【代码】第8章验证码的识别

图形验证码识别与中文OCR

最新推荐文章于 2025-04-11 22:06:18 发布

原创最新推荐文章于 2025-04-11 22:06:18 发布 · 273 阅读

0 ·

CC 4.0 BY-SA版权

本文详细介绍使用Python的tesserocr模块和Tesseract OCR引擎识别图形验证码的方法，包括灰度和二值化处理，以及如何配置环境以识别中文字符。

8.1 图形验证码的识别

win10 64, 先安装tesseract.exe，再安装tesserocr模块报错，而因事先安装了VC++ build tools, 只需再安装.whl
import tesserocr
from PIL import Image
image = Image.open('CheckCode.jpg')
# 灰度处理
image = image.convert('L')
# 二值化处理
threshold = 160     # 修改这个阈值，可以得到目标图像
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table, '1')
image.show()
result = tesserocr.image_to_text(image)
print(result)

8.2-8.4 略过

要识别中文
下载中文数据包Data Files 我这里是3.02，所以对应下载的是tesseract-ocr-3.02.chi_sim.tar.gz
然后在C:\Program Files (x86)\Tesseract-OCR\tessdata下添加解压的的chi_sim.traineddata
代码中改成result = tesserocr.image_to_text(image, lang="chi_sim")