使用 C# 实现英文数字验证码识别：Tesseract OCR 教程

验证码识别在自动化登录、数据采集等场景中非常常见。本篇文章将介绍如何使用 C# 配合 Tesseract OCR 引擎，对验证码图像进行识别，提取其中的英文和数字字符。

一、环境准备

1. 安装 Tesseract
   请先在你的系统中安装 Tesseract：
   更多内容访问ttocr.com或联系1436423940
   Windows 用户可以前往官网下载地址：https://github.com/tesseract-ocr/tesseract

安装路径例如：C:\Program Files\Tesseract-OCR\tesseract.exe

2. 安装 Tesseract C# 封装库
   使用 Tesseract 4 .NET 封装库：

你可以在 Visual Studio 的 NuGet 管理器中搜索 Tesseract 并安装，或使用命令：

Install-Package Tesseract
二、创建识别程序
创建一个新的控制台项目，例如命名为 CaptchaRecognizer。

在 Program.cs 中添加以下代码：

using System;
using Tesseract;

namespace CaptchaRecognizer
{
class Program
{
static void Main(string[] args)
{
string imagePath = "captcha.png"; // 验证码图像路径
string tessDataPath = @"tessdata"; // tessdata 文件夹路径（包含 eng.traineddata）

        try
        {
            using (var engine = new TesseractEngine(tessDataPath, "eng", EngineMode.Default))
            {
                engine.SetVariable("tessedit_char_whitelist", "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789");

                using (var img = Pix.LoadFromFile(imagePath))
                using (var page = engine.Process(img))
                {
                    var text = page.GetText();
                    Console.WriteLine("识别的验证码是: " + text.Trim());
                }
            }
        }
        catch (Exception e)
        {
            Console.WriteLine("发生错误: " + e.Message);
        }
    }
}

}
三、配置文件说明
tessdata 是存放语言训练数据的文件夹，需确保 eng.traineddata 文件位于其中；

可以从官方资源库下载训练数据：https://github.com/tesseract-ocr/tessdata

四、运行程序
确保将验证码图像命名为 captcha.png 并放入项目根目录；

编译并运行项目；

控制台输出识别结果，例如：

识别的验证码是: H29XZ
五、可选优化
你可以先使用图像库（如 AForge.NET 或 OpenCvSharp）对图像进行灰度化、二值化等预处理；

识别效率与准确率可通过图像清晰度和字符类型过滤（白名单）进一步提升。