这两天支付宝AR红包火了，周围的同学全在玩。可是我一直在想这个原理是什么？通过请教大神和思考，知道了它有两个限定条件：GPS地理位置和图片的识别。所以，只要我们有了这两个限定条件，就不难进行该红包的破解！
首先是GPS定位，我们可以采用一个地址模拟器实现，或者就查找本地周围的红包即可。然后关键是图片的识别，刚开始想到的是将提示的图片进行截图，放到电脑上，手机直接扫描截图不就好了？结果是不行的！原因是进行提示的截图中间有若干黑色的条纹，会影响到图片的识别。我们应该怎么处理图片呢？这里提供一种借鉴来的思路：截取每条黑色条纹上面的一小条正常图片，然后填充到黑色条纹上面。效果如下：
想着最近在学Python，就打算用Python实现，这就需要用到PIL包了。
一、下载和安装
Windows下刚开始通过pip install PIL，第一次报错说是pip的版本需要升级，然后按提示升级了pip之后，再运行上述命令，结果运行报错：
Could not find any downloads that satisfy the requirement PIL
Some externally hosted files were ignored(use --allow-external PIL to allow)
于是手动到官网http://www.pythonware.com/products/pil/下载，然后一路next可以解决。
在Debian/Ubuntu Linux下直接通过apt安装：
$ sudo apt-get install python-imaging
Mac和其他版本的Linux可以直接使用easy_install或pip安装，安装前需要把编译环境装好：
$ sudo easy_install PIL
如果安装失败，根据提示先把缺失的包（比如openjpeg）装上。如果失败，有人说可以通过
pip install PIL --allow-external PIL --allow-unverified PIL
解决，但是我没有成功。
要是实在不行，就改用Pillow吧，毕竟PIL从2009年就不更新了。
二、我的代码
代码借鉴的大神的，很easy，大概思路就是算出图片的像素，然后算出每条黑色条纹的像素高度，进行截取粘贴即可。大神尝试成功了，可我总是有一些问题，毕竟通过计算像素，误差有点大，效果不是太好。
# coding=utf-8
from PIL import Image
image = Image.open("2.png")
# image.resize((250, 250))
# image.show()
image_width = image.size[0]
image_height = image.size[1]
line_height = 6 # 图片高度
offset = 3 # 黑色缝隙高度
for i in range(27):
img1 = image.crop(
(0, (line_height + offset) * i, image_width, offset + (line_height + offset) * i))
# img1 = image.crop((0, 0, image_width, 3))
image.paste(img1, (0, line_height + (line_height + offset) * i))
image.show()
print(image_width)
print(image_height)
三、PIL一些常见API总结
打开图片
1.导入pil的Image模块
2.使用open(filename)打开文件，返回一个image对象
Python代码
im = Image.open(‘filename‘)
此后，一切关于图片的操作均基于这个对象。
打开后，我们可以查看一些图片信息，如im.format, im.size, im.mode等。调用im.show()会在图片查看工具中显示当前操作的image对象，这个跟个人的系统有关系，我系统中默认是用Windows Picture and Fax Viewer打开的。这个方法用来查看临时的图片效果。
读写图片
pil中转换图片格式非常简单(转换图片模式是另一个概念，不要混淆)，只需要调用img.save(filename)即可比如有一个bmp(位图)图片，使用img = Image.open(‘file.bmp‘)打开后，只需要img.save(‘file.jpg‘)即可转换。不过一般情况下，save(filename)是不用做这个用途的，通常，save用以保存一个临时的image对象到硬盘。而转换工作由一个功能更为强大的convert()方法来完成。
拷贝，粘贴，合并
Python代码
box = (100,100,500,500)#设置要拷贝的区域
#将im表示的图片对象拷贝到region中，大小为(400*400)像素。这个region可以用来后续的操作(region其实就是一个Image对象)，box变量是一个四元组(左，上，右，下)。
region = im.crop(box)
region = region.transpose(Image.ROTATE_180)#从字面上就可以看出，先把region中的Image反转180度，然后再放回到region中。
im.paste(region, box)#粘贴box大小的region到原先的图片对象中。
前面说过，每一个RGB都是由三个通道的灰度图叠加的，所以pil提供了将这三个通道分离的方法
Python代码
r,g,b = im.split()#分割成三个通道
r.show()
g.show()
b.show()
im = Image.merge("RGB", (b, g, r))#将b,r两个通道进行翻转。
几何转变
几何转变提供resize,rotate等方法，用以重定义图片大小，对图片进行旋转等操作，在实际应用中比较广泛。
如
Python代码
out = img.resize((128, 128))#resize成128*128像素大小。
out = img.rotate(45)#逆时针旋转45度
镜面效果，左右翻转
transpose()方法预定义了一些旋转方式，如
左右反转，上下翻转，逆时针旋转(90,180,270)度等，非常方便，rotate()和transpose()方法在表现上没有任何不同。
图片加强
滤镜
ImageFilter模块提供了很多预定义的图片加强滤镜。
比如一个常用的滤镜,细节(detail滤镜)
Python代码
import ImageFilter
out = im.filter(ImageFilter.DETAIL)
直接操作像素点
不但可以对每个像素点进行操作，而且，每一个通道都可以独立的进行操作。比如，将每个像素点的亮度(不知道有没有更专业的词)增大20%
Python代码
out = img.point(lambda i : i * 1.2)#注意这里用到一个匿名函数(那个可以把i的1.2倍返回的函数)
对每个点都做20%的增强
如上边的那个例子，我们可以将一个RGB模式的图分离成三个通道的层
Python代码
r,g,b = img.split()#神奇而又强大的python语法
然后对一个通道进行加强或减弱操作，完成后我们又可以使用Merge将通道合并，从而改变图片的色调(冷暖色调的互换)等。
更高级的图片加强，可以使用ImageEnhance模块，其中包含了大量的预定义的图片加强方式。
Python代码
import ImageEnhance
enh = ImageEnhance.Contrast(im)
enh.ehhance(1.5).show("50% more contrast")
读写图片的更多方式
通常，我们使用open方法进行图片的打开操作。但是这不是唯一的方式。完全可以跟python的IO整合起来。如
Python代码
fp = open("file.jpg", "rb")
im = Image.open(fp)
甚至，你可以从一个字符串中读出图片数据来(python真是神奇啊)。
Python代码
import StringIO
img = Image.open(StringIO.StringIO(buffer))
四、验证码的识别
要安装pytesseract库，必须先安装其依赖的PIL及tesseract-ocr，其中PIL为图像处理库，而后面的tesseract-ocr则为google的ocr识别引擎。
识别代码：
import pytesseract from PIL import Image image = Image.open(‘1.png‘) code = pytesseract.image_to_string(image) print (code)