Tesseract 无法识别验证码文本

Question

我正在尝试识别验证码中的文本，但这对我来说是不可能的。我正在使用 python3、openCv 和 tesseract。

简化代码为：

import cv2                                                           
from pytesseract import *

img_path = "path"

img = cv2.imread(img_path)
img = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

pytesseract.image_to_string(img)

我想我应该先去掉颜色线，然后再不理会文字，也许可以改变亮度和对比度。可以应用什么过滤器？

这些是一些要识别的图像。

Answer 1

要使用 pytesseract-ocr 识别验证码文本，您可以执行以下操作..

• 准备自定义 train_set 以训练您的 tesseract 实例以识别特定字体[可选]

• 验证码图像需要一些预处理（例如 * 应用黑白滤镜 > 缩放（放大）> 模糊 > 形态变换 + 自适应阈值*）以增强文本部分并减少噪音/线条。

• 对于去除线条：在示例图像中，只能看到黑色文本并且没有黑色线条，因此您可以使用 PIL 或 OpenCV 将每个非黑色像素简单地转换为白色，您甚至可以利用一些特定的算法，如霍夫线变换来检测和去除线条。

您可以从 OpenCV 网站上的官方文档和教程中了解所有这些过滤器和算法。