极验第四代滑块验证码破解（二）：滑块缺口识别 |
您所在的位置：网站首页 › autojs滑块验证 › 极验第四代滑块验证码破解（二）：滑块缺口识别 |
极验第四代滑块验证码破解（二）：滑块缺口识别
|
极验第四代滑块验证码破解（二）：滑块缺口识别
声明一、环境安装1. 第三方库安装
二、滑块缺口识别1. 与极验三代滑块对比2. 缺口识别完整代码
三、结语*本期文章结束啦，如果对您有帮助，记得收藏加关注哦，后期文章会持续更新 ~~~*
声明
原创文章，请勿转载！ 本文内容仅限于安全研究，不公开具体源码。维护网络安全，人人有责。 本文关联文章超链接： 极验第四代滑块验证码破解（一）：AST还原混淆JS极验第四代滑块验证码破解（二）：滑块缺口识别极验第四代滑块验证码破解（三）：滑块轨迹构造极验第四代滑块验证码破解（四）：请求分析及加密参数破解 一、环境安装 1. 第三方库安装 pip install Pillow pip install numpy pip install opencv-python 二、滑块缺口识别 1. 与极验三代滑块对比 极验四代有更多的缺口形状极验四验证码图片不需要还原，难度变小
经过测试，极验3的缺口识别代码适用极验4缺口识别，所有我就不做过都的讲解了。 极验3缺口识别链接：极验滑块验证码破解与研究（三）：滑块缺口识别 下面的代码是基于极验3的缺口识别代码，做了一点优化，增加了cv2.pyrMeanShiftFiltering(金字塔均值漂移)做预处理 # -*- coding: utf-8 -*- from pathlib import Path import PIL import cv2 import numpy as np def imshow(img, winname='test', delay=0): """cv2展示图片""" cv2.imshow(winname, img) cv2.waitKey(delay) cv2.destroyAllWindows() def pil_to_cv2(img): """ pil转cv2图片 :param img: pil图像, :return: cv2图像, """ img = cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) return img def bytes_to_cv2(img): """ 二进制图片转cv2 :param img: 二进制图片数据, :return: cv2图像, """ # 将图片字节码bytes, 转换成一维的numpy数组到缓存中 img_buffer_np = np.frombuffer(img, dtype=np.uint8) # 从指定的内存缓存中读取一维numpy数据, 并把数据转换(解码)成图像矩阵格式 img_np = cv2.imdecode(img_buffer_np, 1) return img_np def cv2_open(img, flag=None): """ 统一输出图片格式为cv2图像, :param img: :param flag: 颜色空间转换类型, default: None eg: cv2.COLOR_BGR2GRAY（灰度图） :return: cv2图像, """ if isinstance(img, bytes): img = bytes_to_cv2(img) elif isinstance(img, (str, Path)): img = cv2.imread(str(img)) elif isinstance(img, np.ndarray): img = img elif isinstance(img, PIL.Image): img = pil_to_cv2(img) else: raise ValueError(f'输入的图片类型无法解析: {type(img)}') if flag is not None: img = cv2.cvtColor(img, flag) return img def get_distance(bg, tp, im_show=False, save_path=None): """ :param bg: 背景图路径或Path对象或图片二进制 eg: 'assets/bg.jpg' Path('assets/bg.jpg') :param tp: 缺口图路径或Path对象或图片二进制 eg: 'assets/tp.jpg' Path('assets/tp.jpg') :param im_show: 是否显示结果, ; default: False :param save_path: 保存路径, ; default: None :return: 缺口位置 """ # 读取图片 bg_img = cv2_open(bg) tp_gray = cv2_open(tp, flag=cv2.COLOR_BGR2GRAY) # 金字塔均值漂移 bg_shift = cv2.pyrMeanShiftFiltering(bg_img, 5, 50) # 边缘检测 tp_gray = cv2.Canny(tp_gray, 255, 255) bg_gray = cv2.Canny(bg_shift, 255, 255) # 目标匹配 result = cv2.matchTemplate(bg_gray, tp_gray, cv2.TM_CCOEFF_NORMED) # 解析匹配结果 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) distance = max_loc[0] if save_path or im_show: # 需要绘制的方框高度和宽度 tp_height, tp_width = tp_gray.shape[:2] # 矩形左上角点位置 x, y = max_loc # 矩形右下角点位置 _x, _y = x + tp_width, y + tp_height # 绘制矩形 bg_img = cv2_open(bg) cv2.rectangle(bg_img, (x, y), (_x, _y), (0, 0, 255), 2) # 保存缺口识别结果到背景图 if save_path: save_path = Path(save_path).resolve() save_path = save_path.parent / f"{save_path.stem}.{distance}{save_path.suffix}" save_path = save_path.__str__() cv2.imwrite(save_path, bg_img) # 显示缺口识别结果 if im_show: imshow(bg_img) return distance if __name__ == '__main__': d = get_distance( bg='assets/bg.png', tp='assets/slice.png', im_show=True, save_path='assets/bg.png' ) print(d) 三、结语友情链接：极验第四代滑块验证码破解（三）：滑块轨迹构造 本期文章结束啦，如果对您有帮助，记得收藏加关注哦，后期文章会持续更新 ~~~
|
【本文地址】
今日新闻 |
推荐新闻 |