使用tesseract进行图形验证码识别

maven

        <dependency>
            <groupId>org.bytedeco.javacpp-presets</groupId>
            <artifactId>tesseract-platform</artifactId>
            <version>3.04.01-1.3</version>
        </dependency>

配置

在resources目录下新建tessdata目录，然后从tessdata获取一个ENG.traineddata，再在tessdata目录下新建configs目录，设置几个配置文件

• api_config

tessedit_zero_rejection T

表示开启tessedit_zero_rejection

• digits
  可以设置白名单

tessedit_char_whitelist 0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz

• hocr

tessedit_create_hocr 1

tessedit_create_hocr 1,表示输出Html的意思

使用

public static String recognize(String fileName)  {
        BytePointer outText;

        tesseract.TessBaseAPI api = new tesseract.TessBaseAPI();
        String path = OcrUtil.class.getClassLoader().getResource("").getPath();
        if (api.Init(path, "ENG") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

//        api.SetVariable("tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz");
//        api.SetPageSegMode(tesseract.PSM_SINGLE_LINE);

        // Open input image with leptonica library
        lept.PIX image = pixRead(fileName);
        api.SetImage(image);
        // Get OCR result
        outText = api.GetUTF8Text();
        String captcha = outText.getString();
        // Destroy used object and release memory
        api.End();
        outText.deallocate();
        pixDestroy(image);
        api.close();
        return captcha.trim();
    }

doc

• tesseract使用记录

• tesseract-ocr 3.02 信心值 字符坐标 学习笔记

• 4.0-Accuracy-and-Performance