异型滑块算法解决思路

UncleMing

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

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：

[Python] 纯文本查看 复制代码

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 [round(i * 10) for i in normalized_array]

#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[i * 2 - 1])
        rear = normalize_list(np_array[i * 2 + 1])
        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)

IT大小白

Python使用dddddOCR库，识别率高

刘大富

学习一下

willgoon

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!

anidelong

学习学习

soughing

谢谢楼主分享

feiniao8

学习一下，不是很懂

Pwaerm

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

Light紫星

很牛，感谢楼主分享

跑得快有糖吃

还得是吾爱老哥,就是牛