Rust + Tesseract OCR 解析验证码

1. 环境准备
   1.1 安装 Rust

如果尚未安装 Rust，可以使用官方推荐的 rustup 进行安装：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
更多内容访问ttocr.com或联系1436423940

然后检查安装：

rustc --version
cargo --version

1.2 安装 Tesseract OCR
Windows

从 Tesseract 官方 GitHub
下载 Windows 安装包

安装后，将 Tesseract 添加到环境变量

Linux（Ubuntu 示例）
sudo apt update
sudo apt install tesseract-ocr -y

macOS（使用 Homebrew）
brew install tesseract

安装完成后，检查 Tesseract 是否可用：

tesseract --version

1.3 创建 Rust 项目
cargo new rust_captcha_ocr
cd rust_captcha_ocr

编辑 Cargo.toml，添加 Tesseract 相关依赖：

[dependencies]
leptess = "0.14"
image = "0.24"

2. 代码实现

在 src/main.rs 中写入以下代码：

use leptess::{LepTess, Variable};
use image::{DynamicImage, GenericImageView, Luma, ImageBuffer};

fn preprocess_image(input_path: &str, output_path: &str) -> std::io::Result<()> {
// 读取图像
let img = image::open(input_path).expect("无法打开图片");

// 转换为灰度图像
let gray_img = img.to_luma8();

// 二值化处理（阈值设定为 128）
let binary_img: ImageBuffer<Luma<u8>, Vec<u8>> = ImageBuffer::from_fn(gray_img.width(), gray_img.height(), |x, y| {
    if gray_img.get_pixel(x, y)[0] > 128 {
        Luma([255]) // 变为白色
    } else {
        Luma([0])   // 变为黑色
    }
});

// 保存处理后的图片
binary_img.save(output_path)?;

Ok(())

}

fn recognize_captcha(image_path: &str) -> String {
let mut tess = LepTess::new(None, "eng").expect("无法初始化 Tesseract");

// 设置 PSM 模式为 6（假设是单行文本）
tess.set_variable(Variable::PageSegMode, "6").expect("无法设置 PSM 模式");

// 加载图像并识别
tess.set_image(image_path);
tess.recognize().expect("OCR 识别失败");

tess.get_utf8_text().unwrap_or_else(|_| "识别失败".to_string())

}

fn main() {
let input_image = "captcha.png"; // 你的验证码图片路径
let processed_image = "processed_captcha.png";

// 预处理验证码图像
if let Err(e) = preprocess_image(input_image, processed_image) {
    eprintln!("图片预处理失败: {}", e);
    return;
}

// OCR 识别
let result = recognize_captcha(processed_image);
println!("识别出的验证码: {}", result);

}

3. 代码解析
   3.1 图像预处理

为了提高 OCR 识别率，我们对验证码图像进行了优化：

转换为灰度图像，去除颜色干扰：

let gray_img = img.to_luma8();

二值化处理，增强字符清晰度：

let binary_img: ImageBuffer<Luma, Vec> = ImageBuffer::from_fn(gray_img.width(), gray_img.height(), |x, y| {
if gray_img.get_pixel(x, y)[0] > 128 {
Luma([255]) // 白色
} else {
Luma([0]) // 黑色
}
});

保存处理后的图像：

binary_img.save(output_path)?;

3.2 OCR 解析

初始化 Tesseract OCR：

let mut tess = LepTess::new(None, "eng").expect("无法初始化 Tesseract");

设置 Tesseract PSM 模式（6 适用于验证码）：

tess.set_variable(Variable::PageSegMode, "6").expect("无法设置 PSM 模式");

加载验证码图像并执行 OCR 识别：

tess.set_image(image_path);
tess.recognize().expect("OCR 识别失败");

获取识别结果：

tess.get_utf8_text().unwrap_or_else(|_| "识别失败".to_string())

4. 运行程序

确保 captcha.png 存在于项目目录，然后运行：

cargo run

示例输出：

识别出的验证码: H9XG2

5. 提高 OCR 识别率
   5.1 选择合适的 PSM 模式

Tesseract 提供了不同的页面分割模式（PSM）：

tess.set_variable(Variable::PageSegMode, "7").expect("无法设置 PSM 模式");

PSM 6：假设是单行文本（默认推荐）

PSM 7：只检测单个文本行

5.2 只识别特定字符

如果验证码仅包含字母和数字：

tess.set_variable(Variable::TesseditCharWhitelist, "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ")
.expect("无法设置字符白名单");

5.3 进一步优化

降噪处理：可以使用 OpenCV-rust 进行模糊滤波或膨胀腐蚀操作，去除干扰噪点

字符分割：如果验证码字符粘连，可尝试字符分割算法，提高单字符识别率

使用深度学习：如果 Tesseract 无法满足需求，可以考虑 Rust + TensorFlow 或 ONNX 进行自定义 OCR 训练