用 Python 和 Tesseract 实现英文数字验证码识别

本教程将教您如何使用 Python 和 Tesseract OCR 引擎来识别英文数字验证码。Tesseract 是一个非常强大的 OCR 引擎，支持多种语言的字符识别。结合 Python 的易用性，我们可以很容易地完成验证码识别。

1. 环境准备
   （1）安装 Tesseract OCR 引擎
   更多内容访问ttocr.com或联系1436423940
   首先，确保您已经安装了 Tesseract OCR 引擎。您可以按照以下步骤在不同操作系统中安装它：

Linux 系统：

sudo apt update
sudo apt install tesseract-ocr

macOS 系统：

brew install tesseract

Windows 系统：
从 Tesseract 官方 GitHub
下载并安装。

（2）安装 Python 和相关库

安装 Python 3：您可以从 Python 官方网站
下载并安装 Python。

使用 pip 安装所需的库：

pip install pytesseract pillow

pytesseract 是 Python 与 Tesseract OCR 引擎的接口。

Pillow 是 Python 图像处理库，用于打开、处理和保存图像。

2. 代码实现

接下来，我们将使用 Python 编写代码，通过 Tesseract OCR 引擎识别英文数字验证码。

（1）导入所需的库
import pytesseract
from PIL import Image

pytesseract 是 Python 中与 Tesseract OCR 进行交互的库。

Pillow（PIL）库用来加载和处理图像文件。

（2）配置 Tesseract 路径

Tesseract OCR 在 Windows 系统中可能没有自动添加到 PATH 环境变量中，因此需要手动指定 Tesseract 可执行文件的路径。以下代码演示如何进行配置：

设置 Tesseract 可执行文件的路径

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

在 Windows 系统中，通常 Tesseract 的默认安装路径是 C:\Program Files\Tesseract-OCR\tesseract.exe，您可以根据实际安装路径进行调整。

（3）验证码识别函数

我们将实现一个简单的函数，接收图像路径作为参数，并返回识别的文本内容。

def recognize_captcha(image_path):
# 打开图像文件
image = Image.open(image_path)

# 使用 Tesseract 识别图像中的文本
text = pytesseract.image_to_string(image, config='--psm 6')return text

image_to_string 方法将图像转换为字符串。

--psm 6 是 Tesseract 的页面分隔模式，它适用于简单的文本图像。

（4）测试验证码识别

以下是程序的入口，调用识别函数并打印结果：

def main():
image_path = "captcha_image.png" # 替换为验证码图片的路径
result = recognize_captcha(image_path)
print("识别结果:", result)

if name == "main":
main()

3. 完整代码
   import pytesseract
   from PIL import Image

设置 Tesseract 可执行文件路径

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 请根据您的安装路径调整

def recognize_captcha(image_path):
# 打开图像文件
image = Image.open(image_path)

# 使用 Tesseract 识别图像中的文本
text = pytesseract.image_to_string(image, config='--psm 6')return text

def main():
image_path = "captcha_image.png" # 替换为验证码图片的路径
result = recognize_captcha(image_path)
print("识别结果:", result)

if name == "main":
main()

4. 图像预处理

在一些情况下，验证码图像可能会有噪声或背景干扰，影响识别的准确性。为了提高识别效果，您可以在使用 Tesseract 识别图像之前对图像进行预处理。以下是一些常见的预处理方法：

（1）转换为灰度图像
def preprocess_image(image_path):
image = Image.open(image_path)
gray_image = image.convert("L") # 将图像转换为灰度图
return gray_image

（2）二值化图像
def binarize_image(image):
# 将图像转换为二值图像（黑白）
return image.point(lambda p: p > 128 and 255)

您可以将这些预处理方法添加到 recognize_captcha 函数中，以优化图像质量并提高识别准确性。