滑块验证码不能用requests直接模拟通过，因其依赖前端拖动轨迹、加速度、鼠标事件时序及canvas指纹等行为验证；仅提交坐标或base64图片会返回{"success": false}或412错误。
滑块验证码为什么不能用 requests 直接模拟通过
因为滑块验证本质是前端行为验证：拖动轨迹、加速度、鼠标事件时序、Canvas 渲染指纹都参与校验。仅靠 requests 提交坐标或图片 base64，服务端会直接返回 {"success": false, "message": "invalid track"} 或 412 状态码。OpenCV 只负责“找缺口”，不解决行为模拟——它只是整个流程里可落地的一环。
用 OpenCV 定位缺口的三个关键预处理步骤
缺口识别失败，80% 出在图像预处理没做对。目标不是“看清图”，而是让缺口边缘在灰度+边缘图中形成唯一强响应：
- 先用
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)转灰度，别跳过——彩色通道会干扰 Canny 检测 - 必须做
cv2.GaussianBlur(gray, (3, 3), 0)降噪，否则滑块阴影、文字噪点会伪造边缘 - 用
cv2.Canny(blur, 50, 150)而非自适应阈值：cv2.adaptiveThreshold对缺口这种细长结构容易断边
匹配滑块底图与缺口图时的尺寸与位移陷阱
缺口图（带背景的完整图）和滑块图（只有小图标的 PNG）分辨率通常不一致，直接 cv2.matchTemplate 必然偏移。正确做法是：
- 先用
cv2.resize将滑块图等比缩放到缺口图宽度的 1/3 左右（常见比例），再试匹配 - 只在缺口图中央 60% 区域内搜索：
roi = img[height//3:2*height//3, width//3:2*width//3]，避免边缘伪影干扰 - 用
cv2.TM_CCOEFF_NORMED而非TM_SQDIFF：前者响应峰值明显，后者极小值难定位且易受亮度影响 - 取
cv2.minMaxLoc(result)的max_loc，不是min_loc——这是最常写错的地方
OpenCV 找到的 x 坐标不能直接当拖动距离用
OpenCV 返回的是缺口左上角在背景图中的像素横坐标，但真实滑块需要拖动的是“滑块中心对齐缺口中心”的位移量。漏掉这步换算，99% 的请求会被判为机器行为：
- 缺口宽度一般为 40–60px，用
cv2.boundingRect(contour)拿到实际矩形后，缺口中心 x =x + w // 2 - 滑块图标本身有宽度（常为 36px），其初始位置固定（如页面中
left: 20px），需人工测量或用selenium.execute_script("return document.querySelector('.slider').getBoundingClientRect().left")获取 - 最终拖动距离 = 缺口中心 x − 滑块中心初始 x；注意减去页面缩放系数（
window.devicePixelRatio可能为 1.25/2）
真正卡住人的，从来不是 OpenCV 能不能找到缺口，而是坐标系没对齐、没考虑缩放、没补上滑块自身偏移——这些细节一错，前面所有图像处理都白跑。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
