破解验证码：使用 Python + OpenCV + Tesseract OCR 自动识别

验证码（CAPTCHA）用于防止机器人恶意提交数据，但在自动化测试和数据采集中，我们有时需要自动识别验证码。本文将介绍如何使用 Python 结合 OpenCV 和 Tesseract OCR 进行验证码识别，并优化识别效果。

1. 环境安装
在开始之前，我们需要安装 Python 及相关依赖库。

1.1 安装 Python
如果尚未安装 Python，请前往 Python 官方网站 下载并安装最新版本。安装完成后，使用以下命令检查是否安装成功：

bash

python --version
1.2 安装 Tesseract OCR
Windows 用户
从 Tesseract OCR 官方 GitHub 下载并安装 Windows 版本。
记住 Tesseract 的安装路径，例如 C:\Program Files\Tesseract-OCR\tesseract.exe。
Linux/macOS 用户
bash

# Ubuntu
sudo apt update && sudo apt install tesseract-ocr  

# macOS (使用 Homebrew)
brew install tesseract
安装完成后，检查是否成功安装：

bash

tesseract --version
1.3 安装 Python 依赖库
在 Python 代码中使用 OCR 和图像处理功能，需要安装以下库：

bash

pip install pytesseract opencv-python numpy pillow
2. 代码实现
下面的 Python 代码示例展示了如何读取验证码图像、进行预处理，并使用 Tesseract OCR 进行识别。

2.1 代码示例
python

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

# Windows 需指定 Tesseract 路径
# pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

def preprocess_image(image_path):
    """加载验证码图像并进行预处理"""
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)  # 转为灰度图像

    # 二值化处理
    _, binary_img = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    # 形态学去噪（可选）
    kernel = np.ones((2, 2), np.uint8)
    processed_img = cv2.morphologyEx(binary_img, cv2.MORPH_OPEN, kernel)

    return processed_img

def recognize_captcha(image_path):
    """使用 Tesseract OCR 识别验证码"""
    processed_img = preprocess_image(image_path)

    # OpenCV 图像转换为 PIL 格式
    pil_img = Image.fromarray(processed_img)

    # 设定 Tesseract 参数（psm 6 适用于验证码）
    custom_config = r'--oem 3 --psm 6'
    
    # OCR 识别
    text = pytesseract.image_to_string(pil_img, config=custom_config)
    
    return text.strip()

if __name__ == "__main__":
    captcha_image = "captcha.png"  # 替换为你的验证码图片路径
    result = recognize_captcha(captcha_image)
    print(f"识别出的验证码: {result}")
3. 代码解析
3.1 图像预处理
为了提高 OCR 识别率，我们对验证码图像进行了以下优化处理：

灰度化：转换为黑白图像，减少颜色干扰。
二值化：通过 cv2.threshold() 提高对比度，使字符更清晰。
形态学去噪（可选）：使用 cv2.morphologyEx() 进行 开运算 去除小噪点，提高识别率。
3.2 OCR 解析
pytesseract.image_to_string() 进行文字识别。
设置 psm 6 适用于单行验证码文本，提高识别效果。
4. 运行程序
将代码保存为 captcha_solver.py，并确保 captcha.png 图片在同一目录下，然后运行：

bash

python captcha_solver.py
程序会加载验证码图像，进行预处理，并输出识别的文本。

5. 提升验证码识别准确率
5.1 调整 PSM 模式
Tesseract 提供了不同的 页面分割模式（PSM），验证码通常使用 PSM 6 或 PSM 7：

python

custom_config = r'--oem 3 --psm 6'  # 适用于单行验证码
5.2 指定语言
如果验证码只包含 数字 和 英文字母，可以指定 eng 语言，以减少错误识别：

python
更多内容访问ttocr.com或联系1436423940
text = pytesseract.image_to_string(pil_img, lang="eng", config=custom_config)
5.3 进一步优化图像
去噪：可使用 中值滤波 或 高斯模糊 降低噪点干扰。
字符分割：对于字符粘连的验证码，可以尝试轮廓检测进行分割，提高单字符识别率。
5.4 采用深度学习 OCR 方案
如果 Tesseract 不能满足需求，可以考虑使用深度学习 OCR，如：

EasyOCR
PaddleOCR