JAVA验证码识别：基于jTessBoxEditorFX和Tesseract-OCR训练样本
JAVA验证识别：基于jTessBoxEditorFX和Tesseract-OCR训练样本
工具准备：
jTessBoxEditorFX下载：https://github.com/nguyenq/jTessBoxEditorFX
Tesseract-OCR下载：https://sourceforge.net/projects/tesseract-ocr/
主要步骤：
- JTessBoxEditorFX，Tesseract-OCR（环境变量配置）下载，jar包准备（maven，见下面pom文件）
- 下载验证码到本地（代码）
- 转换验证码图片格式
- 将转换后的验证码去噪二值化，剪切边缘（代码）
- 使用jTessBoxEditorFX进行.box文件的校对（改正识别错误的验证码）：https://www.cnblogs.com/zhongtang/p/5555950.html
- 使用tesseract命令行进行.traineddata的生成，然后在java中调用：https://www.cnblogs.com/zhongtang/p/5555950.html
代码如下：
package yanZhengMaTest.pikachu; import java.awt.image.BufferedImage; import java.io.BufferedInputStream; import java.io.File; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.IOException; import java.net.MalformedURLException; import java.net.URL; import javax.imageio.ImageIO; import javax.net.ssl.HttpsURLConnection; import org.opencv.core.Core; import org.opencv.core.CvType; import org.opencv.core.Mat; import org.opencv.core.Rect; import org.opencv.core.Size; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; import net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.TesseractException; public class Test { static { System.loadLibrary(Core.NATIVE_LIBRARY_NAME); }; // 用来调用OpenCV库文件,必须添加 public static void main(String[] args) throws FileNotFoundException, IOException, InterruptedException { //保存验证码的文件夹 File imgFile = new File("C:\\Users\\pc\\Desktop\\formPic\\unFormPic"); //验证码保存地址 String downAddress = "C:\\Users\\pc\\Desktop\\formPic\\unFormPic\\"; //验证码下载地址 String downURL = "https://www.qichamao.com/usercenter/varifyimage?t=0.6488481170232967"; if (imgFile.listFiles().length < 400) { for (int i = 1; i <= 400; i++) { downloadPic(downURL, downAddress + i + ".gif"); Thread.sleep(10 + (i % 100)); } } //获取保存的验证码并转换为tif格式（Tesseract不支持识别gif图片） File imgFile0 = new File("C:\\Users\\pc\\Desktop\\formPic\\unFormPic"); for (File image : imgFile0.listFiles()) { changePicFormat("tif", image, "C:\\Users\\pc\\Desktop\\formPic\\formedPic\\"); } System.out.println("图片格式转换成功"); //获取转换为tif格式后的验证码，并进行加工（图片去噪，二值化），增加验证码识别度 int picNum = 1; File imageFile1 = new File("C:\\Users\\pc\\Desktop\\formPic\\formedPic"); for (File image : imageFile1.listFiles()) { filterPic(image.getName(), picNum + ".tif"); picNum++; } //获取加工后的 File resultImgs = new File("C:\\Users\\pc\\Desktop\\result_cut"); for (File link : resultImgs.listFiles()) { String reslut = getResult(link); System.out.println(link.getName() + "识别结果：" + reslut); } } // 图片处理及处理后的图片储存 public static void filterPic(String imgName, String fileName) throws FileNotFoundException, IOException { // 图片去噪 Mat src = Imgcodecs.imread("C:\\Users\\pc\\Desktop\\formPic\\formedPic\\" + imgName, Imgcodecs.IMREAD_UNCHANGED); Mat dst = new Mat(src.width(), src.height(), CvType.CV_8UC1); if (src.empty()) { System.out.println("没有图片"); } else { System.out.println("图片处理成功"); } Imgproc.boxFilter(src, dst, src.depth(), new Size(3.2, 3.2)); Imgcodecs.imwrite("C:\\Users\\pc\\Desktop\\filter\\" + fileName, dst); // 图片阈值处理，二值化 Mat src1 = Imgcodecs.imread("C:\\Users\\pc\\Desktop\\filter\\" + fileName, Imgcodecs.IMREAD_UNCHANGED); Mat dst1 = new Mat(src1.width(), src1.height(), CvType.CV_8UC1); Imgproc.threshold(src1, dst1, 165, 200, Imgproc.THRESH_TRUNC); Imgcodecs.imwrite("C:\\Users\\pc\\Desktop\\process\\" + fileName, dst1); // 图片截取 Mat src2 = Imgcodecs.imread("C:\\Users\\pc\\Desktop\\process\\" + fileName, Imgcodecs.IMREAD_UNCHANGED); Rect roi = new Rect(4, 2, src2.cols() - 7, src2.rows() - 4); // 参数：x坐标，y坐标，截取的长度，截取的宽度 Mat dst2 = new Mat(src2, roi); Imgcodecs.imwrite("C:\\Users\\pc\\Desktop\\result_cut\\" + fileName, dst2); } // 获取验证码 public static String getResult(File imageFile) { if (!imageFile.exists()) { System.out.println("图片不存在"); } Tesseract tessreact = new Tesseract(); tessreact.setDatapath("F:\\Program Files (x86)\\Tesseract-OCR\\tessdata"); tessreact.setLanguage("fontyp"); //将默认库设置为自己训练的库 String result; try { result = tessreact.doOCR(imageFile); return result; } catch (TesseractException e) { e.printStackTrace(); return null; } } /** * 图片格式转换 * * @param outputFormat * 转换的格式 * @param file * 要转换的图片 * @param downAddress * 转换后保存的地址 * @sourse: http://www.open-open.com/code/view/1453300186683 */ public static void changePicFormat(String outputFormat, File image, String downAddress) { try { BufferedImage bim = ImageIO.read(image); File output = new File( downAddress + image.getName().substring(0, image.getName().lastIndexOf(".") + 1) + outputFormat); ImageIO.write(bim, outputFormat, output); } catch (IOException e) { e.printStackTrace(); } } /** * 下载验证码 * * @param picUrl * 验证码获取地址 * @param address * 图片保存地址 */ public static void downloadPic(String picUrl, String imgAddress) { try { URL url = new URL(picUrl); HttpsURLConnection conn = (HttpsURLConnection) url.openConnection(); //需要设置头信息，否则会被识别为机器而获取不到验证码图片 conn.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36"); conn.connect(); int result = -1; byte[] buf = new byte[1024]; BufferedInputStream bis = new BufferedInputStream(conn.getInputStream()); FileOutputStream fos = new FileOutputStream(imgAddress); while ((result = bis.read(buf)) != -1) { fos.write(buf); } fos.flush(); fos.close(); bis.close(); System.out.println("图片下载成功"); } catch (MalformedURLException e) { System.out.println("图片读取失败"); e.printStackTrace(); } catch (IOException e) { System.out.println(); e.printStackTrace(); } } }
pom文件：
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>4.1.1</version>
<exclusions>
<exclusion>
<groupId>com.sun.jna</groupId>
<artifactId>jna</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.openpnp</groupId>
<artifactId>opencv</artifactId>
<version>3.2.0-0</version>
</dependency>
参考文章：
opensv的使用：https://blog.csdn.net/u012706811/article/details/52779271 opensv教程：https://www.w3cschool.cn/opencv/opencv-me9i28vh.html opensv二值化：https://blog.csdn.net/liyuqian199695/article/details/53925046 opensv的maven地址：https://mvnrepository.com/artifact/org.openpnp/opencv/3.4.2-0 opensv图片过滤：https://blog.csdn.net/u012393192/article/details/78528550 opensv图片修剪：https://blog.csdn.net/sileixinhua/article/details/72811093 opensv案例含tesserate命令：https://www.cnblogs.com/zhongtang/p/5555950.html 附好文：https://blog.csdn.net/lmj623565791/article/details/23960391
异常处理：
1. 加载库异常：
Exception in thread "main" java.lang.UnsatisfiedLinkError: no opencv_java320 in java.library.path at java.lang.ClassLoader.loadLibrary(ClassLoader.java:1867) at java.lang.Runtime.loadLibrary0(Runtime.java:870) at java.lang.System.loadLibrary(System.java:1122) at yanZhengMaTest.pikachu.Test.<clinit>(Test.java:38)
解决：
将以下图片位置的路径设置为：G:\Program Files (x86)\apache-maven\repo\org\openpnp\opencv\3.2.0-0\opencv-3.2.0-0\nu\pattern\opencv\windows\x86_64（根据自己maven的opencv包地址进行指定）。
2. jdk版本和opencv版本不匹配（Exception in thread "main" java.lang.UnsatisfiedLinkError: no jniopencv_highgui in java.library.path）
解决：更换opencv版本
3. 使用命令行生成.tr文件时候出现异常：
Page 406 Warning. Invalid resolution 1 dpi. Using 70 instead. Estimating resolution as 269 Error during processing.
解决：可能图片转换格式或者下载的时候出错，将图片替换即可
