基于opencv识别动态验证码

基于opencv识别动态验证码

背景：

? 验证码可以分为静态验证码和动态验证码。静态验证码通常以 .png、.jpg 等静态图片格式结尾，而动态验证码一般以 .gif 格式结尾。一些更具挑战性的验证码是基于动态验证码的。

? 静态验证码是一张固定的图片，其中包含了随机生成的文本或图形等信息。用户需要正确识别并输入验证码中的内容以完成验证。

? 动态验证码则是一系列连续变化的图像，以 .gif 格式展示。这些图像通常包含有旋转、闪烁、变形等特效，使其更具难度。用户需要观察并输入动态验证码中的正确信息。

? 动态验证码相对于静态验证码更具安全性，因为它们更难以被自动化程序或机器识别。这种类型的验证码对于防止恶意登录、爬虫等攻击起到了更好的保护作用。

实现思路：

? 假如我的本地有一张.gif的动态验证码，动态验证码其实是将多张静态验证码拼起来形成的一张动态效果图，那么如何去识别呢？

步骤：

1. ? 首先我们对这一张动态图片进行抽取帧。
2. ? 然后将多张图片基于opencv融合到一张图片上。
3. ? 再利于OCR或者ddddocr进行识别即可。

代码：

from PIL import Image
import numpy as np
import cv2
import ddddocr

# 将gif专户为图片
gif_path = r'D:\Downloads\gif_img.gif'
img = Image.open(gif_path)
shapes = []
# 因为gif动图是由4张图片合成的 可以多抽取几张 
for i in range(0, 4):
    img.seek(i)
    img.save(r'./img/{}.png'.format(i)) # 抽取每一帧
    img_arr=np.array(img)
    shapes.append(img_arr)
shapes[0] = np.expand_dims(shapes[0],axis = 2)
img_shape = shapes[0] + shapes[1]+shapes[2]+shapes[3]
print(img_shape)
cv2.imwrite('./img/result.png',img_shape) # 生成合成图

我们看一下每一帧图片：

我们在看一下合成图：

成功！

总结：

希望这个总结对你有帮助！如果还有其他问题，请随时提问。