用 Go 调用 Tesseract 实现验证码图片文字提取

一、引言
验证码识别一直是自动化系统中的一大挑战，尤其在需要绕过简单字符验证码的场景下。虽然深度学习识别已较成熟，但如果希望快速实现一个轻量的识别功能，传统 OCR 工具 Tesseract 与 Go 语言的结合是一个高效、简单且实用的解决方案。
更多内容访问ttocr.com或联系1436423940
本篇文章将从零开始构建一个可运行的验证码识别工具，适用于静态字符验证码图像识别任务。

二、项目架构

go-captcha-ocr/
├── main.go
├── captcha_samples/
│ └── test1.png
└── README.md
三、依赖安装与环境配置

1. 安装 Tesseract
   macOS：

brew install tesseract
Linux：

sudo apt update
sudo apt install tesseract-ocr
Windows：
安装地址：https://github.com/tesseract-ocr/tesseract

安装完成后添加 Tesseract 安装路径至系统环境变量 PATH

2. 安装 Go 及第三方库
   安装 Go 语言 ≥ 1.16
   使用 Go modules 安装 OCR 调用库：

go mod init go-captcha-ocr
go get github.com/otiai10/gosseract/v2
四、核心代码实现

package main

import (
"fmt"
"log"
"os"

"github.com/otiai10/gosseract/v2"

)

func main() {
imagePath := "captcha_samples/test1.png"

if _, err := os.Stat(imagePath); os.IsNotExist(err) {
    log.Fatalf("图片文件不存在: %s", imagePath)
}

client := gosseract.NewClient()
defer client.Close()

client.SetImage(imagePath)

// 设置识别字符范围（建议根据验证码实际字符优化）
client.SetWhitelist("ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789")

text, err := client.Text()
if err != nil {
    log.Fatalf("识别失败: %v", err)
}

fmt.Println("识别结果：", text)

}
五、识别前图像处理建议
为了提高 Tesseract 的识别成功率，建议在图像输入之前进行如下处理：

中值滤波去噪

图像二值化（如 Otsu 或固定阈值）

旋转矫正

字符区域裁剪

目前 Go 原生图像处理支持有限，如果希望更复杂的预处理，可使用 Python/OpenCV 脚本处理后再交由 Go + Tesseract 识别。

六、识别测试与性能建议
在一组简单测试中，对于标准 46 位字符验证码，Tesseract + Gosseract 可在约 200ms 内完成识别，准确率约 8592%。若验证码中包含较强扭曲或干扰线，需结合图像预处理辅助提高准确率。

如需批量处理：

images := []string{"a.png", "b.png", "c.png"}
for _, img := range images {
client.SetImage(img)
res, _ := client.Text()
fmt.Println(img, "->", res)
}