C#使用Tesseract OCR 解析验证码

Tessnet官网：https://code.google.com/p/tesseract-ocr/

之前我在<<C#简单数字验证码解析>>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 =newUnCodebase(bitmap );
            bitmap = ud.GrayByPixels();
            ud.ClearNoise(128, 2);

            pictureBox1.Image = bitmap ;

tessnet2.Tesseract ocr =newtessnet2.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<tessnet2.Word> result = ocr.DoOCR(bitmap , Rectangle.Empty);//执行识别操作
            stringcode = result[0].Text;
            textBox1.Text = code;

 

 

识别效果：

代码下载：CSharp简单数字验证码解析.rar

示例代码运行时，有可能会报错：未能加载文件或程序集 试图加载格式不正确的程序。。。。等之信息吧，

解决方法：
将应用程序生成为Any CPU就可以了
反之，如果系统是64位的Win7，就应该将新项目的生成目标平台改为x86


综上：
64位的Win7 解决方案的生成目标平台设置为x86
32位操作系统 解决方案的生成目标平台设置为AnyCPU

另外一个网友的问题解决方法：

我遇到过这个问题有两次，不过环境不同。

第一次：Windows 2008 Server R2 64位；

第二次：Windows 7 64位；

原因分析：操作系统是64位的，但发布的程序引用了一些32位的ddl，所以出现了兼容性的问题。

解决方案：IIS——应用程序池——高级设置——启用32位应用程序 ：true。

识别数字与字母代码如下:

tessocr.SetVariable("tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ");

有个软件中使用这个组件循环不停的ocr识别文本，然后问题来了，内存不停的往上飙，调用Dispose方法根本没用，解决办法如下:

把识别过程的代码封闭成一个控制台应用程序，通过参数调用，这样每识别一次，就会自动结束进程，内在也就释放了

Tesseract3.0教程:http://www.cnblogs.com/*s-dotnet/archive/2010/10/05/1844203.html