tesseract在c#中常无法识别验证码，因其默认配置不适应验证码的噪点、扭曲、粘连和低对比度；需预处理：灰度化+自适应二值化，禁用彩色图，转为8位索引格式。
为什么 Tesseract 在 C# 里经常识别不了验证码
不是 Tesseract 不行，是默认配置直接喂原始验证码图，基本必挂。验证码设计本就是反 OCR 的：加噪点、扭曲、粘连、低对比度——而 tesseract 默认只认清晰、高对比、无干扰的印刷体。
实操建议：
- 必须预处理：灰度 + 二值化（别用简单阈值，试试
cv2.adaptiveThreshold或 OpenCV 的threshold配THRESH_OTSU） - 跳过彩色图直输：
Tesseract对彩色通道敏感，先转PixelFormat.Format8bppIndexed再送 - 字体训练几乎没用：验证码是动态生成的，不是固定字体，别花时间跑
tesstrain - 小图（tesseract 会因特征不足直接返回空
C# 调用 tesseract 的两个靠谱路径选哪个
就两条路：Tesseract.NET（封装库）和原生 tesseract.exe 进程调用。前者看着轻，实际坑多；后者糙但可控。
实操建议：
- 用
Tesseract.NET？确认你引用的是net6.0+兼容版（如Tesseract4），老版Tesseract3在 .NET Core+ 上会崩在SetVariable - 更稳的做法是调
Process.Start跑命令行：把图存临时文件，执行tesseract input.png stdout -c tessedit_char_whitelist=0123456789 --psm 8 -
--psm 8是关键：告诉tesseract“这是单行可预测长度文本”，比默认psm 3（全文自动分析）准得多 - 别信“内存流直传”：所有托管封装最终都得落盘或转
Bitmap，绕不开 GDI+ 解码开销
tesseract 返回空或乱码的几个硬核检查点
不是模型坏了，是输入或上下文错了。最常卡在这几处：
- 语言包没加载对：
new TesseractEngine(@"./tessdata", "eng", EngineMode.Default)中"eng"必须对应tessdata目录下有eng.traineddata文件，大小约 30MB，缺一个字节都不行 - 图像 DPI 低于 150：Tesseract 内部按 300dpi 做特征采样，
bitmap.SetResolution(300, 300)比缩放更有效 - 中文验证码？别用
chi_sim.traineddata：它对简短、变形中文识别率极低，不如切分后单字符匹配（比如用EmguCV抠出每个字符再查模板） - 输出含换行或空格？加参数
-c tessedit_create_txt=1并读stdout，别依赖GetWords()——它在短文本下常漏字
验证码识别失败时，比换模型更该做的事
真正上线项目里，90% 的“识别不准”问题，根源不在 OCR 引擎，而在流程设计。
- 加 fallback：识别置信度
result.GetWords().First().Confidence 就走人工审核队列，别硬刷重试 - 缓存已识别过的验证码 hash（比如 MD5 图片 bytes）：很多系统验证码短期复用，命中直接返回
- 别让 OCR 承担全部压力：前端 JS 先做简单规则过滤（如全数字才进 OCR），能挡掉 30%+ 请求
- 注意线程安全：
TesseractEngine实例不能跨线程共用，每个请求 new 一个，或用ObjectPool<tesseractengine></tesseractengine>
验证码本质是人机边界，OCR 只是辅助工具。图像质量、调用节奏、兜底策略，哪一环松了都会让准确率断崖下跌——模型参数反而最不重要。
