使用 Rust 结合 Tesseract OCR 进行验证码识别

1. 环境准备
   1.1 安装 Rust
   如果尚未安装 Rust，可以使用 rustup 进行安装：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
安装完成后，检查版本：

rustc --version
1.2 安装 Tesseract OCR
在 Linux（Ubuntu）上：

sudo apt update
sudo apt install tesseract-ocr libtesseract-dev
在 macOS 上：

brew install tesseract
安装完成后，检查版本：

tesseract --version
1.3 创建 Rust 项目
使用 Cargo 创建一个新项目：

cargo new rust_ocr
cd rust_ocr
1.4 添加依赖
在 Cargo.toml 中添加 leptess 作为 Tesseract OCR 绑定：

[dependencies]
leptess = "0.14"
image = "0.24"
然后运行：

cargo build
2. 代码实现
在 src/main.rs 文件中编写如下代码：
更多内容访问ttocr.com或联系1436423940
use leptess::{LepTess, c_api::PageSegMode};
use image::{GrayImage, Luma, io::Reader as ImageReader};
use std::path::Path;

fn preprocess_image(image_path: &str) -> GrayImage {
let img = ImageReader::open(image_path).unwrap().decode().unwrap().to_luma8();

// 二值化处理（简单阈值法）
let threshold = 128;
let binary_img = img.map(|p| {
    if p[0] > threshold { Luma([255]) } else { Luma([0]) }
});

binary_img

}

fn recognize_captcha(image_path: &str) {
let binary_img = preprocess_image(image_path);

// 保存处理后的图像（可选）
binary_img.save("processed_captcha.png").unwrap();

// 进行 OCR 识别
let mut tess = LepTess::new(None, "eng").unwrap();
tess.set_image("processed_captcha.png");
tess.set_page_seg_mode(PageSegMode::PSM_SINGLE_LINE);

match tess.get_utf8_text() {
    Ok(text) => println!("识别出的验证码: {}", text.trim()),
    Err(e) => println!("OCR 识别失败: {}", e),
}

}

fn main() {
let image_path = "captcha.png";
recognize_captcha(image_path);
}
3. 代码解析
3.1 预处理验证码

fn preprocess_image(image_path: &str) -> GrayImage
转换为灰度

二值化处理，增强对比度

3.2 OCR 解析

let mut tess = LepTess::new(None, "eng").unwrap();
tess.set_image("processed_captcha.png");
tess.set_page_seg_mode(PageSegMode::PSM_SINGLE_LINE);
调用 LepTess 进行 OCR 识别

使用 PSM_SINGLE_LINE 提高验证码识别率

输出识别结果

4. 运行程序
   确保 captcha.png 存在，然后运行：

cargo run
程序会加载验证码图片，进行处理，并输出识别出的文本。

5. 提高 OCR 识别率
   优化 Tesseract 配置

tess.set_variable("tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ").unwrap();
去除噪点（可以使用 imageproc 进行形态学处理）