tesseract-ocr是一款比较有名的图像OCR开源工具,支持中文。
今天试了一下,比较不错,对于比较简单的验证码,即背景干扰不严重的教学示例型验证码,识别正确率可达60%以上。
是个破解网上验证码的好工具。
对于网上负责类型的验证码,解决思路有两个。
1.自己写背景噪音过滤代码,把复杂验证码的背景噪音过滤,然后给tesseract处理。
2.研读tesseract代码,针对某种特定验证码做修改优化。
tesseract源代码是VC工程,如果对VC代码不熟悉,还有难度,比较容易可得的应该是想办法过滤图像的背景干扰。