首先看一下目標(biāo)的驗證形態(tài)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(jī)破解的確是很有效果，但是，But，這里面已經(jīng)會有一些破綻，比如：

（以上是原圖和二值化之后的結(jié)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，但是正常圖像是不會有這種這么明顯的突變現(xiàn)象。

初識潘多拉

后來，我去翻閱了機(jī)器視覺的相關(guān)文章和論文，發(fā)現(xiàn)了一個牛逼的算法，這個算法就是——Genetic Algorithm遺傳算法，最貼心的的是，作者利用這個算法實現(xiàn)了一個功能，“拼圖自動還原”（不是像什么A*算法尋找最優(yōu)路線解那種哈，就是單純的拼圖）項目倉庫地址 首先來介紹下如何使用跑起來這個項目吧，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 文檔中這一步執(zhí)行是會報錯的

pip3 install -r requirements.txt

解決方案：單獨對requirements.txt文件下的每個包單獨下載，然后根據(jù)當(dāng)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(zhí)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(zhí)行下面代碼

pip3 install -e .

進(jìn)入潘多拉

然后我們按照官網(wǎng)的提示來執(zhí)行，先創(chuàng)建一個拼圖出來，命令是這樣的（這里的文件名我改了）

create_puzzle images/starry.jpg --size=60 --destination=puzzle.jpg

會發(fā)現(xiàn)，好像不行，因為我們沒有在正確的位置上執(zhí)行，他的腳本位置是在bin文件夾下面，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

對于參數(shù)的解釋官網(wǎng)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?。?/p>

--generations Number of generations for genetic algorithm （遺傳算法的代數(shù)）

--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(jié)果另存為圖像）

先按照官方的走一遍

很好，很舒服，繼續(xù)報錯，而且語法拼寫上我們也沒有拼寫錯，沒關(guān)系！我已經(jīng)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(shù)和人口數(shù)

python gaps --image=puzzle.jpg --size=60 --save

這是完全還原的結(jié)果，至此，我們披荊斬棘從解決項目報錯，一路挖坑填坑到demo成功運行，到這里我們已經(jīng)成功了60%，接下來就是如何利用這個項目，去破解網(wǎng)易易盾的推理拼圖驗證。

探究潘多拉的秘密

首先看一下項目目錄：

gaps文件夾下面是所有模塊的源碼，作者對各個基礎(chǔ)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源碼，然后二開實現(xiàn)自己想要的功能。

我們主要關(guān)注這個文件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(yōu)解”

輸出這個映射，結(jié)果是這樣的，正好是我們想要的東西

下面會有一個創(chuàng)建圖像的方法，這是最后得到最優(yōu)解圖像拼接函數(shù)

那么，我們將最后的索引映射取到就OK了！

以下為最優(yōu)解的映射值輸出實例：

初始化的時候，新增一個變量用來存儲最后的結(jié)果

self.pieceMapping = None

自定義一個函數(shù)

# 返回映射值
def getPieceMapping(self):
        return self.pieceMapping

每次執(zhí)行的時候，將最優(yōu)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(jié)果輸出了

調(diào)用：

key為最后的結(jié)果標(biāo)志，value為原始標(biāo)志。

PS：對于極度復(fù)雜的原始圖片創(chuàng)建的拼圖，在還原之后，誤差會挺大的。

到此這篇關(guān)于詳解Python結(jié)合Genetic Algorithm算法破解網(wǎng)易易盾拼圖驗證的文章就介紹到這了,更多相關(guān)Python Genetic Algorithm內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論