记 - 破解滑块验证的缺口距离识别

写个最简单，准确率最高的

直接看代码：

def FindPic(target, template):
    """
    找出图像中最佳匹配位置
    :param target: 目标即背景图
    :param template: 模板即需要找到的图
    :return: 返回最佳匹配及其最差匹配和对应的坐标
    """
    target_rgb = cv2.imread(target)
    target_gray = cv2.cvtColor(target_rgb, cv2.COLOR_BGR2GRAY)
    template_rgb = cv2.imread(template, 0)
    res = cv2.matchTemplate(target_gray, template_rgb, cv2.TM_CCOEFF_NORMED)
    value = cv2.minMaxLoc(res)

1、使用cv2库，先读取背景图，然后夜视化处理（消除噪点）

2、读取模板图片，使用cv2自带图片识别找到模板在背景图中的位置

3、使用minMaxLoc提取出最佳匹配的最大值和最小值，返回一个数组形如（-0.3， 0.95， （121,54），（45， 543））元组四个元素，分别是最小匹配概率、最大匹配概率，最小匹配概率对应坐标，最大匹配概率对应坐标。

我们需要的是最大匹配概率坐标，对应的分别是x和y坐标，但是这个不一定，有些时候可能是最小匹配概率坐标，最好是根据概率的绝对值大小来比较。

滑块验证较为核心的两步，第一步是找出缺口距离，第二步是生成轨迹并滑动，较为复杂的情况下还要考虑初始模板图片在背景图中的坐标，以及模板图片透明边缘的宽度，这些都是影响轨迹的因素。