手搓系列之单缺口滑块,缺口图片为整张图片通过率99%---思路可拓展其他缺口背景图
评论
收藏

手搓系列之单缺口滑块,缺口图片为整张图片通过率99%---思路可拓展其他缺口背景图

经验分享
【耐家军】DC
2026-05-24 00:58·浏览量:320
【耐家军】DC
影刀专家
影刀认证工程师
发布于 2026-05-24 00:58320浏览

滑块图片这种形式而不是普通的单缺口,思路把图片扣出来做比对即可

原理

手搓系列之天眼查单缺口滑块验证——思路可拓展其他单缺口滑块完全免费通过率99%

效果展示

流程展示

py代码扣缺口代码

# 使用提醒:
# 1. xbot包提供软件自动化、数据表格、Excel、日志、AI等功能
# 2. package包提供访问当前应用数据的功能,如获取元素、访问全局变量、获取资源文件等功能
# 3. 当此模块作为流程独立运行时执行main函数
# 4. 可视化流程中可以通过"调用模块"的指令使用此模块

import xbot
from xbot import print, sleep
from .import package
from .package import variables as glv
from PIL import Image

def crop_turing_slice(original_bg_path,output_path,bg_pos_x,bg_pos_y, slice_w,slice_h, bg_size_w,bg_size_h):     
    # 1. 打开原图(with 内完成所有操作,修复报错)
    with Image.open(original_bg_path) as img:
        orig_w, orig_h = img.size

        # 2. 计算缩放比例:原图 / CSS里的背景尺寸
        scale_x = orig_w / bg_size_w
        scale_y = orig_h / bg_size_h

        # 3. 把CSS的坐标按比例换算到原图上
        x1 = abs(bg_pos_x) * scale_x
        y1 = abs(bg_pos_y) * scale_y
        x2 = x1 + slice_w * scale_x
        y2 = y1 + slice_h * scale_y

        # 4. 转成整数像素(PIL要求整数)
        box = (int(x1), int(y1), int(x2), int(y2))

        # 5. 裁剪并保存(全部放在 with 内部,解决图片已关闭错误)
        cropped = img.crop(box)
        cropped.save(output_path)

def main(args):
    crop_turing_slice(
        original_bg_path=r"E:\11\k.png",  # 你的背景图
        output_path=r"E:\11\k1.png",       # 输出滑块
        bg_pos_x=-70.8333,
        bg_pos_y=-247.917,
        slice_w=60.7143,
        slice_h=60.7143,
        bg_size_w=345.06,
        bg_size_h=313.69
    )

获取缺口坐标代码

# 使用提醒:
# 1. xbot包提供软件自动化、数据表格、Excel、日志、AI等功能
# 2. package包提供访问当前应用数据的功能,如获取元素、访问全局变量、获取资源文件等功能
# 3. 当此模块作为流程独立运行时执行main函数
# 4. 可视化流程中可以通过"调用模块"的指令使用此模块

import xbot
from xbot import print, sleep
from .import package
from .package import variables as glv
import cv2
import numpy as np
import requests


def download_image(url):
    """本地图片处理"""
    # response = requests.get(url)
    # if response.status_code != 200:
    #     raise Exception(f"无法下载图片,HTTP状态码: {response.status_code}")
    with open(url, "rb") as f:
        content = f.read()
    # 将响应内容转换为字节流,然后转换为numpy数组
    image_data = np.frombuffer(content, dtype=np.uint8)
    # 使用OpenCV解码图片
    image = cv2.imdecode(image_data, cv2.IMREAD_COLOR)
    return image


def find_gap_position(bg_url, gap_url):
    """
    从网络下载背景图和缺口图,并计算缺口位置

    参数:
        bg_url: 背景图的URL
        gap_url: 缺口图的URL

    返回:
        缺口位置的X坐标
    """
    # 下载图片
    bg_image = download_image(bg_url)
    gap_image = download_image(gap_url)

    # 转换为灰度图
    bg_gray = cv2.cvtColor(bg_image, cv2.COLOR_BGR2GRAY)
    gap_gray = cv2.cvtColor(gap_image, cv2.COLOR_BGR2GRAY)

    # 使用边缘检测
    bg_edge = cv2.Canny(bg_gray, 100, 200)
    gap_edge = cv2.Canny(gap_gray, 100, 200)

    # 模板匹配
    result = cv2.matchTemplate(bg_edge, gap_edge, cv2.TM_CCOEFF_NORMED)

    # 寻找最佳匹配位置
    _, max_val, _, max_loc = cv2.minMaxLoc(result)

    print(f"匹配度: {max_val}")
    gap_x = max_loc

    # 可视化结果(可选,用于调试)
    # 在背景图上绘制矩形标记识别到的位置
    # h, w = gap_edge.shape
    # top_left = max_loc
    # bottom_right = (top_left[0] + w, top_left[1] + h)
    # cv2.rectangle(bg_image, top_left, bottom_right, (0, 255, 0), 2)

    # 显示结果
    # cv2.imshow('Detected Position', bg_image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    return gap_x
def main(args):
    pass

猜你喜欢

【验证码挑战】双滑块验证码,异形双缺口,通过率极高

【验证码挑战】手搓之文字点选系列,百分百免费借助ddddcor开源库

【验证码挑战】ICP/IP地址/域名备案查询 单滑块验证专用通过率90%

手搓系列之ddddocr解决计算验证码100%免费通过率百分之90以上

DCpage:搞定反验证码网站就是如此简单,py纯免费无需云码接口

【验证码挑战】手搓系列之躲避障碍验证码,方法你绝对想不到

手搓系列之oppo滑块验证通过率90%——思路可拓展其他滑块验证

收藏3
全部评论(1)
最新
发布评论
评论