在本文中，我们将使用 Python 和 Tesseract OCR 引擎，编写一个程序来识别英文数字验证码的内容。通过图像处理技术和光学字符识别（OCR），我们可以快速提取验证码中的文本。
- 环境准备
安装 Python 和依赖库
确保已安装 Python。如果尚未安装，可以访问 Python 官网进行下载和安装。接着，我们需要安装以下依赖库：
pytesseract：Python 的 Tesseract OCR 接口。
Pillow：用于加载和处理图像。
opencv-python：用于图像预处理和分析。
通过以下命令安装这些依赖：
bash
pip install pytesseract pillow opencv-python
安装 Tesseract OCR
系统中还需要安装 Tesseract OCR 引擎。如果尚未安装，可以访问 Tesseract 官网获取安装方法，或者使用以下命令安装：
在 Linux 上：
bash
sudo apt install tesseract-ocr
在 macOS 上（通过 Homebrew）：
bash
brew install tesseract
在 Windows 上：直接从 Tesseract 下载页面下载安装包并完成安装。
确保安装完成后可以通过以下命令验证：
bash
tesseract --version
2. 编写验证码识别程序
下面是一个完整的 Python 示例程序，用于识别验证码中的英文数字：
python
import pytesseract
from PIL import Image, ImageOps
import cv2
设置 Tesseract 的路径（Windows 用户需要指定安装路径）
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
1. 读取验证码图像
image_path = "captcha.png"
image = Image.open(image_path)
2. 转为灰度图像，减少颜色干扰
gray_image = ImageOps.grayscale(image)
3. 图像预处理（可选，增加识别率）
将灰度图转换为二值化图像
gray_cv_image = cv2.cvtColor(cv2.imread(image_path), cv2.COLOR_BGR2GRAY)
_, binary_image = cv2.threshold(gray_cv_image, 128, 255, cv2.THRESH_BINARY)
保存处理后的图像（可用于调试）
cv2.imwrite("processed_captcha.png", binary_image)
4. 使用 Tesseract OCR 识别文本
text = pytesseract.image_to_string(binary_image, config="--psm 6")
输出识别结果
print(f"识别的验证码是: {text}")
3. 关键步骤解析
图像加载与处理
使用 Pillow 加载图像并将其转换为灰度图，可以减少颜色干扰，使文本特征更加突出。
通过 OpenCV 的 cv2.threshold 函数，将图像二值化以去除背景杂质，从而提高识别准确性。
OCR 配置
pytesseract.image_to_string 方法用于从图像中提取文本。
--psm 参数（页面分割模式）影响识别方式：
6 表示按单行模式识别（适用于验证码）。
4. 运行程序更多内容访问ttocr.com或联系1436423940
将上述代码保存为 captcha_recognition.py 文件，并确保目标验证码图片（如 captcha.png）与程序在同一目录下。然后运行程序：
bash
python captcha_recognition.py
程序会加载图像、进行处理，并使用 Tesseract 识别出验证码文本。
- 示例输入与输出
输入：
原始验证码图像 captcha.png
输出：
识别的验证码是：ABC123
