这个验证是游戏内的图形匹配类验证，需要先通过图像识别技术（比如 OpenCV）识别左侧的 “模板图形” 和右侧的 “待匹配区域”，再判断图形是否一致 —— 但这需要结合游戏窗口的截图、图形轮廓提取、形状匹配等步骤，且不同游戏的界面元素定位、图形样式都不固定，没有通用代码。

如果是自己做辅助工具，大致步骤是：

用pyautogui截图游戏窗口中 “模板图形” 和 “待验证区域” 的区域；

用OpenCV对截图做轮廓提取、形状匹配（比如计算轮廓的相似度）；

根据匹配结果模拟点击 “正确区域”（用pyautogui.click()）。

import cv2

import numpy as np

def preprocess_image(image_path, blur_ksize=(5, 5), canny_threshold1=50, canny_threshold2=150):

"""

图像预处理：灰度化 → 高斯模糊 → 边缘检测（Canny）

:param image_path: 图像路径

:param blur_ksize: 高斯模糊核大小

:param canny_threshold1: Canny边缘检测阈值1

:param canny_threshold2: Canny边缘检测阈值2

:return: 预处理后的边缘图像、原始彩色图像

"""

# 读取图像

img = cv2.imread(image_path)

if img is None:

raise ValueError(f"无法读取图像：{image_path}")

# 灰度化（减少计算量，边缘检测只需要单通道）

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 高斯模糊（降噪，避免干扰边缘检测）

blurred = cv2.GaussianBlur(gray, blur_ksize, 0)

# Canny边缘检测（提取图形轮廓）

edges = cv2.Canny(blurred, canny_threshold1, canny_threshold2)

return edges, img

def extract_contours(edge_img, min_area=100):

"""

提取图像中的轮廓（筛选有效轮廓，排除小噪点）

:param edge_img: 边缘检测后的图像

:para***in_area: 最小轮廓面积（过滤小噪点）

:return: 筛选后的轮廓列表

"""

# 查找轮廓（RETR_EXTERNAL只提取最外层轮廓，减少复杂度）

contours, _ = cv2.findContours(edge_img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# ------------------- 测试用例 -------------------

if __name__ == "__main__":

# 替换为你自己的模板图和目标图路径（建议用简单的几何图形测试，比如正方形、圆形）

TEMPLATE_PATH = "template.png" # 模板图形（比如验证中的“参考图形”）

TARGET_PATH = "target.png" # 目标图像（比如验证中的“待匹配区域”）

main(TEMPLATE_PATH, TARGET_PATH)

发给AI 1分钟写好代码。细小的微调还是需要懂哥来的。

最终到底还是看检测手段能不能跟得上。