验证码对抗（一）：文字点选——乱序图还原与坐标定位
从零跑通：脚本自己画图、打乱、还原，复制粘贴就能运行看到结果，再讲 ddddocr 定位与排序。
这篇讲文字点选验证码里最关键的一步——乱序图还原。我把它写成从零开始、复制粘贴就能跑的教程，不需要任何验证码图、也不碰任何网站：脚本自己画一张图、自己打乱、再自己还原给你看。跟着做一遍，你就彻底懂了。
真实的点选验证码长这样，蓝底一根羽毛，上面散着几个彩色的字，要你按提示顺序去点：
很多站点为了防止你直接把图喂给识别模型，会先把整张图切成网格、把小块打乱了再发给你（浏览器前端再用一份"打乱规则"拼回去给你看）。所以自动识别的第一步，就是拿到规则、把图还原成正常的。这篇就把这一步讲到你能自己跑通。
第一步：装环境
先确认装了 Python 3（命令行输入 python --version 能看到版本号就行）。然后装两个库：
pip install pillow numpy
pillow 是处理图片的，numpy 是做数组运算的。就这两个。
第二步：完整代码，直接复制
新建一个文件 demo_shuffle.py，把下面整段贴进去。这段代码干三件事：自己画一张 5×2 的编号彩格图当素材、按一个 pos 规则把它打乱、再还原回来。
# demo_shuffle.py 依赖：pip install pillow numpy
import numpy as np
from PIL import Image, ImageDraw
# ---------- 第 0 步：自己画一张测试图（10 个编号格子，方便肉眼看还原对没）----------
def make_demo_image(path="demo.png", w=500, h=200):
img = Image.new("RGB", (w, h), "white")
d = ImageDraw.Draw(img)
colors = ["#e57373","#f06292","#ba68c8","#7986cb","#4fc3f7",
"#4db6ac","#aed581","#ffd54f","#ff8a65","#90a4ae"]
pw, ph = w // 5, h // 2
for i in range(10): # 从左到右、从上到下，编号 0~9
r, c = i // 5, i % 5
d.rectangle([c*pw, r*ph, (c+1)*pw, (r+1)*ph], fill=colors[i])
d.text((c*pw + pw//2 - 8, r*ph + ph//2 - 8), str(i), fill="black")
img.save(path)
return img
# ---------- 第 1 步：按 pos 把图打乱（模拟服务端发下来的乱序图）----------
def shuffle_image(img, x_pieces, y_pieces, pos):
arr = np.array(img); h, w = arr.shape[:2]
pw, ph = w // x_pieces, h // y_pieces
out = np.zeros_like(arr)
for i in range(x_pieces * y_pieces):
cur = int(pos[i])
cr, cc = cur // x_pieces, cur % x_pieces
tr, tc = i // x_pieces, i % x_pieces
out[cr*ph:(cr+1)*ph, cc*pw:(cc+1)*pw] = arr[tr*ph:(tr+1)*ph, tc*pw:(tc+1)*pw]
return Image.fromarray(out)
# ---------- 第 2 步：还原（这就是要掌握的核心）----------
def reverse_shuffle_image(img, x_pieces, y_pieces, pos):
arr = np.array(img); h, w = arr.shape[:2]
pw, ph = w // x_pieces, h // y_pieces
out = np.zeros_like(arr)
for i in range(x_pieces * y_pieces):
cur = int(pos[i]) # 还原图第 i 格，内容来自乱序图第 pos[i] 格
cr, cc = cur // x_pieces, cur % x_pieces # 它此刻在乱序图的行、列
tr, tc = i // x_pieces, i % x_pieces # 它该回到的行、列
out[tr*ph:(tr+1)*ph, tc*pw:(tc+1)*pw] = arr[cr*ph:(cr+1)*ph, cc*pw:(cc+1)*pw]
return Image.fromarray(out)
if __name__ == "__main__":
X, Y = 5, 2 # 切成 5 列 2 行，共 10 块
POS = [8, 0, 1, 4, 9, 5, 7, 6, 2, 3] # 打乱规则
original = make_demo_image()
shuffled = shuffle_image(original, X, Y, POS); shuffled.save("shuffled.png")
restored = reverse_shuffle_image(shuffled, X, Y, POS); restored.save("restored.png")
same = np.array_equal(np.array(original), np.array(restored))
print("已生成 demo.png / shuffled.png / restored.png")
print("还原结果和原图是否完全一致：", same)
第三步：运行，看结果
命令行里运行：
python demo_shuffle.py
你会看到这样的输出：
已生成 demo.png / shuffled.png / restored.png
还原结果和原图是否完全一致： True
同时目录下多出三张图，打开对比就是下面这样——中间是打乱的（编号乱了），右边是还原的（编号又变回 0~9，和左边一模一样）：
最后打印 True，说明还原和原图逐像素一致。到这里，还原这件事你已经跑通了。
核心原理：pos 到底是什么意思
pos 是长度为 x*y 的数组，把格子从左到右、从上到下编号 0~9。pos[i] 的含义是：还原图里第 i 格，它的内容此刻在乱序图的第 pos[i] 格里。
比如 pos[0] = 8，就是"还原图左上角第 0 格，内容现在在乱序图第 8 格"。所以还原就是循环每一格：算出它现在在哪（cur → 行 cr 列 cc）、算出它该去哪（i → 行 tr 列 tc）、把这块像素从"现在"搬到"该去"。行列换算是最常见的一维转二维：编号除以列数得行号，对列数取余得列号。
代码里 shuffle_image（打乱）和 reverse_shuffle_image（还原）几乎一样，只有搬运方向反过来——这也是最容易搞错的地方：如果你还原出来还是乱的，多半是方向反了，把这两个函数里赋值号两边对调一下再试。
真实场景怎么用
真实站点里，你不用自己造 pos，它随验证码接口一起下发，长这样：
shuffle_rule = {'shuffle': {'x': 5.0, 'y': 2.0,
'pos': [8.0, 0.0, 1.0, 4.0, 9.0, 5.0, 7.0, 6.0, 2.0, 3.0]}}
你把接口返回的这份规则里的 x、y、pos 取出来，喂给上面的 reverse_shuffle_image，就能把下载到的乱序图还原成正常图。
还原之后：认出字在哪、按什么顺序点
图正了，还要知道"每个字的中心坐标"。用现成的 ddddocr 最省事，它自带验证码目标检测模型。先装：
pip install ddddocr
然后这段能直接跑（对任意一张带内容的图片都能框出目标）：
import ddddocr
det = ddddocr.DdddOcr(det=True) # det=True 是目标检测模式
with open("restored.png", "rb") as f:
boxes = det.detection(f.read()) # 返回每个目标的方框 [x1,y1,x2,y2]
for x1, y1, x2, y2 in boxes:
cx, cy = (x1 + x2) // 2, (y1 + y2) // 2 # 方框中心 = 点击坐标
print("一个待点目标的中心:", cx, cy)
det.detection 返回每个目标的外接矩形，取中心就是要点的坐标。
最后是排序。点选一般会给一张"顺序提示条"，从左到右就是要点的先后：
用普通识别模式把提示条里的字读出来，再拿这个顺序去匹配大图上检测到的字，按提示顺序输出坐标：
ocr = ddddocr.DdddOcr() # 普通识别模式
text = ocr.classification(open("hint.png", "rb").read())
print("要按这个顺序点:", text) # 例如 "宁正江疆"
到这里，"还原乱序图 → 检测每个字坐标 → 按提示排序"这条链路就完整了。拿到坐标之后，怎么把点击做得像人手（而不是瞬间精准命中被拦），是下一篇轨迹的事。
评论 0