首先看一下目标的验证形态是什么样子的
是一种通过验证推理的验证方式，用来防人机破解的确是很有效果，但是，But，这里面已经会有一些破绽，比如：
干货主要有：
① 200 多本 Python 电子书（和经典的书籍）应该有② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且可靠的练手项目及源码）
④ Python基础入门、爬虫、网络开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
私信小编01即可获取大量Python学习资源
（以上是原图和二值化之后的结果）
（这是正常图片）
像划红线的这些地方，可以看到有明显的突变，并且二值化之后边缘趋于直线，但是正常图像是不会有这种这么明显的突变现象。
初识潘多拉
后来，我去翻阅了机器视觉的相关文章和论文，发现了一个牛逼的算法，这个算法就是——genetic Algorithm遗传算法，最贴心的的是，作者利用这个算法实现了一个功能，“拼图自动还原”（不是像什么A*算法寻找最优路线解那种哈，就是单纯的拼图）项目仓库地址首先来介绍下如何使用跑起来这个项目吧，坑是真的很多，接下来感受一下pyCham的一路报错！
这里我用的是python3.10的版本，目前是最新的版本
文档中这一步执行是会报错的
pip3 install -r requirements.txt
解决方案：单独对requirements.txt文件下的每个包单独下载，然后根据当前下载的包的最新版本替换旧版本号。
我目前每个包最新使用的是这些版本号
全部替换完了之后，再执行一次下面的代码，他就不会报错了
pip3 install -r requirements.txt然后下一步，执行下面代码
pip3 install -e .
进入潘多拉
然后我们按照官网的提示来执行，先创建一个拼图出来，命令是这样的（这里的文件名我改了）create_puzzle images/starry.jpg --size=60 --destination=puzzle.jpg
会发现，好像不行，因为我们没有在正确的位置上执行，他的脚本位置是在bin文件夹下面，你可能会遇到如下问题
gaps --image=puzzle.jpg --generations=20 --population=600对于参数的解释官网是这样的：
Option
: --image Path to puzzle（需要被还原的图片）
--size Puzzle piece size in pixels （拼图的大小）
--generations Number of generations for genetic algorithm （遗传算法的代数）
--population Number of individuals in population
--verbose Show best solution after each generation （显示每一代后的最佳解决方案）
--save Save puzzle solution as image （拼图结果另存为图像）
先按照官方的走一遍
很好，很舒服，继续报错，而且语法拼写上我们也没有拼写错，没关系！我已经帮你找到解决方案了。
python gaps --image=puzzle.jpg --generations=20 --population=600 --size=60 --save或者你不指定遗传代数和人口数
python gaps --image=puzzle.jpg --size=60 --save
这是完全还原的结果，至此，我们披荆斩棘从解决项目报错，一路挖坑填坑到demo成功运行，到这里我们已经成功了60%，接下来就是如何利用这个项目，去破解网易易盾的推理拼图验证。
探究潘多拉的秘密
首先看一下项目目录：
gaps文件夹下面是所有模块的源码，作者对各个基础功能做了封装，但是我们想要的功能并不存在，就需要自行阅读和理解源码，然后二开实现自己想要的功能。
我们主要关注这个文件individual.py：
我来用大白话给你翻译一下吧，“在所有排列中，帮你找出最优解”
输出这个映射，结果是这样的，正好是我们想要的东西
那么，我们将最后的索引映射取到就OK了！
以下为最优解的映射值输出实例：
初始化的时候，新增一个变量用来存储最后的结果
self.pieceMapping = None自定义一个函数
# 返回映射值
def getPieceMapping(self):
return self.pieceMapping每次执行的时候，将最优解传递出去
def to_image(self):
"""Converts individual to showable image"""
pieces = [piece.image for piece in self.pieces]
self.pieceMapping = self._piece_mapping
return image_helpers.assemble_image(pieces, self.rows, self.columns)以上，就把我们想要的结果输出了
调用：
key为最后的结果标志，value为原始标志。
PS：对于极度复杂的原始图片创建的拼图，在还原之后，误差会挺大的。
