杨豪
d15b3c5b43
- src/: 最终交付物（solve.py base64 API、method_l_shape.py 核心算法、verify_result.py 验证工具） - docs/: 方案文档与实验演进记录 - try/: 历史实验脚本（A~K 方法） - 10/10 样本求解成功，3 个独立真值锚点偏差 <=4px
1.6 KiB
1.6 KiB
拖动重叠验证码自动化方案调研
任务目标
针对「拖动重叠」类网页验证码：给定验证码大图与 mark 小图，通过图像处理在大图中定位 mark 应当拖动重叠的目标区域，求出该区域的偏移像素（即拖动偏移量）。
需要对比多种可行的图像处理方案，找出该场景下求偏移最准确、最稳定的方法。
实现约束
- 实现语言：Python
- 离线识别：不依赖在线服务或网络请求，所有识别过程在本地完成
- 实验隔离：
captchas/目录只读，不要在其中写入任何产物；功能尝试与验证统一在try/目录下进行 - 最终产物：经验证的最终交付物（求解 API、核心算法、验证工具及其输出）统一放在
src/目录；try/仅保留实验性脚本与中间产物 - 知识沉淀：方案结论、实验演进与验证方法沉淀在
docs/（solution.md / experiments.md / README.md）
数据说明
样本位于 captchas/ 目录，成对出现，文件名前缀相同：
- 背景大图：
xxxx.jpeg（552×344） - mark 小图：
xxxx-mark.png（110×110，PNG 格式）
核心难点
大图中存在至少 2 个与 mark 图相似的区域——它们是 mark 经过缩放、旋转等变换生成的干扰项，把 mark 拖到这些位置无法正确重叠；只有与 mark 完全一致（无缩放、无旋转差异）的区域才是目标。
因此，简单的单尺度模板匹配容易被相似干扰项误导。如何在干扰项存在的前提下稳定、准确地定位目标区域偏移，是本次调研要解决的核心问题。