最近正在在学习数字图像处理，这个滑动验证码从本质上来说就是将两张图片按照缺口的位置拼在一起，我便想尝试使用图像处理的方法来找到这个图片的缺口位置。
模板匹配的方法应该是适用于该问题的，这是一种原始的、基本的模式识别的方法，我们可以通过匹配来确定目标图像位于模板的什么位置。
这个滑块本身就是验证码图片的一部分，通过模板匹配我们能够得到滑块在验证码图片的位置，继而可以控制滑块移动的位置，达到破解滑动验证码的效果。
这样我们一共需要两张图片，滑块的图片来作为目标图片，和有缺口的验证码图片来当作模板图片（如果有完整的无缺口图片，同样可以作为模板）。
预处理
首先我们将两图像都转为更为简单的灰度图像，而缺口图的缺口部分原本就存在像素的变化，为了使模板图片能够成功匹配，我们需要将滑块图片做一个反转变换，得到如下图片。
def pre_match(img_path,template_path,new_img_path,new_template_path):
# 滑块图
img=cv2.imread(img_path)
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img=255-img
cv2.imwrite(new_img_path, img)
img=cv2.imread(new_img_path)
# 缺口图，当作模板
template=cv2.imread(template_path)
template=cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
cv2.imwrite(new_template_path,template)
template=cv2.imread(new_template_path)
return img,template模板匹配
得到预处理完后的图片后，我们可以使用CV2库的matchTemplate来实现模板匹配，找到匹配度最高的坐标值，而这个坐标便是这个滑块应该被滑到的位置。
代码语言：javascript复制def get_match_location(img,template):
res=cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)
y,x=np.unravel_index(res.argmax(),res.shape)
return x,y我们还可以通过画矩阵框来将我们找到的匹配位置给框出来，从下图效果来看，匹配的位置基本吻合。
总结
这种模板匹配的方法在无法同时轻易获得无缺口原图和缺口图的情况下可能是有用的。按照网页呈现的图片放缩比例，我们可以准确定位滑块正确的目标位置，从而模拟拖动滑块，达到破解滑动验证码的目的。
代码语言：javascript复制——END——
