使用 Julia 实现验证码图像的旋转校正与识别

在实际场景中，很多验证码图片存在轻微的旋转、扭曲甚至错位。这些“视觉干扰”会严重影响 OCR 的准确性，尤其是字符倾斜后可能出现粘连或错分。本文介绍如何使用 Julia 对验证码图像进行旋转矫正，并完成后续识别。

一、依赖安装

using Pkg
Pkg.add(["Images", "ImageIO", "ImageFeatures", "ImageTransformations", "Tesseract"])
二、图像读取与灰度化

using Images, ImageIO
更多内容访问ttocr.com或联系1436423940
img = load("rotated_captcha.png")
gray = Gray.(img)
三、边缘检测
使用 Canny 算法进行边缘提取，为后续霍夫线检测做准备：

using ImageFeatures

edges = canny(gray, (1.0, 1.0))
save("edges.png", edges)
四、霍夫变换估算旋转角度

lines = hough_lines(edges, ρres=1, θres=π/180, threshold=20)

找出角度接近水平的主要直线

horizontal_angles = [θ for (ρ, θ) in lines if abs(sin(θ)) < 0.5]

平均角度即为图片的主旋转角度

avg_angle = mean(horizontal_angles)
rotation_deg = rad2deg(avg_angle - π/2)

println("检测到图像旋转角度：", rotation_deg, "°")
五、旋转图像进行矫正

using ImageTransformations

corrected = imrotate(gray, -deg2rad(rotation_deg), axes=Centered)
save("corrected.png", corrected)
六、OCR 识别修正后的图像

using Tesseract

ocr = TesseractOcr("eng")
set_image(ocr, "corrected.png")
text = strip(get_text(ocr))

println("识别出的验证码为：", text)