滑块验证码破解
使用 cv2 + numpy 分析滑块背景图片并计算所需滑动的距离，使用 PID 控制算法生成轨迹，使用 Selenium 模拟手工拖动滑块行为。
OpenCV 是一个跨平台的计算机视觉库，cv2 提供了对 OpenCV C++ 库的 Python 封装，使得可以通过 Python 方便地调用 OpenCV 中的各种函数和方法，从而进行图像处理、物体检测、计算机视觉算法等操作。
PID（Proportional-Integral-Derivative）算法是一种常用的控制算法，主要用于对各种系统和过程进行自动控制。它基于对系统当前状态的反馈信息，通过计算误差信号的比例、积分和导数部分，来决定控制器输出的大小和方向，从而实现对系统的稳定控制。
具体来说，PID算法包括三个部分：
- 比例控制（P）：根据当前误差信号的大小，直接产生一个与误差成正比的控制输出，用于快速响应系统的变化。
- 积分控制（I）：将误差信号在一段时间内积累起来，并产生一个与误差积分值成正比的控制输出，用于消除系统的静态误差。
- 导数控制（D）：根据误差信号的变化率，产生一个与误差变化率成正比的控制输出，用于减小系统的超调和振荡。
这三个控制部分共同作用于系统，使得控制器输出的值能够及时、准确地跟随系统的变化，达到对系统的精确控制。
- chrome + chromedriver
- requirements.txt 相关依赖
本代码仅供学习交流之用，只提供大致实现思路，并不针对特定渠道的滑块验证码进行破解，禁止用于任何违法行为。