安裝tesseract
OCR，即Optical Character Recognition，光學字符識別，是指通過掃描字符，然後通過其形狀將其翻譯成電子文本的過程。對於圖形驗證碼來說，它們都是一些不規則的字符，這些字符確實是由字符稍加扭曲變換得到的內容。
tesseract下載地址：
https://digi.bib.uni-mannheim.de/tesseract/
進入下載頁面，可以看到有各種.exe文件的下載列表，這裏可以選擇最新下載5.0版本。
其中文件名中帶有dev的爲開發版本，不帶dev的爲穩定版本，可以選擇下載不帶dev的版本，例如可以選擇下載箭頭指向的3.05exe。
下載完成後雙擊，此時會出現如下圖所示的頁面。
此時可以勾選Additional language data(download)選項來安裝OCR識別支持的語言包，這樣OCR便可以識別多國語言。然後一路點擊Next按鈕即可。
接下來，爲了在python代碼中使用tesseract功能，
tesserocr 下載地址:https://github.com/simonflueckiger/tesserocr-windows_build/releases
所以我們這裏選擇下載 tesserocr v2.3.1 和 tesseract 3.05.02。
安裝 tesseract 可以比較簡單，我們介紹一下關於 tesserocr 的安裝過程。
比如說：
把下載下來的 tesserocr 安裝包放在 python 安裝路徑裏，在該目錄下打開 dos 窗口。
運行 pip3 install tesserocr-2.3.1-cp37-cp37m-win_amd64.whl 即可成功。
2、配置環境變量
爲了在全局使用方便，比如安裝路徑爲D:\Program Files (x86)\Tesseract-OCR，將該路徑添加到環境變量的path中
3.代碼案例
以中國知網的註冊頁面爲例，我們常被要求輸入這類簡單的字母組成，背景含很多雜線的驗證碼，如下圖所示：
我們對驗證碼另存爲到本地代碼所在目錄，取名：test.png.
下圖是直接用對應模塊識別的代碼示例：
|
1 2 3 4 5 6 |
|
原始圖片尺寸較小，極少情況下如果無法正常識別，可以藉助圖片處理工具PIL模塊進行圖片等比例放大後保存。此例中直接運行上述代碼，結果爲“VHIHI”，即使是肉眼可見較爲清晰的驗證碼，如果圖片未經處理直接交由tesserocr解析，也可能識別率很低。
通常情況下，我們還需要做些額外的圖片處理，如轉灰度圖，二值化等。
利用Image對應的convert()方法傳參L，即可將圖片轉爲灰度圖。
image=image.convert('L')
image.show()
傳入1即可完成二值化，如下：
image=image.convert('1')
image.show()
當然我們更多時候需要根據圖片的實際情況指定二值化的閾值，比如我們將閾值設定爲80，先轉灰度圖，再二值化，代碼如下：
import tesserocr
from PIL import Image
image=Image.open('test.png')
image=image.convert("L")
threshold=80
table=[]
for i in range(256):
if i <threshold:
table.append(0)
else:
table.append(1)
image=image.point(table,'1')
image.show()
print(tesserocr.image_to_text(image))
觀察到處理後圖片如右：
儘管圖片已經轉爲灰度圖，且過濾了大部分雜線，但是圖片關鍵像素丟失嚴重，識別結果自然也不盡如人意，結果：“VH.”。
此時我們根據圖片的實際情況，人爲調整程序中預設的閾值到130，再觀察：
可見驗證碼的識別除了用好識別模塊，還需要在必要時引入PIL（圖片處理模塊）進行圖片預處理，預處理過程中的閾值等設定也存有技巧，不同的參數設定，會完全影響最終的識別率。