由于工作需要，尝试验证码识别方案
这里只涉及简单的验证码识别，复杂的自行尝试
一、处理图像
图像质量可能不行，这种情况下进行图像处理，将图像进行灰度化，二值化，去噪处理，必要是可截取图片
二、识别图像
准备工作：
安装tesseract软件。我用的是windows版，3.02版本，linux自行安装哈
还需要jtessBoxEditor ，java开发的，所以需要jdk
2.1 不涉及训练 使用tesseract自带的语言库（eng）进行识别
tesseract 图片名 输出文件名 -l 字库文件 -psm pagesegmode 配置文件
如：tessract xx.jpg res -l eng -psm 7
原图如下；噪点没有处理完全
识别后效果
换命令： tessract xx.jpg -l eng -psm 5
识别后效果
参数7 和5的区别文末有
这种效果可能不是很好很明显，识别率不高。当然与图像质量有关系
方案三：
涉及训练：根据大量图片来训练自定义语言。生成训练文件的语言库文件
具体步骤如下：
01、
合成tif文件
选取样本文件，比如选择30张jpg文件，当然越多越好，使用jtessBoxEditor合成tif文件
命名为mylang.myfont.exp0.tif
这里有mylang.myfont.exp0.tif是因为之前生成过
02、
根据mylang.myfont.exp0.tif生成box文件（命令行），box文件记录的是字符在每个图片中的位置信息，5 的意思看文末
tesseract mylang.myfont.exp0.tifmylang.myfont.exp0 -l eng -psm 5 batch.nochop makebox
03、
用jtesseditor 来修改box文件，即用jtessBoxEditor打开对应的tif文件mylang.myfont.exp0.tif
矫正识别出的字符，如果识别错误的话，改正，并且看下X、Y、W、H是否需要修正
04、
生成font文件，这里的font为自定义的myfont，与前面一致
命令：（命令行）
echo myfont 0 0 0 0 0 >font_properties
05、
生成训练文件（命令行）
tesseract mylang.myfont.exp0.tifmylang.myfont.exp0 -l eng -psm 5 nobatch box.train
06、
生成字符集文件（命令行）
unicharset_extractor mylang.myfont.exp0.box
07、
生成shape文件（命令行）
shapeclustering -F font_properties -Uunicharset -O mylang.unicharset mylang.myfont.exp0.tr
08、
生成聚集字符特征文件（命令行）
mftraining -F font_properties -U unicharset-O mylang.unicharset mylang.myfont.exp0.tr
09、
生成字符正常化特征文件（命令行）
cntraining mylang.myfont.exp0.tr
10、
更名（命令行）
rename normproto myfont.normproto
rename inttemp myfont.inttemp
rename pffmtable myfont.pffmtable
rename unicharset myfont.unicharset
rename shapetable myfont.shapetable
11、
合并训练文件（命令行）
combine_tessdata myfont.
注：1 3 4 5 13 位置应该有正数
12、
测试将最终的到的myfont.traineddata放到tesseract安装目录的tessdata目录下
tesseract xx.jpg result -l myfont -psm 5
注：生成的训练文件可以用javamyfont.traineddata调用来识别图片
命令详解：
Usage:tesseract imagename outputbase [-llang] [-psm pagesegmode] [configfile...]
pagesegmode values are:
0 = Orientation and script detection (OSD)only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but noOSD, or OCR
3 = Fully automatic page segmentation, butno OSD. (Default)
4 = Assume a single column of text ofvariable sizes.
5 = Assume a single uniform block ofvertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in acircle.
10 = Treat the image as a single character.
-l lang and/or -psm pagesegmode must occurbefore anyconfigfile.