Python中如何使用ddddocr库快速识别文字点选验证码？-Python教程-PHP中文网

直接调用 ddddocr.ddddocr() 识别点选验证码会失败，因默认未启用检测模型；必须使用 ddddocr(det=true) 初始化，再调用 detection() 获取含坐标的识别结果。

python中如何使用ddddocr库快速识别文字点选验证码？

为什么直接调用 `ddddocr.DdddOcr()` 识别点选验证码会失败？

因为点选验证码不是普通 OCR 场景——它要求模型先定位图中文字位置，再返回坐标，而不是只输出文本。默认初始化的 DdddOcr 实例只启用了文字识别（old_version=False），没加载点选专用模型。你看到的空列表、None 或报错 AttributeError: 'DdddOcr' object has no attribute 'classification' 都源于此。

必须显式启用点选模式：DdddOcr(det=True)。注意不是 det=True, rec=False（那是检测+不识别，但点选需要识别每个字并定位）——det=True 已隐含启用文字检测与单字识别双能力。

det=True：加载带目标检测能力的模型，输出每个文字的 bounding box 和文本
不要传 old_version=True：老版本不支持点选，且已弃用
首次运行会自动下载 det.onnx 模型文件（约 20MB），默认缓存到 ~/.ddddocr/，若网络受限需手动放好

如何正确调用 `ocr.detection()` 获取文字坐标？

detection() 是点选场景唯一有效的入口函数，它返回的是 list[list]：外层每个元素对应一个检测到的文字，内层是 [x1, y1, x2, y2, text]（左上+右下坐标 + 识别结果）。不是字符串，也不是字典。

常见错误是误用 ocr.classification(img)（这是纯文本识别）或对 detection() 结果做字符串操作。

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

输入必须是 PIL.Image 或 numpy.ndarray（BGR 或 RGB 均可，库内部会转灰度）
若用 OpenCV 读图：cv2.imread() 返回 BGR，可直接传；但记得别再 cv2.cvtColor(..., cv2.COLOR_BGR2RGB) 多此一举
返回坐标是整数像素值，原图尺寸未缩放——确保你点击时用的是同一张图的原始尺寸

from ddddocr import DdddOcr
import cv2
<p>ocr = DdddOcr(det=True)
img = cv2.imread("click_captcha.png")  # BGR 格式，直接传
res = ocr.detection(img)  # 返回 [[x1,y1,x2,y2,"苹果"], [x1,y1,x2,y2,"香蕉"]]
print(res)</p>

怎么把识别出的坐标转换成「点击中心点」？

点选验证码要求点击文字区域中心，不是左上角。直接取 (x1, y1) 会点偏，多数平台判定失败。

detection() 返回的是矩形框，中心点就是 ((x1+x2)//2, (y1+y2)//2)。注意：OpenCV 坐标系 y 向下增长，但点击坐标通常也是按屏幕 y 向下理解，所以无需翻转。

如果返回多个字（如“苹果香蕉”），res 是长度为 2 的列表，需分别算各自中心
若题目要求“点击所有‘苹果’”，得先过滤 item[4] == "苹果"，再取其坐标
某些验证码字间距极小，模型可能把两个字框进同一个 box——这时要靠后处理切分，但 ddddocr 不提供该能力，得换方案

遇到识别不准或漏字怎么办？

点选验证码本身对抗性强，ddddocr 的检测模型在小字体、粘连、低对比度下容易失效。别指望一次调用就 100% 准确。

预处理图像往往比换参数更有效：用 cv2.threshold() 二值化、cv2.GaussianBlur() 降噪、或 cv2.resize() 放大 2× 再识别
ocr.detection() 没有置信度阈值参数，无法过滤低置信结果——你只能靠后验规则，比如过滤掉高度
部分网站用动态干扰线或文字扭曲，此时 ddddocr 无能为力，需结合模板匹配或重试机制
模型对简体中文鲁棒，但遇到生僻字、emoji、字母数字混排，准确率明显下降

真正难的不是调通 API，而是把识别结果和业务逻辑对齐：题目问的是“点击图中所有动物”，你得知道“苹果”是不是动物——这层语义判断，ddddocr 不负责，也做不到。