首先看一下目標的驗證形態是什么樣子的
是一種通過驗證推理的驗證方式，用來防人機破解的確是很有效果，但是，But，這里面已經會有一些破綻，比如：
干貨主要有：
① 200 多本 Python 電子書（和經典的書籍）應該有
② Python標準庫資料（最全中文版）
③ 專案原始碼（四五十個有趣且可靠的練手專案及原始碼）
④ Python基礎入門、爬蟲、網路開發、大資料分析方面的視頻（適合小白學習）
⑤ Python學習路線圖（告別不入流的學習）
Python學習交流Q群101677771
（以上是原圖和二值化之后的結果）
（這是正常圖片）
像劃紅線的這些地方，可以看到有明顯的突變，并且二值化之后邊緣趨于直線，但是正常影像是不會有這種這么明顯的突變現象，
初識潘多拉
后來，我去翻閱了機器視覺的相關文章和論文，發現了一個牛逼的演算法，這個演算法就是——Genetic Algorithm遺傳演算法，最貼心的的是，作者利用這個演算法實作了一個功能，“拼圖自動還原”（不是像什么A*演算法尋找最優路線解那種哈，就是單純的拼圖）專案倉庫地址
首先來介紹下如何使用跑起來這個專案吧，坑是真的很多，接下來感受一下pyCham的一路報錯！
這里我用的是python3.10的版本，目前是最新的版本
檔案中這一步執行是會報錯的
pip3 install -r requirements.txt
解決方案：單獨對requirements.txt檔案下的每個包單獨下載，然后根據當前下載的包的最新版本替換舊版本號，
我目前每個包最新使用的是這些版本號
全部替換完了之后，再執行一次下面的代碼，他就不會報錯了
pip3 install -r requirements.txt然后下一步，執行下面代碼
pip3 install -e .
進入潘多拉
然后我們按照官網的提示來執行，先創建一個拼圖出來，命令是這樣的（這里的檔案名我改了）
create_puzzle images/starry.jpg --size=60 --destination=puzzle.jpg
會發現，好像不行，因為我們沒有在正確的位置上執行，他的腳本位置是在bin檔案夾下面，你可能會遇到如下問題
成功之后的話，會在bin目錄下生成一個拼圖圖片
以上是介紹如何生成圖片，接下來是重頭戲，如何還原圖片
gaps --image=puzzle.jpg --generations=20 --population=600對于引數的解釋官網是這樣的：
Option
: --image Path to puzzle（需要被還原的圖片）
--size Puzzle piece size in pixels （拼圖的大小）
--generations Number of generations for genetic algorithm （遺傳演算法的代數）
--population Number of individuals in population
--verbose Show best solution after each generation （顯示每一代后的最佳解決方案）
--save Save puzzle solution as image （拼圖結果另存為影像）
先按照官方的走一遍
很好，很舒服，繼續報錯，而且語法拼寫上我們也沒有拼寫錯，沒關系！我已經幫你找到解決方案了，
python gaps --image=puzzle.jpg --generations=20 --population=600 --size=60 --save或者你不指定遺傳代數和人口數
python gaps --image=puzzle.jpg --size=60 --save
這是完全還原的結果，至此，我們披荊斬棘從解決專案報錯，一路挖坑填坑到demo成功運行，到這里我們已經成功了60%，接下來就是如何利用這個專案，去破解網易易盾的推理拼圖驗證，
探究潘多拉的秘密
首先看一下專案目錄：
gaps檔案夾下面是所有模塊的原始碼，作者對各個基礎功能做了封裝，但是我們想要的功能并不存在，就需要自行閱讀和理解原始碼，然后二開實作自己想要的功能，
我們主要關注這個檔案individual.py：
我來用大白話給你翻譯一下吧，“在所有排列中，幫你找出最優解”
輸出這個映射，結果是這樣的，正好是我們想要的東西
下面會有一個創建影像的方法，這是最后得到最優解影像拼接函式
那么，我們將最后的索引映射取到就OK了！
以下為最優解的映射值輸出實體：
初始化的時候，新增一個變數用來存盤最后的結果
self.pieceMapping = None自定義一個函式
# 回傳映射值
def getPieceMapping(self):
return self.pieceMapping每次執行的時候，將最優解傳遞出去
def to_image(self):
"""Converts individual to showable image"""
pieces = [piece.image for piece in self.pieces]
self.pieceMapping = self._piece_mapping
return image_helpers.assemble_image(pieces, self.rows, self.columns)|
以上，就把我們想要的結果輸出了 呼叫：
PS：對于極度復雜的原始圖片創建的拼圖，在還原之后，誤差會挺大的，
|
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/424901.html
標籤：其他