本项目采用Python与OpenCV库实现自动检测并定位腾讯滑块验证码中的缺口位置，有效提升自动化测试及登录效率。
OpenCV（开放源代码计算机视觉库）是一款专为图像与视频处理设计的开源工具包，在学术研究、工业应用及个人项目中有广泛应用。
### 历史与发展
**起源：** OpenCV由英特尔公司在1999年发起，旨在推动计算机视觉技术的发展和商业化。该项目的目标是创建一个易于使用且高效的跨平台库，为开发者提供实现各种计算机视觉算法的基础工具。
**社区与支持：** 随着时间的推移，OpenCV吸引了全球众多开发人员及研究人员的关注，并形成了活跃的用户群体。目前该开源项目由非盈利组织OpenCV.org维护，并持续获得来自世界各地开发者、研究机构和企业的贡献和支持。
### 主要特点
- **跨平台性:** OpenCV支持多种操作系统（如Windows, Linux, macOS等），确保代码在不同平台上可以无缝运行。
- **丰富的功能集：** 包含数千个高度优化的函数，覆盖了图像处理、特征检测与描述、物体识别和跟踪、视频分析等多个方面。例如SIFT/SURF/ORB用于特征点提取；Haar级联分类器/HOG/DNN实现对象检测等。
- **高效性能:** 通过多核CPU及GPU加速技术来提高计算速度，支持Intel IPP/OpenCL等硬件优化方案。
- **多种编程语言接口：** 虽然主要使用C++编写，但提供了广泛的API绑定以适应不同开发需求（如C、Python、Java、MATLAB和JavaScript）。
- **开源许可:** OpenCV遵循BSD许可证发布，允许用户免费下载及分发源代码而无需担心版权问题。
### 架构与核心模块
OpenCV的架构基于一系列的核心模块构建，每个模块都提供不同的功能层次：
- **Core**：包括基本的数据结构（如cv::Mat用于图像存储和操作）、基础的图像处理、矩阵运算以及文件I/O等。
- **ImgProc**: 提供了诸如滤波器应用、几何变换、形态学操作及直方图计算等功能。
- **HighGui**: 为用户提供图形界面支持，包括显示图片或视频帧、鼠标事件处理和简单的窗口管理功能。
- **VideoIO**：涉及各种格式的视频文件读写以及摄像头设备接口的支持。
- **Objdetect**: 集成了预训练模型（如用于人脸检测的Haar级联分类器）以实现目标识别任务。
- **Features2D**: 涉及特征点提取和匹配，支持SIFT、ORB等算法的应用场景。
- **Calib3d**：提供相机校准工具及相关计算方法，适用于立体视觉或多视角几何问题的研究与应用开发中。
- **ML（机器学习）:** 包含多种传统机器学习技术如支持向量机(SVM)、K近邻(KNN)和决策树等。
- **DNN（深度神经网络）**: 用于加载并运行预先训练好的深度学习模型，例如卷积神经网络(CNN)，从而实现复杂的视觉任务。
5星
