OpenCV搞定腾讯滑块验证码

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！

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：

抓个包发现只有滑块图和带缺口的图，如下：

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)：

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)：

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：

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：

(200,400)

多个匹配结果如下：

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()

遗留问题

问题1

如何将滑块图的纯白背景变为透明背景？

问题2

使用 Selenium 和轨迹算法拖动滑块时将滑块拖出左侧的范围之外，轨迹算法是先加速后减速整体是向前移动的，按道理来说不可能往回走，但是模拟拖动的时候会出现滑块向后拖动且拖出范围的现象，这问题如何解决？

有知道上述问题如何解决的小伙伴，期待你的留言或评论！！！

END