异型滑块算法解决思路
本帖最后由 UncleMing 于 2024-1-17 17:30 编辑网站： aHR0cHM6Ly9jcmVkaXQuYWNsYS5vcmcuY24vY3JlZGl0L2xhd0Zpcm0/cmVmZXJfXzE3MTE9bjRBeFJEeURnRzBRaVFORHNEN21OZVBXVFR4ajJpTW9oYkQmYWxpY2hsZ3JlZj1odHRwcyUzQSUyRiUyRmNyZWRpdC5hY2xhLm9yZy5jbiUyRg==
该网站存在无限debugger和ob混淆，不过逆向难度不高
简单分享思路，不涉及逆向部分，这种解决方法也未必是最好的解决方法，有大佬有更好的算法解决方法望多多交流{:1_887:}
该网站存在有两种滑块，一种为标准滑块：
另一种为异型滑块：
第二种可以通过训练模型实现，也可以通过纯算法实现
思路为：
图像转灰度，横向切割后的图片转置出来然后做了下缩放，到0-9，然后余弦相似度做了图片像素间连续性判断
不过算法实现有个缺点就是碰到颜色相近的图片会导致结果错误，总体准确度在70%
代码实现：
import math
import numpy as np
from PIL import Image
#余弦相似度计算
def cosine_similarity(vector1, vector2):
dot_product = sum(x * y for x, y in zip(vector1, vector2))
magnitude1 = math.sqrt(sum(x ** 2 for x in vector1))
magnitude2 = math.sqrt(sum(x ** 2 for x in vector2))
similarity = dot_product / (magnitude1 * magnitude2)
return similarity
#缩放
def normalize_list(np_array):
min_value = np.min(np_array)
max_value = np.max(np_array)
normalized_array = (np_array - min_value) / (max_value - min_value)
return
#主要方法
def convert_to_black_and_white(input_path, split, output_path='out.jpg'):
image = Image.open(input_path)
grayscale_image = image.convert("L")
max_score = 1
max_index = 0
np_array = np.asarray(grayscale_image)[:360 - split - 10]
np_array = np.transpose(np_array)
for i in range(1, round(len(np_array) / 2)):
forward = normalize_list(np_array)
rear = normalize_list(np_array)
similarity_score = cosine_similarity(forward, rear)
if similarity_score < max_score and 50 < i * 2 < 550:
max_score = similarity_score
max_index = i * 2
print(max_index, max_score)
grayscale_image.save(output_path)
#参数为图片路径，切割的y轴像素
#从响应中提取
convert_to_black_and_white("./img/269.jpeg", 269)
Python使用dddddOCR库，识别率高 学习一下 IT大小白 发表于 2024-1-18 19:47
Python使用dddddOCR库，识别率高
的确，之前在内网环境使用过这个库，很nice! 学习学习 谢谢楼主分享 学习一下，不是很懂 第二种用第一种接口也可以识别
左上角截取一块和原图对比 很牛，感谢楼主分享 还得是吾爱老哥,就是牛
页:
[1]
2