opencv+tesseract完成验证码识别（识别率99.99%）

一、需要识别的内容

需要识别的验证码内容如下验证码下载下载地址。

二、直接调用tesseract来完成识别（识别率很差）

识别的图片内容为：

在window系统钟打开cmd命令窗口，执行识别命令如下：

tesseract.exe 01.png output.txt -l eng

识别结果为：519} 该识别准确率远远达不到预期

三、训练数据样本，提升识别率

1、下载10份样本（样本数量越多，识别率越高），然后通过jTessBoxEditor来进行样本数据矫正（该步骤耗时较长）。

2、打开 jTessBoxEditor，将所有的样本数据生成一个总的tif文件（tif就是所有图片的集合）。操作如下：

1）jTessBoxEditor->Tools->Merge TIFF

2 ）全选所有的样本文件，之后生成的tif命名为 jtbnum.font.exp0.tif

3）进行数据识别调整，如下图：

四、生成样本库字体

将所有的样本识别内容都调整正确后（调整的参数保存在jtbnum.font.exp0.box文件钟），我们需要将我们生成的样本文件封装成我们的 jtbnum.traineddata 字体库，生成方式如下:

1)创建 font_properties 文件，内容为 font 0 0 0 0 0

2）在同级目录创建 run.bat 文件内容如下

rem 执行改批处理前先要目录下创建font_properties文件  echo Run Tesseract for Training..
tesseract.exe jtbnum.font.exp0.tif jtbnum.font.exp0 nobatch box.train  echo Compute the Character Set..
unicharset_extractor.exe jtbnum.font.exp0.box
mftraining -F font_properties -U unicharset -O jtbnum.unicharset jtbnum.font.exp0.tr  echo Clustering..
cntraining.exe jtbnum.font.exp0.tr  echo Rename Files..  del jtbnum.normproto
rename normproto jtbnum.normprotodel jtbnum.inttemp
rename inttemp jtbnum.inttempdel jtbnum.pffmtable
rename pffmtable jtbnum.pffmtabledel jtbnum.shapetable
rename shapetable jtbnum.shapetableecho Create Tessdata..
combine_tessdata.exe jtbnum. pause

3）双击执行 run.bat 文件，系统执行完成后，将会生成 jtbnum.traineddata 文件。

4）将 jtbnum.traineddata 拷贝到tesseract安装目录下的tessdata文件夹下。

5）测试识别率：

识别的图片内容为：

tesseract.exe 01.png output.txt -l jtbnum

识别结果为：51915 识别结果已经很准确率，但是验证码图片中的杂质没有清除，导致会识别出多余内容来。

五、通过Opencv清除图片的多余杂质（Java实现）

if(!hasLoad){System.load(opencvPath+"/build/java/x64/opencv_java440.dll");hasLoad = true;}byte [] bytes = Base64Utils.decodeFromString(base64);String path = savePath+"/"+System.currentTimeMillis()+".png";try {OutputStream outputStream = new FileOutputStream(new File(path));outputStream.write(bytes);outputStream.flush();outputStream.close();} catch (Exception e) {e.printStackTrace();}Mat image0 = Imgcodecs.imread(path);Mat image1 = new Mat();//灰度处理Imgproc.cvtColor(image0, image1, Imgproc.COLOR_BGR2GRAY);Imgproc.adaptiveThreshold(image1,image1,255,Imgproc.ADAPTIVE_THRESH_MEAN_C,Imgproc.THRESH_BINARY,11, 2);Core.bitwise_not(image1,image1);Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(2, 2), new Point(-1, -1));Mat temp = new Mat();Imgproc.erode(image1, temp, kernel);Imgproc.dilate(temp, temp, kernel);String newPath = path.substring(0,path.lastIndexOf(".")) +"_1.png";Imgcodecs.imwrite(newPath,temp);

图片处理结果如下（杂质已经清除）:

5）测试识别率：

识别的图片内容为：

tesseract.exe 01.png output.txt -l jtbnum

识别结果为：5191 识别已经很精确

后期会附上各软件版本信息以及详细代码