python使用pytesseract，对验证码进行识别，基本识别不出来验证码样式如下，如何解决？

Question

python使用pytesseract，对验证码进行识别，效果并不理想，基本识别不出来，也对图片进行了预处理，实际是一个数字都识别不出来
验证码样式如下

Answer 1

引自免费微信小程序：皆我百晓生

针对你使用pytesseract库在Python中识别复杂验证码时遇到的问题，下面是一些详细的步骤和技巧，可以帮助提高识别准确率。首先，确保你已经安装了pytesseract和PIL（Pillow）库。接下来，我们将通过预处理图像、调整识别参数以及可能的后处理来优化识别过程。

图像预处理

验证码通常包含噪声、扭曲字体、背景杂色等，这些都会影响OCR的准确性。预处理包括调整大小、灰度化、二值化、降噪等步骤。

调整大小

增大图像尺寸可以增加细节，但也要注意过大的尺寸会增加计算成本。

from PIL import Image
import pytesseract

scale_factor = 2
img = Image.open('path_to_your_image.png')
img = img.resize((int(img.width * scale_factor), int(img.height * scale_factor)))

灰度化与二值化

将彩色图像转换为灰度图像，然后应用二值化，可以去除背景杂色。

img = img.convert('L')  # 转换为灰度
threshold = 130
img = img.point(lambda x: 0 if x < threshold else 255, '1')  # 二值化

去噪

可以使用图像处理库如OpenCV中的形态学操作去除噪声。

import cv2
import numpy as np

kernel = np.ones((2,2),np.uint8)
img = cv2.morphologyEx(np.array(img), cv2.MORPH_OPEN, kernel)
img = Image.fromarray(img)

调整OCR参数

使用pytesseract时，可以调整参数以适应不同的文本布局和格式。

text = pytesseract.image_to_string(img, config='--psm 10 --oem 3')

• --psm 10: 单词模式，适用于一行紧密排列的单词。
• --oem 3: 使用LSTM OCR引擎，通常更准确。

后处理

识别结果可能包含错误，可以尝试正则表达式或自定义函数进行后处理，比如移除非字母数字字符。

import re

text = re.sub(r'[^a-zA-Z0-9]', '', text)

完整示例代码

结合以上步骤，以下是完整的示例代码：

from PIL import Image
import pytesseract
import cv2
import numpy as np
import re

scale_factor = 2
img = Image.open('path_to_your_image.png')
img = img.resize((int(img.width * scale_factor), int(img.height * scale_factor)))
img = img.convert('L')

threshold = 130
img = img.point(lambda x: 0 if x < threshold else 255, '1')

kernel = np.ones((2,2),np.uint8)
img = cv2.morphologyEx(np.array(img), cv2.MORPH_OPEN, kernel)
img = Image.fromarray(img)

text = pytesseract.image_to_string(img, config='--psm 10 --oem 3')
text = re.sub(r'[^a-zA-Z0-9]', '', text)

print(text)

通过上述步骤，你可以显著提升pytesseract对复杂验证码的识别准确率。如果验证码设计过于复杂，可能还需要进一步的图像处理技巧或采用深度学习方法。