用 Rust 结合 Tesseract OCR 进行验证码识别

1. 环境准备
   1.1 安装 Rust
   Rust 可以通过官方的 rustup 安装：

bash

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
安装完成后，检查 Rust 是否安装成功：

bash

rustc --version
1.2 安装 Tesseract OCR
Windows
从 Tesseract GitHub 下载并安装
确保 tesseract.exe 在系统 PATH 中
Linux（Ubuntu）
bash

sudo apt install tesseract-ocr
macOS（Homebrew）
bash

brew install tesseract
安装完成后，检查是否成功安装：

bash

tesseract --version
2. 创建 Rust 项目并安装依赖
创建一个新的 Rust 项目：

bash

cargo new captcha_reader
cd captcha_reader
然后，在 Cargo.toml 中添加 tesseract 相关的 Rust 库：

toml

[dependencies]
tesseract = "0.16.1"
运行以下命令以下载依赖：

cargo build
3. 代码实现
编辑 src/main.rs，写入以下 Rust 代码：

rust

use std::process::Command;
use std::fs;

fn main() {
let image_path = "captcha.png"; // 替换为你的验证码图片路径
let output_file = "captcha_result";

// 调用 Tesseract 进行 OCR 识别
let status = Command::new("tesseract")
    .arg(image_path)
    .arg(output_file)
    .arg("-l")
    .arg("eng")
    .status()
    .expect("无法执行 Tesseract 命令");

if !status.success() {
    eprintln!("Tesseract 识别失败");
    return;
}

// 读取 OCR 识别结果
let text = fs::read_to_string(format!("{}.txt", output_file))
    .expect("无法读取识别结果文件");

// 输出识别结果
println!("识别出的验证码: {}", text.trim());

// 清理临时文件
let _ = fs::remove_file(format!("{}.txt", output_file));

}
4. 代码解析
4.1 使用 Command::new() 调用 Tesseract
rust

let status = Command::new("tesseract")
.arg(image_path)
.arg(output_file)
.arg("-l")
.arg("eng")
.status()
.expect("无法执行 Tesseract 命令");
通过 Rust std::process::Command 调用外部 tesseract 命令
-l eng 指定使用英文 OCR 识别
4.2 读取 OCR 结果
rust

let text = fs::read_to_string(format!("{}.txt", output_file))
.expect("无法读取识别结果文件");
读取 Tesseract 识别的验证码结果文件
4.3 清理临时文件
rust

let _ = fs::remove_file(format!("{}.txt", output_file));
删除 captcha_result.txt 以避免不必要的文件残留
5. 运行程序
确保 captcha.png 存在于项目目录下，然后运行：

bash

cargo run
示例输出：

makefile

识别出的验证码: H7X9G
6. 提高 OCR 识别率
6.1 使用 Tesseract PSM 模式
rust

let status = Command::new("tesseract")
.arg(image_path)
.arg(output_file)
.arg("-l")
.arg("eng")
.arg("--psm")
.arg("6")
.status()
.expect("无法执行 Tesseract 命令");
--psm 6 适用于单行验证码，提高识别率
6.2 设置字符白名单
rust

let status = Command::new("tesseract")
.arg(image_path)
.arg(output_file)
.arg("-l")
.arg("eng")
.arg("-c")
.arg("tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ")
.status()
.expect("无法执行 Tesseract 命令");
限制 Tesseract 只识别数字和大写字母，减少错误识别
6.3 预处理验证码
可以结合 image 库进行验证码预处理，例如：

toml

[dependencies]
image = "0.24"
然后在代码中进行灰度化、二值化等处理：

rust

use image::{DynamicImage, GrayImage, Luma, io::Reader as ImageReader};

fn preprocess_image(input_path: &str, output_path: &str) {
let img = ImageReader::open(input_path)
.expect("无法打开图像文件")
.decode()
.expect("无法解码图像");

let gray_img: GrayImage = img.to_luma8();

// 进行二值化处理
let binary_img = gray_img.map(|p| {
    if p[0] > 128 { Luma([255]) } else { Luma([0]) }
});

binary_img.save(output_path).expect("无法保存处理后的图像");

}
这段代码会将验证码转换为黑白图像，提高识别率