思路
驗證碼型別如下:
大概搜尋了下,有兩種主流思路:yolo目標檢測演算法和opencv模版匹配。很明顯第二種成本遠小於第一種,也不需要訓練。
而且這種驗證碼有干擾(兩個目標點),yolo一次還不能直接到位,還得進一步處理。我在搜尋的時候還有用輪廓匹配做識別的,但是實測下來準確率很低,這裡就不說了。
識別
背景預處理
先對圖片做一些預處理,移除多餘的干擾項, 提高準確率。比如先簡單將圖片切割一下,只保留包含滑塊的那一部分。這麼說可能不太理解,不識別之前怎麼知道哪一部分包含滑塊?我截圖示一下大家就明白了,可以只保留中間這一塊。
網頁知道滑塊放置的位置,說明伺服器告訴了它準確的y座標,看了下介面返回的結果裡有一個tip_y
應該是跟滑塊放置的y座標有關。滑塊的具體位置可以在元素一欄裡看到(em這個單位和px換算規則是 px = em * 字型大小,從網頁上看字型大小是100px)
但tip_y的值是69,和85px對不上。這裡可以打上屬性修改斷點,看一下屬性是怎麼生成的,但我找了半天沒找到,最後複製多個值發給gpt讓他說一下有什麼規律。它說比例是固定的,也就是tip_y乘以1.23就是放置的y座標
當然還有個簡單的方法就是用瀏覽器獲取滑塊的座標,這樣就不用關心兩個值有啥規律。
那就可以得到裁剪的位置了:
from PIL import Image
def crop_main_loc(background_path:Image, slide_path:Image, tip_y:int):
background_img = Image.open(background_path)
slide_img = Image.open(slide_path)
top_y_212 = tip_y * (85 / 69)
top_y_344 = int(top_y_212 * (344 / 212))
crop_size = (0, top_y_344, background_img.width, top_y_344+slide_img.height)
cropped_image = background_img.crop(crop_size)
cropped_image.show()
if __name__ == '__main__':
crop_main_loc('background.jpeg', 'slide.png', 69)
滑塊預處理
先提取一下滑塊的輪廓,抖音的滑塊特徵很明顯,可以不用用cv2.Canny
來提取邊緣特徵。
具體步驟如下:
- 去除外圍透明畫素點(滑塊外層的畫素點的a值都是0)
- 將圖片轉成灰度圖並進行二值化操作(0和255)
- 只保留二值化為255的畫素點
- 去除多餘噪聲
程式碼
讀取rgba格式的滑塊
import cv2
input_img = cv2.imread("slide.png", cv2.IMREAD_UNCHANGED)
將透明值為0的畫素點設定為純黑色
# 取透明維度的值
alpha_channel = input_img[:, :, 3]
# 只使用rgb三個維度的值
rgb_image = input_img[:, :, :3]
rgb_image[alpha_channel == 0] = [0, 0, 0]
提取白色邊緣並設定成黑色,將其他畫素點設定為白色
gray = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2GRAY)
_, thresholded = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)
white_img = np.ones_like(rgb_image) * 255
white_img[thresholded == 255] = [0, 0, 0]
去除噪聲(判斷某個黑色畫素點周圍3x3範圍內有多少個黑色畫素點,少於閾值認為是噪聲)
def count_black_neighbors_by_cv2(gray_image):
if gray_image.ndim == 3:
gray_image = cv2.cvtColor(gray_image, cv2.COLOR_BGR2GRAY)
_, binary_image = cv2.threshold(gray_image, 240, 255, cv2.THRESH_BINARY_INV)
binary_image = binary_image // 255
kernel = np.ones((3, 3), dtype=np.uint8)
kernel[1, 1] = 0
black_neighbors = cv2.filter2D(binary_image, -1, kernel)
# 設定邊緣為0
black_neighbors[:, 0] = 0
black_neighbors[:, 109] = 0
return black_neighbors
當然也可以透過遍歷來實現,這樣更容易理解點
def count_black_neighbors_by_range(gray_image):
# 將影像轉換為灰度圖
if len(gray_image.shape) == 3:
gray_image = cv2.cvtColor(gray_image, cv2.COLOR_BGR2GRAY)
# 二值化影像
_, binary_image = cv2.threshold(gray_image, 240, 255, cv2.THRESH_BINARY_INV)
binary_image = binary_image // 255
# 建立一個與輸入影像大小相同的全零陣列
black_neighbors = np.zeros_like(binary_image)
# 遍歷影像中的3x3鄰域,計算每個畫素
neighbor_offsets = [(-1, -1), (-1, 0), (-1, 1),
(0, -1), (0, 1),
(1, -1), (1, 0), (1, 1)]
# 遍歷每個畫素
rows, cols = binary_image.shape
for row in range(1, rows - 1):
for col in range(1, cols - 1):
# 當它本身不是黑色畫素點的時候,就不計算
if binary_image[row, col] != 1:
continue
count = 0
for offset in neighbor_offsets:
neighbor_row, neighbor_col = row + offset[0], col + offset[1]
if binary_image[neighbor_row, neighbor_col] == 1:
count += 1
black_neighbors[row, col] = count
return black_neighbors
black_neighbors = count_black_neighbors_by_range(white_img)
output = np.ones_like(rgb_image) * 255
output[black_neighbors > 4] = 0
正題
好了,現在可以把上面看到的內容忘掉了,因為在實際識別的時候用不到(我發現不做處理比做處理識別的準確率要高很多),直接識別準確率甚至接近百分百了。
至於為啥還寫上面的內容,主要是我花時間研究了,總要寫出來,萬一下次用到又忘了呢。還有就是湊個字數。
完整程式碼
下面是識別的完整程式碼
import os
import cv2
def get_slide_distance(bg_path, slide_path):
'''
識別滑塊具體位置,返回位置比例: 位置/圖片寬度
使用的時候再乘以實際圖片寬度即可
'''
bg_img = cv2.imread(bg_path)
sd_img = cv2.imread(slide_path)
bg_gray = cv2.cvtColor(bg_img, cv2.COLOR_BGR2GRAY)
bg_gray = cv2.GaussianBlur(bg_gray, (5, 5), 0)
bg_edge = cv2.Canny(bg_gray, 30, 100)
rgb_bg_gray = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
sd_gray = cv2.cvtColor(sd_img, cv2.COLOR_BGR2GRAY)
sd_gray = cv2.GaussianBlur(sd_gray, (5, 5), 0)
sd_edge = cv2.Canny(sd_gray, 30, 100)
rgb_sd_gray = cv2.cvtColor(sd_edge, cv2.COLOR_GRAY2RGB)
result = cv2.matchTemplate(rgb_bg_gray, rgb_sd_gray, cv2.TM_CCORR_NORMED)
_, _, _, max_loc = cv2.minMaxLoc(result)
cv2.rectangle(bg_img, (max_loc[0], max_loc[1]), (max_loc[0]+110, max_loc[1] + 110),
(0, 255, 0), 2)
result_path = os.path.join(os.path.dirname(bg_path), "result.png")
cv2.imwrite(result_path, bg_img)
return max_loc[0]/bg_gray.shape[1]
cv2.matchTemplate
核心函式就是cv2.matchTemplate
,它是用來做模版匹配的,通俗點說是在一個圖中找出另一張圖,看一下gpt的引數解釋:
不知道哪個引數更好,可以都測試一下。我看網上用的都是cv2.TM_CCORR_NORMED
,效果如下:
測試下來後面四個效果都不錯,只有cv2.TM_SQDIFF
和cv2.TM_SQDIFF_NORMED
效果很差:
``
流程圖
為了更清晰的知道這段程式碼做了什麼,可以將中間步驟處理過程都儲存下來:
cv2.cvtColor
(cv2.COLOR_BGR2GRAY
是將bgr格式的圖片轉為灰度圖):
cv2.GaussianBlur
(高斯濾波做模糊處理):
cv2.Canny
(邊緣檢測,引數可以自己調節看看,第一個是最小值,第二個是最大值,如果值給的太高保留下來的線就很少):
本文由部落格一文多發平臺 OpenWrite 釋出!