984 字
5 分钟
手搓系列之单缺口滑块,缺口图片为整张图片通过率99%---思路可拓展其他缺口背景图
本文同步自影刀社区 RPA 板块(文章),作者 【耐家军】DC:原文链接

滑块图片这种形式而不是普通的单缺口,思路把图片扣出来做比对即可
原理
手搓系列之天眼查单缺口滑块验证——思路可拓展其他单缺口滑块完全免费通过率99%
效果展示
流程展示
📦 影刀指令文件:
py代码扣缺口代码
# 使用提醒:# 1. xbot包提供软件自动化、数据表格、Excel、日志、AI等功能# 2. package包提供访问当前应用数据的功能,如获取元素、访问全局变量、获取资源文件等功能# 3. 当此模块作为流程独立运行时执行main函数# 4. 可视化流程中可以通过"调用模块"的指令使用此模块
import xbotfrom xbot import print, sleepfrom .import packagefrom .package import variables as glvfrom PIL import Image
def crop_turing_slice(original_bg_path,output_path,bg_pos_x,bg_pos_y, slice_w,slice_h, bg_size_w,bg_size_h): # 1. 打开原图(with 内完成所有操作,修复报错) with Image.open(original_bg_path) as img: orig_w, orig_h = img.size
# 2. 计算缩放比例:原图 / CSS里的背景尺寸 scale_x = orig_w / bg_size_w scale_y = orig_h / bg_size_h
# 3. 把CSS的坐标按比例换算到原图上 x1 = abs(bg_pos_x) * scale_x y1 = abs(bg_pos_y) * scale_y x2 = x1 + slice_w * scale_x y2 = y1 + slice_h * scale_y
# 4. 转成整数像素(PIL要求整数) box = (int(x1), int(y1), int(x2), int(y2))
# 5. 裁剪并保存(全部放在 with 内部,解决图片已关闭错误) cropped = img.crop(box) cropped.save(output_path)
def main(args): crop_turing_slice( original_bg_path=r"E:\11\k.png", # 你的背景图 output_path=r"E:\11\k1.png", # 输出滑块 bg_pos_x=-70.8333, bg_pos_y=-247.917, slice_w=60.7143, slice_h=60.7143, bg_size_w=345.06, bg_size_h=313.69 )获取缺口坐标代码
# 使用提醒:# 1. xbot包提供软件自动化、数据表格、Excel、日志、AI等功能# 2. package包提供访问当前应用数据的功能,如获取元素、访问全局变量、获取资源文件等功能# 3. 当此模块作为流程独立运行时执行main函数# 4. 可视化流程中可以通过"调用模块"的指令使用此模块
import xbotfrom xbot import print, sleepfrom .import packagefrom .package import variables as glvimport cv2import numpy as npimport requests
def download_image(url): """本地图片处理""" # response = requests.get(url) # if response.status_code != 200: # raise Exception(f"无法下载图片,HTTP状态码: {response.status_code}") with open(url, "rb") as f: content = f.read() # 将响应内容转换为字节流,然后转换为numpy数组 image_data = np.frombuffer(content, dtype=np.uint8) # 使用OpenCV解码图片 image = cv2.imdecode(image_data, cv2.IMREAD_COLOR) return image
def find_gap_position(bg_url, gap_url): """ 从网络下载背景图和缺口图,并计算缺口位置
参数: bg_url: 背景图的URL gap_url: 缺口图的URL
返回: 缺口位置的X坐标 """ # 下载图片 bg_image = download_image(bg_url) gap_image = download_image(gap_url)
# 转换为灰度图 bg_gray = cv2.cvtColor(bg_image, cv2.COLOR_BGR2GRAY) gap_gray = cv2.cvtColor(gap_image, cv2.COLOR_BGR2GRAY)
# 使用边缘检测 bg_edge = cv2.Canny(bg_gray, 100, 200) gap_edge = cv2.Canny(gap_gray, 100, 200)
# 模板匹配 result = cv2.matchTemplate(bg_edge, gap_edge, cv2.TM_CCOEFF_NORMED)
# 寻找最佳匹配位置 _, max_val, _, max_loc = cv2.minMaxLoc(result)
print(f"匹配度: {max_val}") gap_x = max_loc
# 可视化结果(可选,用于调试) # 在背景图上绘制矩形标记识别到的位置 # h, w = gap_edge.shape # top_left = max_loc # bottom_right = (top_left[0] + w, top_left[1] + h) # cv2.rectangle(bg_image, top_left, bottom_right, (0, 255, 0), 2)
# 显示结果 # cv2.imshow('Detected Position', bg_image) cv2.waitKey(0) cv2.destroyAllWindows()
return gap_xdef main(args): pass猜你喜欢
【验证码挑战】手搓之文字点选系列,百分百免费借助ddddcor开源库
【验证码挑战】ICP/IP地址/域名备案查询 单滑块验证专用通过率90%
手搓系列之ddddocr解决计算验证码100%免费通过率百分之90以上
手搓系列之单缺口滑块,缺口图片为整张图片通过率99%---思路可拓展其他缺口背景图
https://dc6.com.cn/posts/shou-cuo-xi-lie-zhi-dan-que-kou-hua-kuai-que-kou-tu-pian-wei/