python验证码滑块图像识别

文章目录

• 1、案例图片
• 1、需求说明
• 2、代码实现
• 总结

1、案例图片

1、需求说明

python 3.10,写一个滑块验证码的自动化程序。需要一个opencv的函数，能准确的计算，在这同一张图片上，滑块形状和缺口形状的坐标位置及两个形状之间在X轴上的距离。请注意，没有单独的滑块图片，而是滑块和缺口都在同一张图片上，没有分开，补充:并不存在滑块和背景两张图，滑块和缺口都在一张图上。不能用额外的滑块图片匹配，而是要在一张图上，找出两个形状一样的图，并计算坐标距离。

2、代码实现

import cv2
import numpy as np
 
def find_slider_and_gap(image_path):
    # 读取图片
    image = cv2.imread(image_path)
    if image is None:
        raise ValueError("Image not found or unable to read")
 
    # 转换为灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
    # 使用高斯模糊减少噪声
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
 
    # 使用Canny边缘检测
    edges = cv2.Canny(blurred, 50, 150)
 
    # 使用轮廓检测找到滑块和缺口
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
    # 找到最大的两个轮廓（假设滑块和缺口是最明显的两个轮廓）
    contours = sorted(contours, key=cv2.contourArea, reverse=True)[:2]
 
    if len(contours) < 2:
        raise ValueError("Not enough contours found")
 
    # 计算轮廓的边界框
    slider_box = cv2.boundingRect(contours[0])
    gap_box = cv2.boundingRect(contours[1])
 
    # 计算滑块和缺口的中心点
    slider_center = (slider_box[0] + slider_box[2] // 2, slider_box[1] + slider_box[3] // 2)
    gap_center = (gap_box[0] + gap_box[2] // 2, gap_box[1] + gap_box[3] // 2)
 
    # 计算滑块和缺口在X轴上的距离
    distance_x = abs(slider_center[0] - gap_center[0])
 
    # 绘制边界框和中心点
    cv2.rectangle(image, slider_box, (0, 255, 0), 2)
    cv2.rectangle(image, gap_box, (0, 0, 255), 2)
    cv2.circle(image, slider_center, 5, (0, 255, 0), -1)
    cv2.circle(image, gap_center, 5, (0, 0, 255), -1)
 
    # 显示结果图像
    cv2.imshow('Result', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
 
    return slider_center, gap_center, distance_x
 
# 示例使用
image_path = 'path_to_your_image.png'
slider_center, gap_center, distance_x = find_slider_and_gap(image_path)
print(f"滑块中心坐标: {slider_center}")
print(f"缺口中心坐标: {gap_center}")
print(f"滑块和缺口在X轴上的距离: {distance_x}")
 

总结

这是我在社区问答中看到的一个问题，本人给出了回答，也很荣幸被题主采纳，这里再次记录一下，希望更多人看到。