验证码往往是爬虫路上的一只拦路虎，而其花样也是层出不穷：图片验证、滑块验证、交互式验证、行为验证等。随着OCR技术的成熟，图片验证已经渐渐淡出主流，而「滑块验证」越来越多地出现在大众视野。“这么厉害，这小子长啥样呢？”没错，它就长这损sai:
解决它的方法也很直观，首先找到缺口的位置（通常只需要X轴的位置），然后拖动滑块即可。今天kimol君将带领大家用python识别出滑块验证中的缺口位置。
识别图片中的缺口，主要是利用python中的图像处理库cv2，其安装方法如下：
注：这里并不是“pip install cv2”哦~
1.读取图片
滑块验证的图片分为两部分，一个是背景图片：
另一个是缺口图片：
利用imread函数将其读取：
2.识别图片边缘
为了更好地将缺口与背景匹配，我们首先得识别出图片的边缘：
这里得到了图片边缘的灰度图，进一步将其图片格式转为RGB格式：
转换后的背景图为：
转换后的缺口图为：
3.缺口匹配
利用cv2中的matchTemplate函数，可以在背景图片中搜索对应的缺口，具体代码如下：
res为每个位置的匹配结果，代表了匹配的概率，选出其中「概率最高」的点，即为缺口匹配的位置：
min_val，max_val，min_loc，max_loc分别为匹配的最小值、匹配的最大值、最小值的位置、最大值的位置。
至此，我们已经有了缺口的位置，其X轴坐标为：
为了更直观地展示缺口的位置，我们将缺口用矩形框标注出来：
结果如下：
完美~ 收工！！！
为了在实际应用中更方便的使用，我们将代码封装为一个函数：
这里选择了读取本地图片文件，在爬虫过程中其实不是特别方便。如果有感兴趣的小伙伴，可以自己改动一下，将输入改为图片流即可。
本文至此便告于段落了，如果需要完整源码或者有任何建议都欢迎私信。最后，感谢各位小伙伴的耐心阅读，咋们下次再会~
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/7397.html