零OCR基礎6行代碼實現C#驗證碼識別

這兩天由於工做須要，要到某個網站採集信息，一是要模擬登錄，二是要破解驗證碼，本想用第三方付費打碼，可是想一想網上免費的代碼也挺多的，因而乎準備從網上擼點代碼下來，誰知道，擼了好多個都不行，本人之前也沒接觸過這方面的，代碼無從下手，最後不知道在哪一個兄臺博客找到一個國外的第三方開源OCR，說是強大的谷歌公司作維護，C++開發的，有.NET封裝的連接庫，甚好！

項目地址：https://github.com/tesseract-ocr/tesseract
語言庫：https://github.com/tesseract-ocr/langdata
OCR語言訓練：https://github.com/tesseract-ocr/tessdata

下面開始擼示例：

新建C#控制檯，版本選擇.NET 4.5

Tesseract ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789");
ocr.Init(@"D:\測試\Ocr\tessdata", "eng", true);

第一句就不用說了，第二句是設置識別的字符，例如，若是你要識別的驗證碼是A-Z0-9你就都寫進來就OK了
第三句就是初始化OCR的語言訓練配置，裏面不少文件，只要寫文件名小數點前面的就OK了

List<Word> result = ocr.DoOCR(bmp, Rectangle.Empty);
if(result.Count<=0)return;
string code = result[0].Text;

最後的Code就是識別出來的驗證碼了，這裏驗證碼圖片必定要轉換爲Bitmap對象才行，記得用完了釋放Bitmap對象！

下面是我測試截圖：

上面是驗證碼，下面文件名是識別出來的結果命名保存的文件！固然驗證碼是通過處理的，原始的驗證碼圖片是醬紫的：

驗證碼圖片過小，OCR識別不了，並且默認狀況下，要是白底，黑子才能識別，因此網上的驗證碼必定要先本身二值化處理而且清除掉背景色，再進行識別！
我這裏的處理方式是二值化以後，把圖片放大三倍，不要擔憂看着有鋸齒，OCR能夠識別的
當初我把圖片放大兩倍，發現有的時候8會被識別成3，因此我乾脆又放大了一倍，發現不存在這個問題了，雖然看起來鋸齒感很明顯，可是OCR無論美醜

 

你是否是參照案例擼碼了，運行了？而後你發現程序運行報錯了？

這裏要在程序的app.config的startup節點加上 useLegacyV2RuntimeActivationPolicy="true"節點，詳細以下：

<?xml version="1.0" encoding="utf-8" ?>
<configuration>
  <startup useLegacyV2RuntimeActivationPolicy="true">
    <supportedRuntime version="v4.0" sku=".NETFramework,Version=v4.5" />
  </startup>
</configuration>

而後再運行，是否是能夠識別出來了，就是這麼簡單！