怎么在Python中通过OCR识别图文混排的英文数字验证码？-Python教程-PHP中文网

直接上结论：用pytesseract+预处理是当前最可行的方案，但必须放弃“一图一调用就出结果”的幻想——图文混排的英文数字验证码（如字符粘连、带干扰线、有旋转或阴影）天然不适合默认ocr流程，不预处理基本识别不了。

怎么在python中通过ocr识别图文混排的英文数字验证码？

直接上结论：用 pytesseract + 预处理是当前最可行的方案，但必须放弃“一图一调用就出结果”的幻想——图文混排的英文数字验证码（比如字符粘连、带干扰线、有旋转或阴影）天然不适合默认 OCR 流程，不预处理基本识别不了。

因为 pytesseract.image_to_string() 底层调用的是 Tesseract，而 Tesseract 设计初衷是识别印刷体段落文本，不是为验证码优化的。遇到以下情况会直接失效：

字符间距小于 1px 或存在像素级粘连 → Tesseract 当成一个字切分，输出乱码如 "B8G" 实际是 "B" 和 "8" 和 "G" 三个独立字符
背景有噪点/斜线/点阵 → 被误检为字符边缘，导致切分框错位
字体非标准（如手写感变形、加粗过度）→ 字典匹配失败，返回空字符串或 " "
图像 DPI ＜ 150 → Tesseract 内部会降采样，小写字母 "l" 和数字 "1" 彻底不可区分

目标不是“让图变好看”，而是让每个字符在二值图里成为孤立、凸起、无断裂的连通域。实操中这三步缺一不可：

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

灰度 + 高斯模糊去椒盐噪点：用 cv2.GaussianBlur(img, (3,3), 0)，核大小别超过 (5,5)，否则字母细节糊掉
自适应阈值二值化：必须用 cv2.adaptiveThreshold()，全局 cv2.threshold() 在阴影区域必挂；块大小设为 51（奇数），C 值从 10 开始试
形态学闭运算补断点：仅用一次 cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)，kernel 大小控制在 (2,2)～(3,3)，再大就把 "i" 上面的点和竖线连成一块了

光预处理不够，Tesseract 的引擎行为得锁死：

config='--psm 8 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789' —— --psm 8 强制当单行文本处理（验证码本质就是一行），--oem 3 用 LSTM 模型（比旧版准确率高 20%+）
务必传 lang='eng'，哪怕只含数字；不指定时 Tesseract 可能 fallback 到 osd 模式去检测方向，反而把横排验证码当成竖排切
如果字符高度＜20px，加 -c min_characters_to_try=1，否则 Tesseract 会因置信度低直接跳过整行

别急着重跑，90% 的问题出在输入环节：

检查预处理后二值图：cv2.imwrite("debug_bin.png", bin_img)，打开看每个字符是否为纯白前景+纯黑背景，且彼此不接触
确认 tesseract 命令行能否跑通：tesseract debug_bin.png stdout --psm 8 -c tessedit_char_whitelist=0123456789ABC，排除 Python 封装层干扰
验证 pytesseract.get_tesseract_version() 是否 ≥ 5.3.0 —— 5.0 以下版本对连字支持极差，"O0" 几乎全判成 "0"

真正难的不是写代码，是每次换一类验证码都要重调预处理参数和 whitelist。没有通用解法，只有针对特定样式反复试错 —— 这一点很容易被忽略，直到你对着第 7 种干扰样式发呆半小时。