支付宝红包，发红包的同学拍一张物体的照片，系统加黑线处理. 收红包的同学在地图上找到这个物体，同样摄像头以同样的角度，距离对着扫，就可以领到红包.
这种玩法很有趣，调动了大家的积极性。我觉得这个玩法应该首先在百度地图上实现，只可惜老东家的产品经理们没有想到类似的玩法.
下面说一下破解的对策，由于支付宝后台匹配算法计算的也是相似度，因此并不是一定要找到藏红包的地址，只需要从线索图片里进行处理，就可能通过验证，拿到红包。
网上有photoshop教程，用黑线相近的区域填充黑线覆盖的区域，就可以通过验证。同样，可以用python等脚本来实现。
一个简单的思路就是设置好固定的黑线和实景的像素宽度，用PIL去处理，进行复制和粘贴工作..网上有很多类似的实现.但是缺点也明显，不同手机像素不同，需要自己去调节，并且，阿里修改了黑线宽度策略，随机化宽度，让这种方式的工具丢掉了太多实景像素，而不能通过验证。
更好的解决方案是，通过选取几列像素，通过像素值来动态计算判断黑线的位置，然后通过黑线相近的像素用插值的方法去填充，这样能损失最少的实景像素，并且处理之后的图片看起来更柔和。
https://github.com/whiled0ne 上，我已经写了一个demo，经测试，可以领到不少红包
.
尽管在某些类型的图片上，这种方法近乎“完美”，但是在更多情况下，这种方式有很多弊端，它依赖你对黑线像素的阀值设置。如果背景颜色变化比较多，你需要自己调节这个黑线的阀值。
一个更好的黑线判断思路是，将图像的rgb做一条曲线，黑线的中心位置应该落在曲线的奇点上，利用相邻像素值的差来检测，可以解决实景像素跟黑线接近的场景。首先，我们把每行像素的r g b相加，作出曲线
可以看到，图片不同，像素不同，但是都在12的整数倍这里，达到最低点. 这里就是黑线的最低值. 而这个点可以通过每行像素跟前一行的增值来判断，这个d小于0，说明曲线递减，当0第一次由小于零变为大于0，就可以判断黑点的位置了
另外一个工作就是判断黑线的宽度，这也可以通过d的值辅助判断，另外黑线还有一个明显的特征，我们取每行像素的最大值和最小值，黑线范围内的两个数的比值应该接近，用 log(e,max/min) 计算得到的数值接近0，这个特征算是必要不充分条件，结合一些其它特征，就可以不考虑像素点的具体值，具体范围，就可以修复图片.
目前成功率在百分之五十左右，根据具体图片不同，会有一些不同。
