用 R 语言进行英文数字验证码识别

一、概述
验证码识别是图像处理与字符识别结合的典型应用。虽然 R 主要用于数据分析，但它也支持图像操作和调用 OCR 引擎。本篇将介绍如何使用 R 和 Tesseract 来识别英文数字验证码图像。

二、环境准备

1. 安装 R
   前往 https://cran.r-project.org/ 下载并安装 R。

推荐同时安装 RStudio（IDE）。

2. 安装 Tesseract
   Windows/macOS：访问 https://github.com/tesseract-ocr/tesseract

Linux：运行：

sudo apt install tesseract-ocr
3. 安装 R 包
打开 R 或 RStudio，运行以下代码安装需要的包：

install.packages("tesseract")
install.packages("magick") # 图像处理
三、识别验证码图像
创建一个新的 R 脚本 captcha_recognition.R，并写入以下代码：

library(tesseract)
library(magick)

加载英文 OCR 引擎

eng <- tesseract("eng")

加载图像

img <- image_read("captcha.png")

转为灰度图以增强对比度

gray_img <- image_convert(img, colorspace = "gray")

可选：调整大小、锐化、二值化

gray_img <- image_resize(gray_img, "200x60")
gray_img <- image_threshold(gray_img, type = "white", threshold = "70%")

显示图像（可选）

print(gray_img)

OCR 识别

text <- ocr(gray_img, engine = eng)

清洗结果

text_clean <- gsub("[^A-Za-z0-9]", "", text)
cat("识别的验证码是:", text_clean, "\n")
四、运行程序
将验证码图片命名为 captcha.png 并放在工作目录下，然后运行脚本：

source("captcha_recognition.R")
输出结果示例：
识别的验证码是: X4J9D
五、提升识别率的技巧
图像预处理非常关键：使用 image_threshold()、image_noise()、image_morphology() 进行清洗；

限制识别字符集（如仅限大写字母和数字）：

eng <- tesseract("eng", options = list(tessedit_char_whitelist = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"))
多个识别结果比对：对图像做轻微扰动多次识别，提高准确率。