驗證碼往往是爬蟲路上的一只攔路虎，而其花樣也是層出不窮：圖片驗證、滑塊驗證、交互式驗證、行為驗證等。隨著OCR技術的成熟，圖片驗證已經漸漸淡出主流，而滑塊驗證越來越多地出現在大眾視野。
“這么厲害，這小子長啥樣呢？”沒錯，它就長這損sai:
解決它的方法也很直觀，首先找到缺口的位置（通常只需要X軸的位置），然后拖動滑塊即可。
今天kimol君將帶領大家用python識別出滑塊驗證中的缺口位置。
一、缺口識別
識別圖片中的缺口，主要是利用python中的圖像處理庫cv2，其安裝方法如下：
pip install opencv-python
注：這里并不是“pip install cv2”哦~
1.讀取圖片
滑塊驗證的圖片分為兩部分，一個是背景圖片：
另一個是缺口圖片：
利用imread函數將其讀取：
# 讀取背景圖片和缺口圖片
bg_img = cv2.imread('bg.jpg') # 背景圖片
tp_img = cv2.imread('tp.png') # 缺口圖片
2.識別圖片邊緣
為了更好地將缺口與背景匹配，我們首先得識別出圖片的邊緣：
# 識別圖片邊緣
bg_edge = cv2.Canny(bg_img, 100, 200)
tp_edge = cv2.Canny(tp_img, 100, 200)
這一步很關鍵！否則缺口匹配將不準確。
這里得到了圖片邊緣的灰度圖，進一步將其圖片格式轉為RGB格式：
# 轉換圖片格式
bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
轉換后的背景圖為：
轉換后的缺口圖為：
3.缺口匹配
利用cv2中的matchTemplate函數，可以在背景圖片中搜索對應的缺口，具體代碼如下：
# 缺口匹配
res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
res為每個位置的匹配結果，代表了匹配的概率，選出其中概率最高的點，即為缺口匹配的位置：
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 尋找最優匹配
min_val，max_val，min_loc，max_loc分別為匹配的最小值、匹配的最大值、最小值的位置、最大值的位置。
ps.當然，這里完全可以自己寫一個循環來實現，但是有現成的函數為什么不用呢？
至此，我們已經有了缺口的位置，其X軸坐標為：
為了更直觀地展示缺口的位置，我們將缺口用矩形框標注出來：
# 繪制方框
th, tw = tp_pic.shape[:2]
tl = max_loc # 左上角點的坐標
br = (tl[0]+tw,tl[1]+th) # 右下角點的坐標
cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 繪制矩形
cv2.imwrite('out.jpg', bg_img) # 保存在本地
結果如下：
完美~ 收工！！！
二、完整代碼
為了在實際應用中更方便的使用，我們將代碼封裝為一個函數：
def identify_gap(bg,tp,out):
'''
bg: 背景圖片
tp: 缺口圖片
out:輸出圖片
'''
# 讀取背景圖片和缺口圖片
bg_img = cv2.imread(bg) # 背景圖片
tp_img = cv2.imread(tp) # 缺口圖片
# 識別圖片邊緣
bg_edge = cv2.Canny(bg_img, 100, 200)
tp_edge = cv2.Canny(tp_img, 100, 200)
# 轉換圖片格式
bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
# 缺口匹配
res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 尋找最優匹配
# 繪制方框
th, tw = tp_pic.shape[:2]
tl = max_loc # 左上角點的坐標
br = (tl[0]+tw,tl[1]+th) # 右下角點的坐標
cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 繪制矩形
cv2.imwrite(out, bg_img) # 保存在本地
# 返回缺口的X坐標
return tl[0]
這里選擇了讀取本地圖片文件，在爬蟲過程中其實不是特別方便。如果有感興趣的小伙伴，可以自己改動一下，將輸入改為圖片流即可。
以上就是如何用python識別滑塊中的缺口的詳細內容，更多關于python識別滑塊中的缺口的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- python 模擬網站登錄——滑塊驗證碼的識別
- Python Selenium破解滑塊驗證碼最新版(GEETEST95%以上通過率)
- Python破解BiliBili滑塊驗證碼的思路詳解(完美避開人機識別)
- Python模擬登錄之滑塊驗證碼的破解(實例代碼)
- python滑塊驗證碼的破解實現
- python3 破解 geetest（極驗）的滑塊驗證碼功能
- python繞過圖片滑動驗證碼實現爬取PTA所有題目功能 附源碼
- Python3爬蟲關于識別檢驗滑動驗證碼的實例
- 基于python實現破解滑動驗證碼過程解析
- python破解bilibili滑動驗證碼登錄功能
- python實現騰訊滑塊驗證碼識別
