一、预处理优化（提升OCR工具识别精度） #

pytesseract识别率低大多因为缺少针对性预处理，先通过OpenCV做图像净化：

import cv2
import numpy as np
import pytesseract

def preprocess_captcha(img_path):
    # 读取图像并灰度化
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 自适应二值化，应对不同光照下的扭曲数字
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
    # 形态学开运算去噪（先腐蚀再膨胀）
    kernel = np.ones((2,2), np.uint8)
    denoised = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
    # 膨胀操作强化数字边缘
    denoised = cv2.dilate(denoised, kernel, iterations=1)
    return denoised

# 预处理后调用pytesseract，限定只识别数字
processed_img = preprocess_captcha("captcha.png")
result = pytesseract.image_to_string(processed_img, config='--psm 8 --oem 3 -c tessedit_char_whitelist=0123456789')
print(result.strip())

注：--psm 8参数指定图像为单个字符块，适合4位数字的整体识别场景，whitelist限定识别范围可大幅减少干扰。

二、使用专门验证码识别工具：ddddocr #

针对国内常见验证码优化的工具，无需复杂预处理即可识别扭曲数字：

import ddddocr
from selenium import webdriver

driver = webdriver.Chrome()
driver.get("目标页面URL")
# 截取验证码元素保存
captcha_elem = driver.find_element_by_xpath("验证码元素的XPath")
captcha_elem.screenshot("captcha.png")

# 调用ddddocr识别
ocr = ddddocr.DdddOcr()
with open("captcha.png", "rb") as f:
    captcha_bytes = f.read()
result = ocr.classification(captcha_bytes)
print(result)

安装命令：pip install ddddocr

三、训练自定义CNN模型（最高精度，适配固定样式验证码） #

如果验证码样式固定，自定义模型是精度最高的方案：

1. 生成训练数据：用captcha库生成与目标样式一致的样本：

from captcha.image import ImageCaptcha
import random
import os

os.makedirs("train_data", exist_ok=True)
# 生成10000张标注好的训练图
for i in range(10000):
    code = ''.join(random.choices('0123456789', k=4))
    img_gen = ImageCaptcha(width=120, height=60)
    img_gen.write(code, f"train_data/{code}_{i}.png")

2. 构建CNN模型：针对4位数字分类任务设计：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout

model = Sequential([
    Conv2D(32, (3,3), activation='relu', input_shape=(60, 120, 1)),
    MaxPooling2D((2,2)),
    Conv2D(64, (3,3), activation='relu'),
    MaxPooling2D((2,2)),
    Conv2D(128, (3,3), activation='relu'),
    MaxPooling2D((2,2)),
    Flatten(),
    Dense(256, activation='relu'),
    Dropout(0.5),
    # 输出4个数字的10分类结果
    Dense(4*10, activation='softmax'),
])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

3. 训练并保存模型后，在Selenium脚本中加载模型进行预测，只要训练样本足够贴近目标验证码，识别率可达99%以上。

四、模板匹配（适配低扭曲度验证码） #

若数字扭曲程度低，可制作0-9的数字模板，通过匹配相似度识别：

import cv2
import numpy as np

def match_captcha(processed_img, templates):
    # 分割验证码为4个数字区域（假设宽度120，每个数字占30像素）
    digit_parts = [processed_img[:, i*30:(i+1)*30] for i in range(4)]
    result = ''
    for part in digit_parts:
        max_score = 0
        best_digit = ''
        for digit, template in templates.items():
            res = cv2.matchTemplate(part, template, cv2.TM_CCOEFF_NORMED)
            current_score = np.max(res)
            if current_score > max_score:
                max_score = current_score
                best_digit = digit
        result += best_digit
    return result

# 加载0-9的数字模板
templates = {str(i): cv2.imread(f"templates/{i}.png", 0) for i in range(10)}
# 传入预处理后的验证码图像
processed_img = preprocess_captcha("captcha.png")
print(match_captcha(processed_img, templates))

内容的提问来源于stack exchange，提问作者abyss