C#使用Tesseract OCR 解析验证码
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https://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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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 string code = result[0].Text; textBox1.Text = code; |
识别效果: