Sep 20, 2016 from—http://nladuo.github.io/2016/09/20/%E9%AA%8C%E8%AF%81%E7%A0%81%E7%A0%B4%E8%A7%A3%E6%8A%80%E6%9C%AF%E5%9B%9B%E9%83%A8%E6%9B%B2%E4%B9%8B%E4%BD%BF%E7%94%A8Tesseract/
代码下载
本节的代码可以通过此处进行下载。
图像直方图
首先看验证码的样子，
可以看到这几个验证码最大的特点就是字母比较深，而周围的背景很浅，把图像转换成黑白颜色，可以显示的更加的明显。
//按黑白读取图像 Mat mat = imread(“test1.jpg”, 0); cv::imshow(“initial_mat”, mat); cv::waitKey(0); |
可以看到所有背景的灰度值，都会小于字母的灰度值，为了让tesseract更准确的识别，可以把图像进行二值化，也就是把背景都改成纯白色，把字母都搞成纯黑色。那么如何确定分割的阈值呢？比较好的方法是画出图像的直方图。
//画出直方图 Histogram1D histogram1d; cv::imshow(“histogram1d”, histogram1d.getHistogramImage(mat)); cv::waitKey(0); |
直方图的横坐标代表灰度值，纵坐标代表指定灰度值的点数。
图像阈值
接下来，开始对图像进行阈值，这里选择的灰度值位150，灰度下于150的设置为白色，灰度大于150的设置为黑色。
//阈值 Mat threshold_mat; cv::threshold(mat, threshold_mat, 150, 255, cv::THRESH_BINARY); cv::imshow(“threshold_mat”, threshold_mat); cv::waitKey(0); |
Tesseract识别
把图片进行阈值后，就可以进行识别了，直接调用tesseract的API就好了。
//使用tesseract识别 char buffer[255]; OCRDecoder decoder; decoder.decodeGrayMat(threshold_mat, buffer); cout<<“result:”<<buffer<<endl; |
运行程序，可以看到识别出了结果：
