滑块验证码之图片距离计算
1.使用工具
- vscode
- python3.8
2.安装opencv-python
python -m pip install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
查看安装的版本:
C:\Users\wenhz>pip list|findstr opencv
opencv-python 4.8.1.78
3.图片识别
3.1 准备的图片
注意:项目目录不要包含中文,图片命名的路径也不要包含中文路径,可能会出现意想不到的错误
3.2 图片识别函数
matchTemplate(原图片,要识别的图片,识别模式):
相关系数匹配函数,在一张图中寻找另一张图最相似的地方,最后返回一个相似矩阵Canny(图片矩阵,长度,高度)
:图像的边缘检测,即图像局部亮度变化显著的部分。如平滑到连续的过度。通常用于特征提取和特征,通常就是物体去除各种干扰,保留下的基本纹理特征。如下图:
-minMaxLoc(矩阵)
:用于求一个矩阵的最大值,最小值,以及对应值的索引。如:import numpy as np import cv2 a=np.array([[1,2,3,4],[5,67,8,9]]) min_val,max_val,min_indx,max_indx=cv2.minMaxLoc(a)print(min_val,max_val,min_indx,max_indx)out:1.0 67.0 (0, 0) (1, 1)
3.3 距离计算完整代码
def cal_loc(filePath_bg,filePath_qk):'''bg: 背景图片qk: 缺口图片'''# 读取背景图片和缺口图片bg_img = cv2.imread(filePath_bg) # 背景图片qk_img = cv2.imread(filePath_qk) # 缺口图片# 识别图片边缘bg_edge = cv2.Canny(bg_img, 100, 200)qk_edge = cv2.Canny(qk_img, 100, 200)# 转换图片格式bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)qk_pic = cv2.cvtColor(qk_edge, cv2.COLOR_GRAY2RGB)# 缺口匹配res = cv2.matchTemplate(bg_pic, qk_pic, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 寻找最优匹配# 返回缺口的X坐标return max_loc[0]