使用tesseract進行圖形驗證碼識別

時間 2019-11-07

標籤使用 tesseract 進行圖形驗證碼識別简体版

原文原文鏈接

maven

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

配置

在resources目錄下新建tessdata目錄，而後從tessdata獲取一個ENG.traineddata，再在tessdata目錄下新建configs目錄，設置幾個配置文件java

api_configgit

tessedit_zero_rejection T

表示開啓tessedit_zero_rejectiongithub

digits
能夠設置白名單api

tessedit_char_whitelist 0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz

hocrmaven

tessedit_create_hocr 1

tessedit_create_hocr 1,表示輸出Html的意思學習

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();
    }