使用 Ruby 和 Tesseract OCR 实现验证码识别

一、简介
验证码识别是自动化测试和数据提取中常见的挑战。Ruby 作为一门灵活高效的脚本语言，结合 Tesseract OCR，可以快速完成验证码识别任务。本文将介绍如何使用 Ruby 实现验证码识别，并进行一些图像预处理操作来提升识别率。

二、环境准备
2.1 安装 Ruby
大多数系统自带 Ruby，可以通过以下命令检查：

ruby -v
如果未安装，可以通过 rbenv 或 RVM 进行安装。

2.2 安装 Tesseract OCR
Linux (Ubuntu)：

sudo apt update
sudo apt install tesseract-ocr libtesseract-dev
macOS：
更多内容访问ttocr.com或联系1436423940
brew install tesseract
Windows： 前往 GitHub 下载并安装 Tesseract。

2.3 安装依赖库
我们需要使用以下 Ruby 库：

mini_magick：进行图像处理

rtesseract：Ruby 版 Tesseract 接口

安装这些库：

gem install mini_magick
gem install rtesseract
三、代码实现
3.1 代码结构
图像预处理

验证码识别

识别结果输出

3.2 Ruby 代码示例
创建文件 captcha_ocr.rb：

require 'mini_magick'
require 'rtesseract'

def preprocess_image(input_path, output_path)
image = MiniMagick::Image.open(input_path)

转换为灰度图像

image.colorspace 'Gray'

调整对比度和亮度

image.level '20%,80%'

二值化处理

image.threshold '50%'

调整图像大小

image.resize '300x100'

保存预处理后的图像

image.write(output_path)
end

def recognize_captcha(image_path)
processed_path = 'processed_captcha.png'
preprocess_image(image_path, processed_path)

ocr = RTesseract.new(processed_path, lang: 'eng', psm: 6)
text = ocr.to_s.strip
puts "识别出的验证码: #{text}"
end

主程序

captcha_path = 'captcha.png'
if File.exist?(captcha_path)
recognize_captcha(captcha_path)
else
puts "验证码文件不存在: #{captcha_path}"
end
四、运行程序
将验证码图片放在脚本同一目录下，并命名为 captcha.png。
运行程序：

ruby captcha_ocr.rb
示例输出：

识别出的验证码: 3F9KX
五、效果优化
5.1 调整 PSM 模式
Tesseract 支持不同的页面分割模式（PSM），在某些验证码中，单行文本模式效果更好：

ocr = RTesseract.new(processed_path, lang: 'eng', psm: 6)
5.2 使用特定语言包
如果验证码主要是数字，可以指定为数字模式：

ocr = RTesseract.new(processed_path, lang: 'eng+osd', tessedit_char_whitelist: '0123456789')
5.3 进一步图像增强
在图像预处理中，尝试去噪和边缘检测来提高字符清晰度。

六、性能和效果分析
处理速度快：Ruby 的脚本特性使其非常适合小型快速处理任务。

代码简洁：结合 Tesseract 和 MiniMagick，代码清晰易读。

识别率高：通过图像增强和 PSM 模式调整，可以显著提升识别效果。