最近在GitHub上看到一个图像识别的开源框架tess4j，而且是Java版的，为此利用此框架来识别验证码中的信息，利用它提供的字体库，来提取信息，对于没有什么干扰线的验证码准确率还是蛮高的，对于有一些干扰线的就差一些，不过也可以能通过训练字体库，从而可以提高准确率的。
根据范例，写了一个简单的提取验证码信息的工具类VerificationCode：
主要是用这个类的extract方法，这个方法有3个参数：
第1个参数是指定图片的路径
第2个参数是指定字体库的，其中chi_sim表示中文简体，eng表示英文
第3个参数是指定是否需要去除干扰线，true表示需要，false表示不需要
package com.swnote.tess4j.test; import java.awt.image.BufferedImage; import java.io.File; import javax.imageio.ImageIO; import com.recognition.software.jdeskew.ImageDeskew; import net.sourceforge.tess4j.ITesseract; import net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.util.ImageHelper; /** * 识别验证码 * * @author lzj * @date [2019-03-03] */ public class VerificationCode { /** * 配置文件 */ private static String config_path = "src/main/resources"; /** * 调整倾斜度的阈值 */ private static double deskew_threshold = 0.05d; /** * 提取验证码图片中的文字 * * @param img_path * @param lang * @param clear * @return */ public static String extract(String img_path, String lang, boolean clear) throws Exception { // 图片文件 File img = new File(img_path); if (clear) { // 将去除干扰后的图片保存在同级目录下的ext目录下 String ext_path = img.getParentFile().getPath() + "/ext"; // 去除干扰 CleanImage.cleanLinesInImage(img, ext_path); // 处理后的图片 img = new File(ext_path, img.getName()); } // 设置语言库 ITesseract instance = new Tesseract(); File directory = new File(config_path); String course_file = directory.getCanonicalPath(); instance.setDatapath(course_file + "/tessdata"); // chi_sim表示中文简体 // eng表示英文 instance.setLanguage(lang); BufferedImage buffer_img = ImageIO.read(img); ImageDeskew img_deskew = new ImageDeskew(buffer_img); double img_skew_angle = img_deskew.getSkewAngle(); if ((img_skew_angle > deskew_threshold || img_skew_angle < -(deskew_threshold))) { buffer_img = ImageHelper.rotateImage(buffer_img, -img_skew_angle); } String result = instance.doOCR(buffer_img); return result; } }其中CleanImage类是用于清楚验证码干扰线的，这个类是我从网上找到的，加上这个类有一定的效果，但是不是特别理想，希望大家能够找到更好的去除干扰线方式。
在此也贴一下CleanImage类的代码：
package com.swnote.tess4j.test; import java.awt.Color; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; /** * 网上找到清除图片干扰工具 */ public class CleanImage { public static void cleanLinesInImage(File sfile, String destDir) throws IOException { File destF = new File(destDir); if (!destF.exists()) { destF.mkdirs(); } BufferedImage bufferedImage = ImageIO.read(sfile); int h = bufferedImage.getHeight(); int w = bufferedImage.getWidth(); // 灰度化 int[][] gray = new int[w][h]; for (int x = 0; x < w; x++) { for (int y = 0; y < h; y++) { int argb = bufferedImage.getRGB(x, y); // 图像加亮（调整亮度识别率非常高） int r = (int) (((argb >> 16) & 0xFF) * 1.1 + 30); int g = (int) (((argb >> 8) & 0xFF) * 1.1 + 30); int b = (int) (((argb >> 0) & 0xFF) * 1.1 + 30); if (r >= 255) { r = 255; } if (g >= 255) { g = 255; } if (b >= 255) { b = 255; } gray[x][y] = (int) Math.pow( (Math.pow(r, 2.2) * 0.2973 + Math.pow(g, 2.2) * 0.6274 + Math.pow(b, 2.2) * 0.0753), 1 / 2.2); } } // 二值化 int threshold = ostu(gray, w, h); BufferedImage binaryBufferedImage = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_BINARY); for (int x = 0; x < w; x++) { for (int y = 0; y < h; y++) { if (gray[x][y] > threshold) { gray[x][y] |= 0x00FFFF; } else { gray[x][y] &= 0xFF0000; } binaryBufferedImage.setRGB(x, y, gray[x][y]); } } // 去除干扰线条 for (int y = 1; y < h - 1; y++) { for (int x = 1; x < w - 1; x++) { boolean flag = false; if (isBlack(binaryBufferedImage.getRGB(x, y))) { // 左右均为空时，去掉此点 if (isWhite(binaryBufferedImage.getRGB(x - 1, y)) && isWhite(binaryBufferedImage.getRGB(x + 1, y))) { flag = true; } // 上下均为空时，去掉此点 if (isWhite(binaryBufferedImage.getRGB(x, y + 1)) && isWhite(binaryBufferedImage.getRGB(x, y - 1))) { flag = true; } // 斜上下为空时，去掉此点 if (isWhite(binaryBufferedImage.getRGB(x - 1, y + 1)) && isWhite(binaryBufferedImage.getRGB(x + 1, y - 1))) { flag = true; } if (isWhite(binaryBufferedImage.getRGB(x + 1, y + 1)) && isWhite(binaryBufferedImage.getRGB(x - 1, y - 1))) { flag = true; } if (flag) { binaryBufferedImage.setRGB(x, y, -1); } } } } // 矩阵打印 // for (int y = 0; y < h; y++) { // for (int x = 0; x < w; x++) { // if (isBlack(binaryBufferedImage.getRGB(x, y))) { // System.out.print("*"); // } else { // System.out.print(" "); // } // } // System.out.println(); // } ImageIO.write(binaryBufferedImage, "jpg", new File(destDir, sfile.getName())); } public static boolean isBlack(int colorInt) { Color color = new Color(colorInt); if (color.getRed() + color.getGreen() + color.getBlue() <= 300) { return true; } return false; } public static boolean isWhite(int colorInt) { Color color = new Color(colorInt); if (color.getRed() + color.getGreen() + color.getBlue() > 300) { return true; } return false; } public static int isBlackOrWhite(int colorInt) { if (getColorBright(colorInt) < 30 || getColorBright(colorInt) > 730) { return 1; } return 0; } public static int getColorBright(int colorInt) { Color color = new Color(colorInt); return color.getRed() + color.getGreen() + color.getBlue(); } public static int ostu(int[][] gray, int w, int h) { int[] histData = new int[w * h]; // Calculate histogram for (int x = 0; x < w; x++) { for (int y = 0; y < h; y++) { int red = 0xFF & gray[x][y]; histData[red]++; } } // Total number of pixels int total = w * h; float sum = 0; for (int t = 0; t < 256; t++) sum += t * histData[t]; float sumB = 0; int wB = 0; int wF = 0; float varMax = 0; int threshold = 0; for (int t = 0; t < 256; t++) { wB += histData[t]; // Weight Background if (wB == 0) continue; wF = total - wB; // Weight Foreground if (wF == 0) break; sumB += (float) (t * histData[t]); float mB = sumB / wB; // Mean Background float mF = (sum - sumB) / wF; // Mean Foreground // Calculate Between Class Variance float varBetween = (float) wB * (float) wF * (mB - mF) * (mB - mF); // Check if new maximum found if (varBetween > varMax) { varMax = varBetween; threshold = t; } } return threshold; } } 2、测试