C#使用Tesseract OCR 解析验证码

C#使用Tesseract OCR 解析验证码

之前我在<>一文中介绍了用C#识别简单不变形数字验证码，但是对于识别变形的 或生成位置变化比较频繁的 验证码的准确率却不高。

下面介绍一个开源的OCR引擎Tesseract2。值得庆幸的是虽然是开源的但是它的识别率较高，并不比其他引擎差劲。网上介绍Tessnet2也是当时时间排名第三的识别引擎，只是后来慢慢不维护了，目前是Google在维护，大家都知道Google 在搞电子图书馆，每天都有不同类目的书被扫描成电子版。所以有G老大维护，识别率差不到哪里去。呵呵。。别鄙视我。。。

Tessnet2 是用vc ++ 开发的，其中是生成Tessnet2.dll ，我们可以通过.net 来调用内部具体类库实现识别。

Tessnet2的使用：

1、点击http://files.cnblogs.com/zhuxiangyu/tessnet2_32.rar链接下载Tessnet2.dll ，

   Tessnet2是支持多国语的。语言包下载链接：http://code.google.com/p/tesseract-ocr/downloads/list

2、将Tessnet2.dll 添加到vs 引用中，和添加.net程序集一样。

3、用Tessnet2进行识别

WebRequest request = WebRequest.Create( "http://sz.2zf.cn/js/code2.asp" );
            WebResponse response = request.GetResponse();
            Stream st = response.GetResponseStream();
            Bitmap bitmap = (Bitmap)Bitmap.FromStream(st);
 UnCodebase ud = new  UnCodebase(bitmap );
            bitmap = ud.GrayByPixels();
            ud.ClearNoise(128, 2);

            pictureBox1.Image = bitmap ;

tessnet2.Tesseract ocr = new  tessnet2.Tesseract(); //声明一个OCR类
            ocr.SetVariable( "tessedit_char_whitelist" , "0123456789" ); //设置识别变量，当前只能识别数字。
            ocr.Init(Application.StartupPath + @"\\tmpe" , "eng" , true ); //应用当前语言包。注，Tessnet2是支持多国语的。语言包下载链接：http://code.google.com/p/tesseract-ocr/downloads/list
            List result = ocr.DoOCR(bitmap , Rectangle.Empty); //执行识别操作
            string  code = result[0].Text;
            textBox1.Text = code;

 

 

识别效果：

 From：http://www.cnblogs.com/ivanyb/archive/2011/11/25/2263043.html

代码下载：CSharp简单数字验证码解析.rar