Python-Opencv 识别滑块验证码缺口位置（二）

Python-Opencv 识别滑块验证码缺口位置

本篇主要围绕opencv中的两个部分：透明通道提取和边缘检测和轮廓提取

首先看一下我的验证码类型，此款验证码看似非常的简单，背景单一，没有太多的噪音，加上灰度滑块也比较清晰，所以直接用opencv中的边缘检测加上轮廓提取轻易就能实现，但其实，我们用cv2读取图片会发现暗藏玄机。



首先，有意思的是，我们直接用cv2读取图片后，在展示出来，是这样的

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import os

img = cv2.imread(r"1.png")
def cv_show(img): # 展示图片
    cv2.imshow("img", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
cv_show(img)

为什么展示出来是个缺口呢，其实是因为这种本身是4个通道的，也就是RGBA，这种滑块的缺口的原理就是，一副完整的RGB图像加上一小块的透明通道图像，使得图像一块区域，呈现出透明状态，就像了滑块缺口一样

那么这种情况就更好处理了，直接把透明通道取出来，利用边缘检测+轮廓提取，这样得出来的结果还会非常精准

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import os

img = cv2.imread(r"3.png",cv2.IMREAD_UNCHANGED)
def cv_show(img): # 展示图片
    cv2.imshow("img", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

BGRA = cv2.split(img)
BGRA[0][BGRA[3] != 255] = 0
BGRA[1][BGRA[3] != 255] = 0
BGRA[2][BGRA[3] != 255] = 0
result = cv2.merge([BGRA[0], BGRA[1], BGRA[2]])
v1 = cv2.Canny(BGRA[3], 20, 200)  # 边缘检测， 20和80分别为两个阈值

cv_show(v1)
counts, _ = cv2.findContours(v1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # 轮廓检测


color = (0, 255, 0)
for c in counts:
    area = cv2.contourArea(c, True)
    x, y, w, h = cv2.boundingRect(c)  # 计算x，y，宽，高
    if w < 30: continue  # 去掉太小的轮廓
    if h < 30: continue  # 去掉太小的轮廓
    print(x, y, w, h)
    # print(area)
    # if w > 55 or w < 30 or h > 55 or h < 30:
    # continue
    img = cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)  # 画出矩形框
    result = cv2.rectangle(result, (x, y), (x + w, y + h), color, 2)  # 画出矩形框

cv_show(img)
cv_show(result)

查看效果

通过运行代码可以看到，首先展示的是透明通道的边缘检测效果，效果很好，然后在展示的图片中画出该轮廓，最后，对原图稍加处理，把透明通道的区域全部填充为0，再画图轮廓，即为最后一张图的效果