取验证码

import requests
from io import BytesIO

#获取验证码和缺口图片
url = 'https://www.geetest.com/demo/slide'
response = requests.get(url)
captcha_url = 'https://static.geetest.com/'+response.json()['data']['bg']
gap_url = 'https://static.geetest.com/'+response.json()['data']['fullbg']

captcha = Image.open(BytesIO(requests.get(captcha_url).content))
captcha.save('captcha.jpg')
gap = Image.open(BytesIO(requests.get(gap_url).content))
gap.save('gap.jpg')

该程序会从网络获取验证码和缺口图片，然后使用上述的方法生成滑块验证码。