验证码对抗（二）：旋转验证码——环形掩膜 + 模板匹配求角度
从零跑通：脚本自己造旋转验证码再解出来，多次随机测试误差为 0，纯 OpenCV 不训模型。
这篇讲旋转验证码怎么自动求角度——就是那种给你一个大圆环、一个内圆盘，内盘被随机转了个角度，要你转正。我写成从零跑通的教程：脚本自己画一个圆盘、自己随机转一个角度、再自己解出来，不需要任何验证码图、也不碰任何网站。不训练模型，纯 OpenCV。
先讲清楚原理
这类验证码本质是同一张图被拆成内外两部分：外圈固定不动，内盘被随机转了角度 θ，你要把内盘转回来让内外纹理接上。所以问题就一句话：求出内盘被转了多少度。
思路很朴素：我不知道 θ，那就把内盘从 0° 到 359° 每个角度都试一遍，每转一个角度就量一下"此刻内外接得有多好"，接得最好的那个角度就是答案。"接得多好"用 OpenCV 的模板匹配 cv2.matchTemplate 打分，越接近 1 越像。
一个关键处理：不比整个盘，只比内外交界那一圈环带。 因为需要"接上"的只有那条缝，中间的大片区域参与比较只会添乱。所以先做个"环形掩膜"，两张图都只留边缘一圈。
第一步：装环境
pip install opencv-python numpy
第二步：完整代码，直接复制
新建 demo_rotate.py，把下面整段贴进去。它自己画底图、造一个"被转了随机角度"的验证码、再解出来：
# demo_rotate.py 依赖：pip install opencv-python numpy
import cv2, numpy as np, random
SIZE, R, RING = 400, 200, 46
CENTER = (SIZE // 2, SIZE // 2)
# ---------- 第 0 步：自己画一张“底图”（放射状彩色扇形，纹理明显好匹配）----------
def make_base():
img = np.zeros((SIZE, SIZE, 3), np.uint8)
for a in range(0, 360, 15):
color = tuple(int(c) for c in np.random.randint(60, 256, 3))
cv2.ellipse(img, CENTER, (R, R), 0, a, a + 15, color, -1)
cv2.circle(img, CENTER, 40, (30, 30, 30), -1)
return img
# 只保留一圈环带（旋转验证码只有内外交界那圈需要对上）
def annulus(img, radius=R, ring=RING, center=CENTER):
mask = np.zeros(img.shape[:2], np.uint8)
cv2.circle(mask, center, radius, 255, -1) # 画大白圆
cv2.circle(mask, center, radius - ring, 0, -1) # 中心挖掉，剩一圈
return cv2.bitwise_and(img, img, mask=mask)
# ---------- 第 1 步：造验证码——外圈不动，内盘随机转 true_angle 度 ----------
def make_captcha(base, true_angle):
outer = base
M = cv2.getRotationMatrix2D(CENTER, -true_angle, 1)
inner = cv2.warpAffine(base, M, (SIZE, SIZE))
return outer, inner
# ---------- 第 2 步：解题——逐角度暴力搜，相似度最高的就是答案 ----------
def solve(outer, inner):
g_out = cv2.cvtColor(annulus(outer), cv2.COLOR_BGR2GRAY)
best_a, best_score = 0, -1
for a in range(360):
M = cv2.getRotationMatrix2D(CENTER, a, 1)
rot = cv2.warpAffine(inner, M, (SIZE, SIZE)) # 把内盘转 a 度
ring = cv2.cvtColor(annulus(rot), cv2.COLOR_BGR2GRAY) # 转完重新取环带
score = cv2.minMaxLoc(cv2.matchTemplate(
g_out, ring, cv2.TM_CCOEFF_NORMED))[1] # 和外圈环带比一下
if score > best_score:
best_score, best_a = score, a
return best_a
if __name__ == "__main__":
base = make_base()
true_angle = random.randint(30, 330) # 随机转一个角度
outer, inner = make_captcha(base, true_angle)
cv2.imwrite("outer.png", outer)
cv2.imwrite("inner.png", inner)
got = solve(outer, inner)
M = cv2.getRotationMatrix2D(CENTER, got, 1)
cv2.imwrite("aligned.png", cv2.warpAffine(inner, M, (SIZE, SIZE)))
print(f"随机生成的真实角度 = {true_angle}°")
print(f"程序解出的角度 = {got}°")
print(f"误差 = {abs(true_angle - got)}°")
第三步：运行，看结果
python demo_rotate.py
它每次随机转一个角度，输出类似：
随机生成的真实角度 = 221°
程序解出的角度 = 221°
误差 = 0°
多跑几次，误差基本都是 0。目录下还会生成三张图，就是下面这样——外圈不动、内盘被转了 73°（颜色和外圈错开了）、转回 73° 后内外颜色又接上了：
关键代码逐句讲
cv2.getRotationMatrix2D(CENTER, a, 1)：生成一个"绕 CENTER 逆时针转 a 度、缩放 1 倍"的矩阵，cv2.warpAffine拿它去转图。- 环形掩膜
annulus：先用cv2.circle画一个实心大白圆（最后那个-1是实心填充），再画一个实心黑圆把中间盖掉，剩下就是一圈；bitwise_and用它抠图，环带以外全黑。 - 转完要重新
annulus：图一转，落在环带里的像素就换了一批，所以每次旋转后都要重新取环带再比。 TM_CCOEFF_NORMED：归一化相关系数匹配，对整体明暗变化不敏感，最稳，验证码识别基本都用它。cv2.minMaxLoc(...)[1]取的是匹配结果里的最大相似度。- 灰度化：颜色三通道一起比容易受噪声干扰，转成单通道灰度更稳。
把每个角度的分数画出来，是一条很干净的曲线，尖峰所在的横坐标就是答案：
想更快、更准：先粗后细
上面是 1 度一步搜 360 次。要更快或要小数级精度，用先粗后细：先每 10 度粗搜一圈找到大概位置，再在峰值附近 ±10 度内 1 度细搜。匹配次数从 360 次降到几十次，精度反而更高。粗搜锁范围、细搜逼精确，是这类暴力搜索的通用提速套路。
顺带：缺口滑块
如果是"缺口滑块"（背景图有个凹槽，把滑块拖过去对上），更简单：先用 Canny 把两张图都变成边缘线稿，再用同样的 matchTemplate 找滑块在背景里的位置，返回的 x 坐标就是要滑的距离。
bg_edge = cv2.Canny(background, 100, 200)
slider_edge = cv2.Canny(slider, 100, 200)
res = cv2.matchTemplate(bg_edge, slider_edge, cv2.TM_CCOEFF_NORMED)
x = cv2.minMaxLoc(res)[3][0] # 缺口的 x 像素位置
先转边缘再匹配，是因为缺口和滑块形状一致、但颜色明暗不一致，只比形状（边缘）最稳。
算出角度/距离只是一半——你一步转到精确角度、瞬间把滑块拖到位，行为太机械照样被拦。怎么把动作做得像人手，下一篇讲拟人轨迹。
评论 0