首先是安裝，我參考的是這個 http://blog.csdn.net/xinghun_4/article/details/47860645

我是centos，使用yum

yum install python-devel libjpeg libjpeg-devel freetype freetype-devel zlib zlib-devel littlecms littlecms-devel libwebp libwebp-devel libfreetype libfreetype-devel giflib-devel automake libtool

tesseract安裝包我下載的是3.0.4，安裝的時候提示搭配的leptonica的版本必須是1.7.2以上，所以不能使用1.6.9的leptonica，這點要註意。

上一些央行征信征信的驗證碼例子，這是截圖

可以看到，字跡是相當的工整，但是直接使用image_to_string這個方法幾乎是不可能是別的，只有少數圖片可以轉換輸出文字。

需要做點處理，找規律可以發現這些噪點都是一些暗淡的像素點，可以把他們去掉（就是轉換成白色的）。

#!/root/miniconda3/envs/crcc/bin/python2.7
#coding=utf-8

import pytesseract
from PIL import Image
import re

threshold = 140
table = []

name=‘test‘
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)


def pic2text(name):
    im=Image.open(name+‘.jpg‘)
    imgry = im.convert(‘L‘)  #灰化
    out = imgry.point(table,‘1‘)  #二值化
    out.save(name+‘b.jpg‘)
    # i = Image.open(name+‘b.jpg‘)
    # i.show()
    text= pytesseract.image_to_string(out)
    print text
    text2=re.sub(‘[^a-z0-9]‘,‘‘,text)
    return text2


if __name__=="__main__":
    print pic2text(‘pictures/150656820893‘)

這是pycharmm調用的是遠程linux環境的截圖，如果要在linxu直接執行./do_yzm.py，那就需要在代碼第一行指明解釋器路徑，然後修改do_yzm.py的權限為可執行的權限.

實際識別率幾乎達到了95%，效果還可以。如果錯了再換個驗證碼登錄就可以了。

這是原圖

threshold這個值要設置合理，設置太大了，那些噪點全部變成黑色了。

設置小了也不行，雖然噪點都去掉了，但會把字母也弄殘了。

這樣就會識別不出來了。

這是設置140的結果

linux環境下pytesseract的安裝和央行征信中心的登錄驗證碼識別實戰