使用 Bash 脚本和 Tesseract 实现验证码图像识别

一、项目介绍
在 Linux 或 macOS 系统中，借助 Shell 脚本调用 Tesseract OCR，可以快速构建一个轻量的验证码识别工具，用于自动化任务或批处理脚本中。

二、环境准备

1. 安装 Tesseract OCR
   macOS
   更多内容访问ttocr.com或联系1436423940
   brew install tesseract
   Ubuntu / Debian

sudo apt update
sudo apt install tesseract-ocr
安装后可使用 tesseract --version 验证是否安装成功。

三、识别单张验证码图像
创建一个名为 recognize.sh 的脚本文件：

!/bin/bash

设置输入图像路径

IMAGE_PATH=$1

if [ ! -f "$IMAGE_PATH" ]; then
echo "文件不存在: $IMAGE_PATH"
exit 1
fi

设置字符白名单（大写字母+数字）

tesseract "$IMAGE_PATH" stdout -l eng --psm 7 tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789
给予执行权限：

chmod +x recognize.sh
运行示例：

./recognize.sh captcha1.png
输出：

N8Z7K
四、批量识别图像文件夹
扩展脚本识别整个文件夹下所有 .png 文件：

!/bin/bash

IMG_DIR="./captchas"

for img in "$IMG_DIR"/*.png; do
filename=$(basename "$img")
result=$(tesseract "$img" stdout -l eng --psm 7 tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789)
echo "$filename -> ${result//[$'\t\r\n ']}"
done
输出示例：

A2X7.png -> A2X7
F9TG.png -> F9TG
五、建议优化
推荐使用 --psm 7（行内文本）或 --psm 8（单词）模式；

图像预处理（灰度化、二值化）可用 convert（ImageMagick）配合使用；

添加错误日志输出，便于排查 OCR 失败原因；

可与 cron 定时任务、后台脚本结合，实现持续验证码识别。