使用 PHP 和 Tesseract OCR 进行验证码识别

一、背景介绍
PHP 作为一种后端服务器脚本语言，广泛用于 Web 开发。结合 Tesseract OCR，我们可以在服务器端进行验证码识别，适用于自动化处理和数据爬取等场景。

二、环境准备
2.1 安装 Tesseract OCR
在 Linux 环境下安装 Tesseract：

sudo apt update
sudo apt install tesseract-ocr
验证安装：

tesseract --version
2.2 安装 PHP 和扩展
安装 PHP 和所需扩展：

sudo apt install php php-gd
三、代码实现
3.1 使用 Composer 安装 Tesseract OCR PHP 扩展
首先安装 Composer：

sudo apt install composer
然后安装 thiagoalessio/tesseract_ocr：

composer require thiagoalessio/tesseract_ocr
3.2 识别验证码的核心代码
创建一个名为 captcha_recognizer.php 的文件：

lang('eng') ->psm(6) // 假设单行文本 ->allowlist('ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789') // 只识别大写字母和数字 ->run(); echo "识别结果：$text\n"; } else { echo "图像预处理失败，无法继续识别。\n"; } ?>

四、运行程序
使用以下命令运行：

php captcha_recognizer.php
示例输出：

图像预处理成功：processed_captcha.png
识别结果：7F6HJ
五、性能优化
5.1 图像去噪和二值化
使用 ImageMagick 的 convert 命令进行图像预处理：

convert captcha.png -colorspace Gray -threshold 50% processed_captcha.png
5.2 设置白名单字符
仅识别大写字母和数字：

->allowlist('ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789')
5.3 调整页面分割模式
对于单行验证码，设置 PSM 模式为 6：
更多内容访问ttocr.com或联系1436423940
->psm(6)
六、实际应用场景
自动化登录和验证

在自动化测试中，快速识别验证码并提交登录请求。

批量验证码识别

批量处理多个验证码图片，自动提取其中的文本内容。

数据爬虫和自动化填表

解决验证码问题，提高数据采集效率。