V3D4's Blog

安全技术记录/分享/交流

0%

opencv小记

发表于 分类于
opencv小记

此次学习原因是F5杯阿狸大大大师傅的一个爆破png宽高的图，此题crc改成的错误宽高的crc，并且删掉了几个像素块，所以直接改宽高必然得不到图片，需要用到opencv中的高斯消噪处理之类的东西，我也完全不懂，只能浅显的学习下opencv的一些简单操作

先贴个狸师傅的源码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('flag.png')
# t = img.shape
# t1 = img.reshape(-1)
# t2 = img.reshape(-1, 1)
# t3 = img.reshape(-1, 1, 3)
img = img.reshape(-1, 1, 3)
# t1 = img.shape
totPoints = img.shape[0]
import tqdm

mins = 1e10


def getgauss(w):
    tp = totPoints - totPoints % w
    # t = img[0,0,:]
    # t = img[:tp, :, :]
    # t = t.reshape(-1,w)
    # t = t.reshape(-1,w,3)
    src = img[:tp, :, :].reshape(-1, w, 3) #更改宽高
    gauss = cv2.GaussianBlur(src, (3, 3), 3) #(3, 3)表示高斯矩阵的长与宽都是3，标准差取3
    gaussedge = cv2.Canny(gauss, 0, 50)
    ge = np.sum(gaussedge)
    return ge


x = []
y = []

for i in tqdm.trange(10, 2000, 1):
    now = getgauss(i)
    x.append(i)
    y.append(now)
    if now < mins:
        # print(x[-1])
        # print(i)
        mins = now
        tp = totPoints - totPoints % i #更改宽高
        src = img[:tp, :, :].reshape(-1, i, 3)
        plt.cla()
        plt.imshow(src)
        plt.imsave('123.png', src)
        plt.pause(0.1)
plt.show()
plt.plot(x, y)
plt.show()

引用方法

需要和numpy一起引用

1
2
import cv2
import numpy as np

读取图片

1
cv2.imread('flag.png')

imread返回的是一个三维矩阵，代表的是每个像素的信息

我们通过cv2读图片时，数据读取的通道顺序是bgr，并且是height， width， channel的排列方式。

img.shape

<class 'tuple'>: (419799, 5, 3)

从img.shape中可以看出，三维数组的形状，第一维是高度，第二维是宽度，第三维是每个像素点的信息

np.reshape(-1,1,3)

reshape用于转换矩阵，第一个-1表示将当前矩阵无论几维都转成一维，第二个1表示将矩阵再转为二维，列数为1，第三个3表示将矩阵转为三维，列数3，以此类推，加几个参数即转为几维度，数字表示列数

1
2
3
4
gauss = cv2.GaussianBlur(src, (3, 3), 3) 
#(3, 3)表示高斯矩阵的长与宽都是3，标准差取3
gaussedge = cv2.Canny(gauss, 0, 50)
ge = np.sum(gaussedge)

高斯消噪处理，算法方面的，完全不懂，暂时先知道怎么用吧

(3, 3)表示高斯矩阵的长与宽都是3，最后的3表示标准差取3

cv2.Canny表示进行canny边缘检测，也完全不懂

np.sum用于矩阵求和

这个大概意思就是进行高斯消噪处理后对于边缘的数据求和，小于特定值就更新min，同时输出，即可能为正常图片

这里的初始值就设为了1e10

tqdm为是一个显示处理时进度条的模块，简单用法如下

1
2
3
s = 0
for i in tqdm.trange(100000000000):
    s += 1

也可以参考 https://blog.csdn.net/zkp_987/article/details/81748098