核心逻辑是:
1. 获取两张图片,一张左侧的验证码图片,一张完整的图片
2. 比对两张图片,获取到验证码图片与完整图片重合区域在 X 轴上需要移动的举例
3. 通过 selenium 缓慢移动验证码图片到重合区域,完成登录
在网上找到一个类似的需求和实现方案,跟着写了下代码 https://blog.csdn.net/weixin_53300120/article/details/138068169
写了两个实现的方式:
[ol]
采用 ddddocr:
with open('left.png', 'rb') as f:
target_bytes = f.read()
with open('full.png', 'rb') as f:
background_bytes = f.read()
ocr = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
res = ocr.slide_match(target_bytes, background_bytes, simple_target=True)
print(res, res['target'][0])
采用 cv2:
# 加载图片 A 和 B
image_a = cv2.imread('left.png', cv2.IMREAD_GRAYSCALE)
image_b = cv2.imread('full.png', cv2.IMREAD_GRAYSCALE)
# 使用模板匹配方法( Template Matching )寻找图片 A 在 B 中的位置
result = cv2.matchTemplate(image_b, image_a, cv2.TM_CCOEFF_NORMED)
# 获取最大匹配值及其位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
# 如果 TM_CCOEFF_NORMED 方法使用,可以通过以下方式找到匹配位置的左上角坐标
top_left = max_loc
# 获取图片 A 的宽度和高度
height, width = image_a.shape
print(height, ':', width)
height2, width2 = image_b.shape
print(height2, ':', width2)
# 获取最左侧的 x 坐标(左上角)
leftmost_x = max_loc[0]
print('leftmost_x:', leftmost_x)
[/ol]
现在的问题是,这两种方法的准确度都不高,而且我也不了解他们内部的实现方式,不知道如何提高识别的准确度。 现在用了一个比较笨的方法,死循环,重复 10 次以内大概率是可以成功一次。
想请教大家,这种场景有没有啥好的办法可以提高识别的准确度,或者有没有相关的开源库可以直接用?
感谢!