直接调用pytesseract.image_to_string(img)失效，因验证码含干扰线、噪点、低对比度等，需先灰度化、高斯模糊降噪、自适应二值化预处理，并配置psm 8、oem 3及字符白名单参数。

纯 Python 实现的验证码识别（OCR）脚本，对大多数简单、无干扰、固定字体的数字/字母验证码有效；但遇到扭曲、粘连、噪点、背景干扰强的图片，pytesseract 直接调用基本会失效——这不是参数调得不够，而是模型没训练过这类样本。

为什么不能直接 pytesseract.image_to_string(img) 就完事？

因为原始验证码图通常包含干扰线、随机噪点、低对比度、轻微扭曲，pytesseract 默认配置只适合清晰印刷体文本。直接喂图，识别率可能低于 30%。

• 常见错误现象：pytesseract.image_to_string() 返回空字符串、乱码（如 'O0DQ' → '0000' 或 '1lI' → '111'）
• 根本原因：tesseract 未做预处理，二值化阈值不合适，字符未分离，或字体不在其默认语言包中
• 关键动作不是换模型，而是把图“洗”干净——灰度→降噪→二值化→去线→字符切分（可选）

预处理必须做的三步：cv2 + PIL 配合

不用重写算法，用 OpenCV 和 Pillow 做轻量级清洗，比调 tesseract 参数更见效。

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

• 先转灰度：img = img.convert('L')（PIL），避免彩色通道干扰
• 高斯模糊降噪（抑制椒盐噪点）：cv2.GaussianBlur(np.array(img), (3, 3), 0)
• 自适应二值化比固定阈值鲁棒：cv2.adaptiveThreshold(img_arr, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)；注意块大小（11）需为奇数，且大于单字符宽度
• 可选：用形态学操作清理细线：cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)，kernel = np.ones((1,2), np.uint8) 横向闭合断开的数字笔画

pytesseract 调用时的关键参数组合

不加配置的调用等同于放弃控制权。以下参数组合针对短验证码（4–6位）实测提升明显：

• 指定白名单（大幅减少误识）：config='--psm 8 --oem 3 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyz'（--psm 8 表示“单行文本”，--oem 3 用 LSTM 模型）
• 图像尺寸建议放大 2×：小图（img.resize((img.width * 2, img.height * 2), Image.Resampling.LANCZOS)
• 避免中文路径/空格路径：Windows 下若 tesseract 安装在 C:\Program Files\Tesseract-OCR\tesseract.exe，必须用 pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' 显式指定，否则报错 FileNotFoundError: [WinError 2] 系统找不到指定的文件

绕不开的硬限制：什么时候该停手？

如果验证码含以下任意一项，Python + 开源 OCR 的自动化脚本就该转向其他方案（如打码平台、微调 CRNN 模型）：

• 字符之间有明显粘连（如 '69' 连成一个 blob）
• 存在非均匀扭曲（如每字符独立旋转 ±15°）
• 背景是复杂纹理/渐变/水印图
• 字体每次请求都动态变化（非固定几款字体）

强行加滤镜、膨胀腐蚀、投影切割，只会让识别结果更随机——这时候花半天调参，不如用 requests + 手动输入一次，把 session cookie 复用起来。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！