验证码滑块识别算法 100% 识别思路简单（附算法 python 代码）-Toy模板网

这篇具有很好参考价值的文章主要介绍了验证码滑块识别算法 100% 识别思路简单（附算法 python 代码）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

验证码识别,超值的一些内容,python,算法,开发语言

最开始的识别思路是通过模板来找到这个验证码的滑块图像所在的位置，但是使用下来发现准确率在90%左右一起提不上去，无论怎么优化都无法提高，后来发现了一个奇特的思路可用完美解决这个验证码的问题，思路写在了代码里面，最后返回的结果是需要移动的滑块的左上角的坐标点位置（本算法思路主要用在电子税务网站）其他的类似的验证码也可以

识别结果示意图

验证码识别,超值的一些内容,python,算法,开发语言文章来源地址https://www.toymoban.com/news/detail-827247.html



def slide_comparison( target_bytes):
    # ； 微 394467238

    alpha_channel = np.ones(target_bytes.shape, dtype=target_bytes.dtype) * 255
    # alpha通道每个像素点区间为[0,255], 0为完全透明，255是完全不透明
    # image = ImageChops.difference(background, target)
    # image = ImageChops.difference(alpha_channel, target_bytes)
    image = alpha_channel - target_bytes
    # background.close()
    # target.close()
    # image = image.point(lambda x: 255 if x > 20 else 0)
    start_y = 0
    start_x = 0
    # for i in range(0, image.width):
    for i in range(0, image.shape[1]):
        count = 0
        # for j in range(0, image.height):
        for j in range(0, image.shape[0]):
            # pixel = image.getpixel((i, j))
            pixel = image[j, i]
            # if pixel != (0, 0, 0):
            if pixel != 0:
                count += 1
            if count >= 5 and start_y == 0:
                start_y = j - 5

        if count >= 5:
            start_x = i + 2
            break
    return [start_x, start_y]  # w,h









def get_long_v2(finame='0.png',pre=''):
    # v2 版本；仅仅使用png 的遮罩层就可以得到滑块的位置了； 微 394467238


    print(finame)
    bg_img0 = cv2.imread(finame, cv2.IMREAD_UNCHANGED)
    res = slide_comparison(bg_img0[:,:,3]) # 左上角点的坐标 w,h

    # th, tw = bg_img0.shape[:2]
    # br = (res[0] + tw, res[1] + th)
    # cv2.rectangle(bg_img0, res, br, (255, 255, 255), 2)  # 绘制矩形
    # cv2.imwrite('1.png', bg_img0)  # 保存在本地

    return res

到了这里，关于验证码滑块识别算法 100% 识别思路简单（附算法 python 代码）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！