智识之眼：不看题目就能知道答案的空间推理验证码

前言

数美推理验证码还能这么玩，看了很多题目都是选最小的××颜色××物体

这答案选啥？写到脸上了

处理思路

法一：

直接用目标检测，然后求面积最小最小值。

法二：

我们发现背景的物体大多都是彩色的，离不开红橙黄绿蓝靛紫，那么我们我直接定义一个HSV 色彩空间，将背景中的这些彩色物体给他干出来就行了。

• 定义彩色空间(注：opencv的HSV与普通的HSV不同，需要换算得到)：

color_limits = [
    (np.array([0, 100, 100]), np.array([10, 255, 255])),
    (np.array([160, 100, 100]), np.array([180, 255, 255])),
    (np.array([11, 100, 100]), np.array([25, 255, 255])),
    (np.array([26, 100, 100]), np.array([35, 255, 255])),
    (np.array([36, 100, 100]), np.array([85, 255, 255])),
    (np.array([86, 100, 100]), np.array([100, 255, 255])),
    (np.array([101, 100, 100]), np.array([130, 255, 255])),
    (np.array([131, 100, 100]), np.array([160, 255, 255]))
]

• 整张和原图一模一样的空白掩码，然后将符合HSV的给他干上

  mask_total = np.zeros(hsv_img.shape[:2], dtype=np.uint8)
  for low, high in color_limits:
      mask_total = mask_total | cv2.inRange(hsv_img, low, high)
  

• cv2提轮廓

 kernel = np.ones((5, 5), np.uint8)
 clean_mask = cv2.morphologyEx(mask_total, cv2.MORPH_OPEN, kernel)
 
 contours_found, _ = cv2.findContours(clean_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
 out_img = img.copy()
 
 sm_area = None
 ct = None
 smallest_center = None
 
 for iii, cnt in enumerate(contours_found):
     a = cv2.contourArea(cnt)
     if a < 100:
         continue
 
     if sm_area is None or a < sm_area:
         sm_area = a
         ct = cnt
         M = cv2.moments(cnt)
         if M["m00"] != 0:
             smallest_center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))
         else:
             smallest_center = None
 
     cv2.drawContours(out_img, [cnt], -1, (0, 0, 255), 2)
     M = cv2.moments(cnt)
     if M["m00"] != 0:
         cx = int(M["m10"] / M["m00"])
         cy = int(M["m01"] / M["m00"])
         cv2.putText(out_img, str(iii + 1), (cx - 10, cy), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 0), 2)
 
 if ct is not None:
     cv2.drawContours(out_img, [ct], -1, (0, 255, 0), 3)
     if smallest_center:
         cv2.putText(out_img, "MIN", (smallest_center[0] - 20, smallest_center[1] - 10),
                     cv2.FONT_HERSHEY_SIMPLEX, 0.8, (100, 100, 0), 2)
     print(f"最小面积是: {sm_area:.2f} 像素")
     print(f"最小面积的中心点: {smallest_center}")
 else:
     print("erro")

结果

付费的训练框架，包括但不限于验证码，轨迹，预测。