前言
滑块拼图验证码的失败难度在于每次图片上缺口位置不一样，需识别图片上拼图的缺口位置，使用python的OpenCV库来识别到
环境准备
pip 安装 opencv-python
pip installl opencv-python
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了很多处理图片、视频的方法。 OpenCV库提供了一个方法（matchTemplate()）：从一张较大的图片中搜索一张较小图片，计算出这张大图上各个区域和小图相似度。 调用这个方法后返回一个二维数组（numpy库中ndarray对象），从中就能拿到最佳匹配区域的坐标。 这种使用场景就是滑块验证码上背景图片是大图，滑块是小图。
准备2张图片
场景示例
先抠出2张图片，分别为background.png 和 target.png
计算缺口位置
代码语言：javascript复制import cv2
# 作者-上海悠悠 QQ交流群:717225969
# blog地址 https://www.cnblogs.com/yoyoketang/
def show(name):
'''展示圈出来的位置'''
cv2.imshow('Show', name)
cv2.waitKey(0)
cv2.destroyAllWindows()
def _tran_canny(image):
"""消除噪声"""
image = cv2.GaussianBlur(image, (3, 3), 0)
return cv2.Canny(image, 50, 150)
def detect_displacement(img_slider_path, image_background_path):
"""detect displacement"""
# # 参数0是灰度模式
image = cv2.imread(img_slider_path, 0)
template = cv2.imread(image_background_path, 0)
# 寻找最佳匹配
res = cv2.matchTemplate(_tran_canny(image), _tran_canny(template), cv2.TM_CCOEFF_NORMED)
# 最小值，最大值，并得到最小值, 最大值的索引
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
top_left = max_loc[0] # 横坐标
# 展示圈出来的区域
x, y = max_loc # 获取x,y位置坐标
w, h = image.shape[::-1] # 宽高
cv2.rectangle(template, (x, y), (x w, y h), (7, 249, 151), 2)
show(template)
return top_left
if __name__ == '__main__':
top_left = detect_displacement("target.png", "background.png")
print(top_left)运行效果看到黑色圈出来的地方就说明找到了缺口位置
调试完成后去掉 show 的这部分代码
代码语言：javascript复制 # 展示圈出来的区域
# x, y = max_loc # 获取x,y位置坐标
# w, h = image.shape[::-1] # 宽高
# cv2.rectangle(template, (x, y), (x w, y h), (7, 249, 151), 2)
# show(template)缺口的位置只需得到横坐标，距离左侧的位置top_left为184
参考博客： https://zhuanlan.zhihu.com/p/65309386 https://blog.csdn.net/weixin_42081389/article/details/87935735 https://blog.csdn.net/qq_30815237/article/details/86812716
