OpenCV搞定腾讯滑块验证码的实现代码-6ren

OpenCV搞定腾讯滑块验证码的实现代码

转载作者：qq735679552 更新时间：2022-09-28 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章OpenCV搞定腾讯滑块验证码的实现代码由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

前言。

废话。

滑块验证码破解是一直都想搞的项目，毕竟多数网站都会采用滑块验证码，于是最近在修改论文的闲暇之余把这事儿给解决了。要搞现在的滑块验证码绕不开图像处理，图像处理当然是首推opencv-python啦！当然我的opencv非常菜(p.s.两天速成不敢保证代码质量)，发现问题就直接指出嘛，不用走流程啦！。

环境。

首先需要一个python，然后安装opencv的python库，如下:

pip install opencv-python 。

然后测试一下是否可用，如下:

 
    ? 
   
         import 
         cv2 as cv 
        
         import 
         numpy as np 
        
         if 
         __name__  
         = 
         = 
         '__main__' 
         : 
        
         img  
         = 
         np.ones(( 
         200 
         ,  
         200 
         ,  
         3 
         ), np.uint8)  
         * 
         255 
        
         cv.rectangle(img, ( 
         50 
         ,  
         50 
         ), ( 
         150 
         ,  
         150 
         ), ( 
         0 
         ,  
         0 
         ,  
         255 
         ),  
         2 
         ) 
        
         cv.imshow( 
         'test' 
         , img) 
        
         cv.waitkey( 
         0 
         ) 
        
         cv.destroyallwindows()

正常的话就会如下显示:

OpenCV搞定腾讯滑块验证码的实现代码

opencv的使用。

相关的api我也是边用边查的，用得也是相当生疏！具体的常用方法大家只好自行百度了，我就不献丑了！。

实现原理及方法。

腾讯滑块验证。

这次搞得目标就是腾讯滑块验证码，调用腾讯滑块这个接口的网站还是挺多的，比如非常好用的在线画图网站processon，其中滑块验证部分类似这样子的:

OpenCV搞定腾讯滑块验证码的实现代码

抓个包发现只有滑块图和带缺口的图，如下:

OpenCV搞定腾讯滑块验证码的实现代码

破解滑块验证码最为关键的地方在于找到滑块缺口的位置，找到缺口位置后就可以利用selenium模拟拖动滑块到指定位置实现破解，之前的老办法就是将完整图的像素点和带缺口图的像素点进行比较从而得到缺口位置，但是现在一般不会将完整图暴露给我们，所以只有在带有缺口的图上进行处理。我这里一共有两种方案进行缺口位置识别，一种是基于模板匹配的，另一种是基于轮廓检测的，下面会细讲两种方案的实现方法.

模板匹配识别缺口。

具体是实现过程如下:

1.处理滑块的图片。

灰度化滑块图片
处理一下滑块图中滑块的外圈
使用inrange二值化滑块图
使用开运算去除白色噪点

运行结果如下所示(左侧为原始滑块，右侧为处理后的滑块):

OpenCV搞定腾讯滑块验证码的实现代码

2.处理带缺口的图片。

先来个高斯滤波去噪
灰度化带缺口图
使用阈值二值化该图

运行结果如下所示(左侧为原始图，右侧为处理后的图):

OpenCV搞定腾讯滑块验证码的实现代码

3.进行模板匹配。

调用模板匹配api并圈出匹配上的区域，结果如下所示:

OpenCV搞定腾讯滑块验证码的实现代码

警告警告警告。

这种方法的缺口识别率在50%左右，很大一部分原因是滑块图的背景为纯白色，这在匹配时会产生很大的干扰，要是能将滑块图的背景变为透明，正确的匹配率可以达到90%以上。

如果大家有任何将滑块图的背景变为透明的办法，可以留言到评论区，我真的万分感谢！！！下面是现阶段的实现代码:

 
    ? 
   
         # encoding:utf-8 
        
         import 
         cv2 as cv 
        
         import 
         numpy as np 
        
         # 对滑块进行二值化处理 
        
         def 
         handle_img1(image): 
        
         kernel  
         = 
         np.ones(( 
         8 
         ,  
         8 
         ), np.uint8)  
         # 去滑块的前景噪声内核 
        
         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)  
         # 开运算去除白色噪点 
        
         # cv.imshow('res', res) 
        
         return 
         res 
        
         # 模板匹配(用于寻找缺口有点误差) 
        
         def 
         template_match(img_target, img_template): 
        
         tpl  
         = 
         handle_img1(img_template)  
         # 误差来源就在于滑块的背景图为白色 
        
         blurred  
         = 
         cv.gaussianblur(img_target, ( 
         3 
         ,  
         3 
         ),  
         0 
         )  
         # 目标图高斯滤波 
        
         gray  
         = 
         cv.cvtcolor(blurred, cv.color_bgr2gray) 
        
         ret, target  
         = 
         cv.threshold(gray,  
         127 
         ,  
         255 
         , cv.thresh_binary)  
         # 目标图二值化 
        
         # 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()

轮廓检测识别缺口。

基于轮廓检测缺口的思路简单很多，加上合理的条件识别率在95%以上，实现过程如下:

带缺口图高斯模糊去噪用(200,400)的阈值做canny边缘检测寻找轮廓对已有的轮廓做约束，比如轮廓的面积范围，轮廓的周长范围。

多个匹配结果如下:

OpenCV搞定腾讯滑块验证码的实现代码

实现代码如下:

 
    ? 
   
         # 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()