如何提高滑块验证码的识别精度？

最近碰到一个需求，需要自动化操作一个网站，第一步就遇到一个问题，滑块验证码登录。

核心逻辑是：

1. 获取两张图片，一张左侧的验证码图片，一张完整的图片 2. 比对两张图片，获取到验证码图片与完整图片重合区域在 X 轴上需要移动的举例 3. 通过 selenium 缓慢移动验证码图片到重合区域，完成登录 

在网上找到一个类似的需求和实现方案，跟着写了下代码 https://blog.csdn.net/weixin_53300120/article/details/138068169

写了两个实现的方式：

1. 采用 ddddocr：

    with open('left.png', 'rb') as f: target_bytes = f.read() with open('full.png', 'rb') as f: background_bytes = f.read() ocr = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False) res = ocr.slide_match(target_bytes, background_bytes, simple_target=True) print(res, res['target'][0]) 

2. 采用 cv2：

    # 加载图片 A 和 B image_a = cv2.imread('left.png', cv2.IMREAD_GRAYSCALE) image_b = cv2.imread('full.png', cv2.IMREAD_GRAYSCALE) # 使用模板匹配方法（ Template Matching ）寻找图片 A 在 B 中的位置 result = cv2.matchTemplate(image_b, image_a, cv2.TM_CCOEFF_NORMED) # 获取最大匹配值及其位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) # 如果 TM_CCOEFF_NORMED 方法使用，可以通过以下方式找到匹配位置的左上角坐标 top_left = max_loc # 获取图片 A 的宽度和高度 height, width = image_a.shape print(height, ':', width) height2, width2 = image_b.shape print(height2, ':', width2) # 获取最左侧的 x 坐标（左上角） leftmost_x = max_loc[0] print('leftmost_x:', leftmost_x) 

现在的问题是，这两种方法的准确度都不高，而且我也不了解他们内部的实现方式，不知道如何提高识别的准确度。 现在用了一个比较笨的方法，死循环，重复 10 次以内大概率是可以成功一次。

想请教大家，这种场景有没有啥好的办法可以提高识别的准确度，或者有没有相关的开源库可以直接用？

感谢!