509 字
3 分钟
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%
本文同步自影刀社区 RPA 板块(文章),作者 【耐家军】DC:原文链接
效果展示
思路
- 边缘检测:对背景图和滑块图使用边缘检测算法(如Canny算法),提取出它们的轮廓。
- 轮廓匹配:与方法一类似,使用模板匹配(如cv2.matchTemplate)在背景图的边缘图中寻找滑块边缘图最匹配的位置。
py代码
所需库 OpenCV-Python、requests
# 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): """从网络下载图片""" 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}")
# 将响应内容转换为字节流,然后转换为numpy数组 image_data = np.frombuffer(response.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流程代码
📦 影刀指令文件:
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%
https://dc6.com.cn/posts/shou-cuo-xi-lie-zhi-tian-yan-cha-dan-que-kou-hua-kuai-yan-zh/