滑块验证码
对于某些简单的滑块,无需进行模型训练,可以使用opencv就能识别,比如:
有一种常用方法cv2.matchTemplate,可以将滑动的图案与背景图案进行模板匹配,这种方法适用于滑动图案与背景图片中目标位置有相同图案的情况。
但是本文想介绍的是另一种:背景中目标位置是空白的情况。
验证码详情
如何识别图片中的矩形位置?
分析主要有三个特点:
- 待识别目标是规则的轮廓;
- 轮廓内是纯白色,与周边像素界限明显;
- 整个图片对轮廓中的白色干扰很少,除了中间的白色圆圈同为白色。
识别方案
基于以上分析,识别方案不需要使用深度学习,利用opencv就能实现,主要思路是:
- 将图片转为灰度图,方便后续处理;
- 将图片二值化,比如将值在220以下的像素过滤为黑色,220以上为白色,实际阈值可调;
(这里设置的阈值有些低了,背景中留下的白色干扰较多)
- 对图片进行轮廓检测,过滤面积较小的轮廓,只留面积大的轮廓,面积阈值可调;
- 多边形逼近,将轮廓按一定阈值(这里是周长的2%)进行多边形逼近,这里逼近为了四边形,三角形,和8边形;
- 最后筛选出顶点数为4的就是我们要找的目标矩形
6. 实际测试,这张背景图容易出现badcase
对于下面这张背景图片,就不能识别,但仔细观察发现矩形框肉眼可见的能与背景分离,那么也好办:
所以可以修改一下二值化的像素值下限,比如从220增加到240,此时背景中的偏白色像素被过滤的更多了,从而分离出矩形,完成识别
当然,对于这张背景图,如果方块和圆圈有重叠,那么就无法用此方案识别了,但因为仅有一张这样的背景图存在干扰,而且干扰较小,实际真正遇到重叠的情况很少,总体准确率不会低,可以实际应用。
代码
完整代码如下,读者可以将文中图片下载到本地配合代码进行测试:文章来源:https://www.toymoban.com/news/detail-838031.html
import cv2
# 读取图像并进行二值化操作
img_file = 'test.jpg'
image = cv2.imread(img_file)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
_, threshold = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)
# 我记得cv2较高版本好像输出不一样,报错的话可以降版本试试
# 执行轮廓检测
contours, hierarchy = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 面积过滤阈值
area_threshold = 25
# 遍历轮廓进行面积过滤和矩形框检测
for contour in contours:
# 计算轮廓的面积
area = cv2.contourArea(contour)
# 过滤面积过小的轮廓,每个轮廓contour由n个点坐标组成,shape为(n,1,2)
if area > area_threshold:
peri = cv2.arcLength(contour, True) # 计算轮廓的周长,True表示封闭轮廓
# 多边形逼近,原理可参考:https://zhuanlan.zhihu.com/p/433888415
approx = cv2.approxPolyDP(contour, 0.02 * peri, True)
# 如果多边形是矩形,则绘制矩形框,4个顶点不一定是矩形,但在本案例情景下大概率是目标矩形
if len(approx) == 4:
cv2.drawContours(image, [approx], 0, (0, 0, 255), 2)
# 显示结果图像
cv2.imshow('Rectangles', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
总结
对于简单的滑块验证码,可以有很多识别方法,只要仔细观察总结就能拟定出合适的方案,以文中滑块为例,本文给出了一个实现案例,希望对读者有启发。
再说了,opencv不行的话还有深度学习啊。文章来源地址https://www.toymoban.com/news/detail-838031.html
到了这里,关于使用opencv识别滑块验证的文章就介绍完了。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!