python验证码滑块图像识别

Question

我在用win11，python 3.10,写一个滑块验证码的自动化程序。我需要一个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。
请不要JS逆向的解决方案。直接上opencv的识别函数代码，悬赏给能最先出正确结果的。后面的朋友，如果有更优化的代码，我会额外给打赏(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
附，验证码图片样式。

Answer 1

具体来说，我们需要从一张图片中找到滑块形状和缺口形状的坐标位置，并计算它们之间的X轴距离。

以下是一个完整的Python脚本示例，使用OpenCV来实现这一功能：

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}")

解释
1、读取图片：使用 cv2.imread 读取图片。
2、灰度转换：将图片转换为灰度图像，便于后续处理。
3、高斯模糊：使用高斯模糊减少噪声，提高边缘检测的准确性。
4、Canny边缘检测：使用Canny算法检测图像中的边缘。
5、轮廓检测：使用 cv2.findContours 找到图像中的轮廓。
6、排序轮廓：按轮廓面积从大到小排序，假设滑块和缺口是最明显的两个轮廓。
7、计算边界框：使用 cv2.boundingRect 计算轮廓的边界框。
8、计算中心点：计算滑块和缺口的中心点。
9、计算X轴距离：计算滑块和缺口在X轴上的距离。
10、绘制结果：在原图上绘制边界框和中心点，并显示结果图像。