用 C# 和 Tesseract OCR 识别验证码

1. 安装 Tesseract OCR 和相关依赖

在 C# 中使用 Tesseract，需要通过 NuGet 安装 Tesseract 包。

安装 Tesseract NuGet 包

打开 Visual Studio。

在项目中右键点击 NuGet 包管理器 > 管理 NuGet 包。

搜索 Tesseract 并安装最新版本的包。

Install-Package Tesseract

2. 编写 C# 代码

在项目中创建一个新的类（例如 CaptchaRecognizer.cs），并编写以下代码：

using System;
using Tesseract;
using System.Drawing;

class CaptchaRecognizer
{
static void Main()
{
// 初始化 Tesseract OCR 引擎
string datapath = @"./tessdata"; // tessdata 文件夹路径，需确保包含训练数据文件（如 eng.traineddata）
string language = "eng"; // 选择语言，默认英文
try
{
// 创建 Tesseract 实例
using (var engine = new TesseractEngine(datapath, language, EngineMode.Default))
{
// 加载验证码图片
using (var img = Pix.LoadFromFile("captcha_image.png"))
{
// 设置图片进行 OCR 识别
using (var page = engine.Process(img))
{
// 获取 OCR 识别的文本
string result = page.GetText();
Console.WriteLine("识别的验证码是: " + result);
}
}
}
}
catch (Exception ex)
{
Console.WriteLine("发生错误: " + ex.Message);
}
}
}

3. 代码解释

初始化 Tesseract 引擎：通过 TesseractEngine 类初始化 Tesseract 引擎。datapath 为 Tesseract 训练数据的文件夹路径，language 为使用的语言（这里是英文）。

加载验证码图像：使用 Pix.LoadFromFile("captcha_image.png") 加载图像文件。你需要提供图像文件的正确路径。

OCR 识别：调用 engine.Process(img) 对图像进行处理，得到识别的结果。然后通过 page.GetText() 提取识别出的文本。

捕获异常：通过 try-catch 语句捕获可能的错误，例如文件未找到或者路径错误等。

4. 准备 Tesseract 数据文件

你需要下载 Tesseract 训练数据文件（例如 eng.traineddata），并将其放置在 tessdata 文件夹中。你可以从 Tesseract 的官方 GitHub 页面下载训练数据：Tesseract Trained Data
。

确保 tessdata 文件夹路径与项目中的路径一致。

5. 运行程序

确保已经安装了 Tesseract 的训练数据并配置正确，运行该程序时，控制台会输出识别的验证码内容，例如：

识别的验证码是: 9g3r1

6. 改进和优化

图像预处理：

你可以使用 OpenCvSharp（C# 的 OpenCV 封装）对验证码图像进行预处理，如二值化、去噪等，以提高识别的准确性。

安装 OpenCvSharp：

Install-Package OpenCvSharp4

处理复杂验证码：

对于复杂的验证码（如有干扰线、背景噪声等），可能需要图像处理技术（如去噪、边缘检测等）来提高识别的准确率。

7. 示例：使用 OpenCV 进行图像预处理

下面是一个简单的示例，演示如何在 C# 中使用 OpenCV 对验证码进行二值化处理，并与 Tesseract 配合使用。

using OpenCvSharp;
using Tesseract;
using System;

class CaptchaRecognizer
{
static void Main()
{
// 加载验证码图像
Mat img = Cv2.ImRead("captcha_image.png");

    // 将图像转换为灰度图
    Mat gray = new Mat();
    Cv2.CvtColor(img, gray, ColorConversionCodes.BGR2GRAY);

    // 对灰度图像进行二值化处理
    Mat binary = new Mat();
    Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary);

    // 将处理后的图像保存
    Cv2.ImWrite("processed_captcha.png", binary);

    // 使用 Tesseract 识别处理后的图像
    string datapath = @"./tessdata";
    string language = "eng"; // 英文

    try
    {
        using (var engine = new TesseractEngine(datapath, language, EngineMode.Default))
        {
            using (var processedImg = Pix.LoadFromFile("processed_captcha.png"))
            {
                using (var page = engine.Process(processedImg))
                {
                    string result = page.GetText();
                    Console.WriteLine("识别的验证码是: " + result);
                }
            }
        }
    }
    catch (Exception ex)
    {
        Console.WriteLine("发生错误: " + ex.Message);
    }
}

}