C#使用Tesseract OCR 解析验证码

来源：互联网发布：非线性最优化基础 pdf 编辑：程序博客网时间：2024/05/26 09:56

之前我在<<C#简单数字验证码解析>>一文中介绍了用C#识别简单不变形数字验证码，但是对于识别变形的或生成位置变化比较频繁的验证码的准确率却不高。

下面介绍一个开源的OCR引擎Tesseract2。值得庆幸的是虽然是开源的但是它的识别率较高，并不比其他引擎差劲。网上介绍Tessnet2也是当时时间排名第三的识别引擎，只是后来慢慢不维护了，目前是Google在维护，大家都知道Google 在搞电子图书馆，每天都有不同类目的书被扫描成电子版。所以有G老大维护，识别率差不到哪里去。呵呵。。别鄙视我。。。

Tessnet2 是用vc ++ 开发的，其中是生成Tessnet2.dll ，我们可以通过.net 来调用内部具体类库实现识别。

Tessnet2的使用：

1、点击http://files.cnblogs.com/zhuxiangyu/tessnet2_32.rar链接下载Tessnet2.dll ，

Tessnet2是支持多国语的。语言包下载链接：http://code.google.com/p/tesseract-ocr/downloads/list

2、将Tessnet2.dll 添加到vs 引用中，和添加.net程序集一样。

3、用Tessnet2进行识别

WebRequest request = WebRequest.Create("http://sz.2zf.cn/js/code2.asp");
            WebResponse response = request.GetResponse();
            Stream st = response.GetResponseStream();
            Bitmap bitmap = (Bitmap)Bitmap.FromStream(st);
 UnCodebase ud =new UnCodebase(bitmap );
            bitmap = ud.GrayByPixels();
            ud.ClearNoise(128, 2);
 
            pictureBox1.Image = bitmap ;
 
tessnet2.Tesseract ocr =new tessnet2.Tesseract();//声明一个OCR类
            ocr.SetVariable("tessedit_char_whitelist","0123456789");//设置识别变量，当前只能识别数字。
            ocr.Init(Application.StartupPath +@"\\tmpe", "eng", true);//应用当前语言包。注，Tessnet2是支持多国语的。语言包下载链接：http://code.google.com/p/tesseract-ocr/downloads/list
            List<tessnet2.Word> result = ocr.DoOCR(bitmap , Rectangle.Empty);//执行识别操作
            stringcode = result[0].Text;
            textBox1.Text = code;

识别效果：

代码下载：CSharp简单数字验证码解析.rar

0 0