spiderdemo中等T19题解思路

最新推荐文章于 2025-11-26 15:40:52 发布

原创最新推荐文章于 2025-11-26 15:40:52 发布 · 204 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #python #计算机视觉

1.简单记录一下一些学习过程

来源：Pvs8foVDSBSacNHuz3BEUYu4SsFTqg2re8KACfeVgpc=
目的： 考虑经常性的忘记一些学习资料和文件，故在网络上记录一下。
本文仅限个人学习使用。

2.T19

（1）结果

在这里插入图片描述

3.分析：

debugger 直接过掉 (永不停留或者hook)；
步骤：
###（1）请求图片:
直接请求即可

# 这几个参数都有用
order = response['order']
base64_img = response['bg']
captchaId = response['captchaId']
offset = response['offset']

（2）图片还原
得到的图片是经过选择后的。如何找到js 中图片还原的部分呢。
在调试的时候可以通过勾选画布，刷新，一般都会断住。在这里插入图片描述
大概在这个位置，进行一些全局赋值，然后重点观察一下：

let _0x289978 = await window['aaaa'](_0x2707e4['bg'], _0x2707e4['order'])

传入了编码后的背景图片，和返回的order。
在这里插入图片描述
然后鼠标悬停进入restore 中的 aaaa函数中，可以进行解混淆处理，方便查看。

在这里插入图片描述
在这个aaa 函数中，先通过_0x5c0d1c 函数计算md5 与输入的order 匹配的时候就输出对应的一个数组。
返回的数组分割图片进行重新组合即可。
（3）计算距离：
这里通过观察，每次都已同一个图片和背景。因此可以通过边缘检测，轮廓图来计算移动距离。

def get_distince():
    # 读取图像
    image = cv2.imread('img.jpg')
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # Canny边缘检测
    edges = cv2.Canny(gray, 50, 150)
    # 寻找轮廓（用于确定人物区域）
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    person_x = 100
    # 假设最大的轮廓是人物（实际需根据图像情况调整）
    if contours:
        largest_contour = max(contours, key=cv2.contourArea)
        x, y, w, h = cv2.boundingRect(largest_contour)
        person_x = x
    else:
        print("未检测到轮廓")
    return person_x

当然上面得到的结果还需要继续进行一些处理，然后在缩放即可。
注意计算的时候还有考虑到偏移量。

具体的方案 可以根据自己的一些思考进行修改处理。
distince = int(1020 - distince - xxx+ (1020 *offset))

接下来就是很简单的事情了。
结果如下：
在这里插入图片描述
4.总结：
整体难度一般。花点时间就可以解决。
今天本来想多写几个，但是时间不早了，下次继续。