tesseractjava验证码

❶ WebUI智能识别验证码之tesseract

本文训练数据部分参考： https://blog.csdn.net/ruyulin/article/details/89046148

只能识别字母与数字比较正的图片内容，不正的基本无法识别，就算训练也是一样

需要更精准的识别，可以使用tensorflow框架，进行模型建立及训练，但是需要学习的东西会比较多。

官网： https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

注意：

官网： https://digi.bib.uni-mannheim.de/tesseract/

pip install pytesseract

以古诗文网的登录页面为例，获取验证码数据：

结果图片：

复制VeriCode.traineddata，放到tessdata（Tesseract安装目录的一个文件夹）文件夹下

tesseract VeriCode.font.exp1.tif VeriCode.font.exp1 batch.nochop makebox

双击需要修改值的char，修改之后需要回车

例如，该D字符，宽度很宽，占据多个字符位置，可以使用分割split，分割成多个再删除不需要的，或者修改宽度，再调整坐标

前面步骤全部完成，我们就可以使用pytesseract进行图片识别了

若未安装：tesseract，则会报错
pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it's not in your PATH. See README file for more information.

❷ java如何提高百度文字识别的准确度

java文字识别程序的关键是寻找一个可以调用的OCR引擎。tesseract-ocr就是一个这样的OCR引擎，在1985年到1995年由HP实验室开发，现在在Google。tesseract-ocr 3.0发布，支持中文。不过tesseract-ocr 3.0不是图形化界面的客户端，别人写的FreeOCR图形化客户端还不支持导入新的 3.0 traineddata。但这标志着，现在有自由的中文OCR软件了。
java中使用tesseract-ocr3.01的步骤如下：
1.下载安装tesseract-ocr-setup-3.01-1.exe（3.0以上版本才增加了中文识别）
2.在安装向导中可以选择需要下载的语言包。
3.到网上搜索下载java图形处理所需的2个包：jai_imageio-1.1-alpha.jar，swingx-1.6.1.jar
4.java程序清单：
文字识别私有化部署方案
可部署至「本地服务器」的文字识别服务，支持主流 CPU/GPU 环境及国产化系统部署，通用场景、卡证、票据、iOCR 等各类 OCR 模型及自定义平台均可提供容器化部署包，在专有网络环境下一键部署应用，保障数据私密性。同时，可提供通用型一体机或国产化一体机，软硬一体交付，开箱即用，统一维保
快捷部署
容器化打包，支持本地物理机、私有云等多种部署方式，提供一键部署工具和常用运维工具，快速接入、高效运维
数据安全
专有网络环境下本地化部署，数据无需公网上传，实现业务网络公私分离，保障企业核心生产数据的私密性要求
适配广泛
CPU 及 GPU 环境均可部署，主流 GPU 显卡类型均已适配，并可支持国产化系统部署
授权灵活
根据QPS和使用期限进行授权，可自由选择不同QPS配置，灵活适应不同场景、不同业务的并发量需求
成为开发者
三步完成账号的基本注册与认证：
STEP1：点击网络AI开放平台导航右侧的控制台，选择需要使用的AI服务项。若为未登录状态，将跳转至登录界面，请您使用网络账号登录。如还未持有网络账户，可以点击此处注册网络账户。
STEP2：首次使用，登录后将会进入开发者认证页面，请填写相关信息完成开发者认证。注：(如您之前已经是网络云用户或网络开发者中心用户，此步可略过)。
STEP3：通过控制台左侧导航，选择产品服务-人工智能，进入具体AI服务项的控制面板（如文字识别、人脸识别），进行相关业务操作。
希望能帮到你，谢谢！

❸ 如何利用Python做简单的验证码识别

最简单的是这个：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

#!/usr/bin/python3.4
# -*- coding: utf-8 -*-

# 1、pip3 install pyocr
# 2、pip3 install pillow or easy_install Pillow
# 3、安装tesseract-ocr：http://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe，安装在C:\Program Files\下
# 4、要求python默认安装在C盘
# http://www.cnblogs.com/TTyb/p/5996847.html
# 代码:
# !/usr/bin/python3.4
# -*- coding: utf-8 -*-

import pytesseract
from PIL import Image

image = Image.open('../jpg/code.png')
code = pytesseract.image_to_string(image)
print(code)

❹ 如何在windows上编译Tesseract OCR

最近要用java实现一个验证码识别系统，选了半天之后最终决定用Tesseract-OCR作为识别引擎。既然是java+Tesseract-OCR，自然就首选Tess4J。由于Tess4J直接且仅提供了编译成dll的3.02版本的Tesseract-OCR，而我的最终目标Linux下使用且想自己更换Tesseract-OCR的版本，就决定自己动手对Tesseract-OCR的代码进行编译。而这篇文章就是这次研究的中间产物。虽然Tess4J目前支持的是Tesseract-OCR3.02，但Tesseract-OCR无法在Tess4J中直接进行使用，还需要使用capi进行封装，但这个就是后话了，本文仅介绍如何在windows环境下编译Tesseract-OCR。准备工作根据GoogleCode上下载Tesseract-OCR的windows安装版本测试的结果及官方说明文档，Tesseract-OCR支持tiff、png、gif、bmp、jpeg等格式，所以首先就按照这个目标来收集所需的支持库。由于最终目标是在Linux下编译成功，所以我选择了msys+tdm-gcc来模拟Linux下的编译过程。

❺ 联通验证码识别，用JAVA或C语言。

这种用打码兔就能解决啦

❻ java 验证码识别 图形是否连通算法

去除干扰线TESSERACT承认喜欢这幅画的话，我觉得正确率不应该是因为低

过低的是，你必须培养你自己的图书馆，与印刷包装的默认语言仅

文本不适合于一个扭曲的排序字符变形

❼ java怎么自己做一个orc身份证识别

是OCR文字识别技术来识别身份证吧。OCR识别身份证的话，会涉及到数字识别，中文识别，英文识别的。数字和英文相对比较好识别。中文麻烦一些。目前市场上有一个开源的，tesseract识别效果稍微比较好。楼主可以试一试。tesseract是C++做的，java可以使用JNI调用C语言的。如果楼主不差钱，并且识别效果要求高的话，建议使用第三方的识别软件。楼主可以和取得联系。希望帮助到楼主，希望采纳，谢谢！

❽ java 怎么调用tess4j

网上传的代码示例大多是在Windows下安装Tesseract ORC后通过CMD命令操作进行图识别操作.而 Tess4j 针对Tesseract 提供了JNI支持,同时还提供了一些图片操作的工具类,提供比如图片放大,旋转,黑白处理,锐化 等用来提高识别率的操作.操作十分方便. Tess4j 简单到超乎想象,只是自己在使用环境比较特殊,遇到很多问题,这里一一道来.

1 依赖包.

tess4j.jar Tess4j的本尊,用于Tesseract 的JNA支持,并提供相关操作工具类

jna.jar 看到Tesseract 的第一反应是要用cmd或JNI来操作它,了解了一下 Tess4j 使用的JNA,有点JNI高级版的感觉,CMD什么的,玩蛋蛋去吧.

jai_imageio.jar 图片操作的工具类,支持Tiff就靠它了. 它的 META-INF 里有文章,这个后面详说.

还有其它几个包,是用于操作PDF用的吧,没有引用,也没有发生错误.所以的包可以在 Tess4j 的文件目录里面找到.

2 操作代码.

官方的示例中给出了一个超级简单有效的示例,不足20行代码!!!我和小伙伴们都被震惊了!!!关键代码如下:

Java代码 收藏代码

File imageFile = new File("eurotext.tif");

Tesseract instance = Tesseract.getInstance(); // JNA Interface Mapping

String result = instance.doOCR(imageFile);

实际使用中为了提高识别率还要对图片作一些处理来提高识别率,使用Tess4j 自带的工具类即可完成,这样识别率就大大的提高了.( 这里无法解决 验证码 中干扰线问题,干扰线的清理,网上有其它方式处理 )

Java代码 收藏代码

// 这里对图片黑白处理,增强识别率.这里先通过截图,截取图片中需要识别的部分

BufferedImage textImage = ImageHelper.convertImageToGrayscale(ImageHelper.getSubImage(panel.image, startX, startY, endX, endY));

// 图片锐化,自己使用中影响识别率的主要因素是针式打印机字迹不连贯,所以锐化反而降低识别率

// textImage = ImageHelper.convertImageToBinary(textImage);

// 图片放大5倍,增强识别率(很多图片本身无法识别,放大5倍时就可以轻易识,但是考滤到客户电脑配置低,针式打印机打印不连贯的问题,这里就放大5倍)

textImage = ImageHelper.getScaledInstance(textImage, endX * 5, endY * 5);

3 使用中遇到的问题

3.1 相关DLL文件,相关字库文件

liblept168.dll,libtesseract302.dll 其中 liblept168.dll 要先加载.

tessdata 存放的是字库文件,如果需要数字,英文以外的支持需要 Tesseract 页面下载相关字库.

因为公司使用时是将文件打成Jar布署,然后提供客户端下载,所以就把以上两个文件一起打进tess4j.jar里面,然后客户端使用时 tessdata 直接可用,而 liblept168.dll,libtesseract302.dll 需要释放到临时目录然后加载.相关代码:

❾ Tesseract-OCR训练识别验证码有什么高效的办法吗

1. 采集图片库（一般每个出现的字符出现20次左右识别效果比较好），根据图片特点进行初步处理（二值化/灰度化/滤波/降噪等处理），并保存为.tif格式（x.tif)；
2. 使用JTessBoxEditor ,将得到的.tif图片合并为一张图片（Tool—>MergeTiff）；
3. 下载安装tesseract-ocr-setup-3.01-1.exe；
4. 安装后，运行命令行到.tif格式（x.tif)文件夹中，输入tesseract.exe x.tif x batch.nochop makebox;(PS:保存为 同名同文件夹下）
5. 使用JTessBoxEditor打开x.tif文件进行逐个校正；（PS:每次校正后都得保存）
6.校正后，命令行执行：
tesseract.exe x.tif x nobatch box.train;
unicharset_extractor.exe x.box;
7. 在目录下建立名为“font_properties”的文件，并输入内容：x 1 0 0 1 0；
8.命令行执行：
cntraining.exe x.tr;
mftraining.exe –F font_properties –U unicharset x.tr;
9. 将目录下生成的文件其中几个unicharset/inttemp/normproto/pffmtable文件加上训练名前缀“x.”;
10.命令行执行：
combine_tessdata x. 生成最终的校验学习数据x.traineddata文件；