滑块验证码之图片距离计算

news2024/11/17 7:24:22

滑块验证码之图片距离计算

1.使用工具

vscode
python3.8

2.安装opencv-python

python -m pip install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

查看安装的版本：

C:\Users\wenhz>pip list|findstr opencv
opencv-python             4.8.1.78

3.图片识别

3.1 准备的图片

在这里插入图片描述

注意：项目目录不要包含中文，图片命名的路径也不要包含中文路径，可能会出现意想不到的错误

3.2 图片识别函数

matchTemplate(原图片,要识别的图片,识别模式)：相关系数匹配函数，在一张图中寻找另一张图最相似的地方，最后返回一个相似矩阵
Canny(图片矩阵,长度，高度)：图像的边缘检测，即图像局部亮度变化显著的部分。如平滑到连续的过度。通常用于特征提取和特征，通常就是物体去除各种干扰，保留下的基本纹理特征。如下图：
- minMaxLoc(矩阵)：用于求一个矩阵的最大值，最小值，以及对应值的索引。如：
```
import numpy as np
import cv2
a=np.array([[1,2,3,4],[5,67,8,9]])
min_val,max_val,min_indx,max_indx=cv2.minMaxLoc(a)

print(min_val,max_val,min_indx,max_indx)

out:

1.0 67.0 (0, 0) (1, 1)
```

3.3 距离计算完整代码

def cal_loc(filePath_bg,filePath_qk):
    '''
    bg: 背景图片
    qk: 缺口图片
    '''
    # 读取背景图片和缺口图片
    bg_img = cv2.imread(filePath_bg) # 背景图片
    qk_img = cv2.imread(filePath_qk) # 缺口图片
    
    # 识别图片边缘
    bg_edge = cv2.Canny(bg_img, 100, 200)
    qk_edge = cv2.Canny(qk_img, 100, 200)
    
    # 转换图片格式
    bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
    qk_pic = cv2.cvtColor(qk_edge, cv2.COLOR_GRAY2RGB)
    
    # 缺口匹配
    res = cv2.matchTemplate(bg_pic, qk_pic, cv2.TM_CCOEFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 寻找最优匹配
    # 返回缺口的X坐标
    return max_loc[0]