Python tesserocr的识别精度如此之低？

今天在学习Python爬虫的验证码识别的时候发现tesserocr这个库的图片识别能力居然能低到离谱的程度，我都很好奇为什么崔神书上那张图片居然能识别出来。

实验的三张图片如下。

我刚开始想的是除了图一略有难度以外，图二图三应该不难识别吧？

于是我先直接对原图片进行识别。

import tesserocr
from PIL import Image


img1 = Image.open('img1.jpg')
print('图片1的内容为：', tesserocr.image_to_text(img1))
img2 = Image.open('img2.jpg')
print('图片2的内容为：', tesserocr.image_to_text(img2))
img3 = Image.open('img3.jpg')
print('图片3的内容为：', tesserocr.image_to_text(img3))

结果只有图3出了内容，而且还是错误的🤣。

接下来我对三张图片进行灰度处理和手动的二值化处理，提高它们的识别度。

import tesserocr
from PIL import Image


def set_image(image, threshold):
    image = image.convert('L')
    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))

if __name__ == "__main__":
　　image1 = Image.open('img1.jpg')
　　set_image(image1, 160)

因为只用了灰度和二值化处理而且我的水平不够，图一没办法提高太多（如果各位会的话请指教一下小弟😙）。

　

 

　　果不其然，手动调节了50~200的阈值，图一即使能识别出文字也完全不正确，还有部分是字母。

 

 

 

图二在阈值为155左右的时候识别出了Vv07的结果，算是比较符合正确答案了。

最让我感到失望的是图三，阈值为200时明明已经看上去非常容易识别了，结果确还是只能识别出1364这个错误答案，虽然很接近，但是依然不正确。

 

 

 

然后我就尝试了通过暴力传入遍历阈值来看看能否取得正确结果😡。

import tesserocr
from PIL import Image


def set_image(image, threshold):
    image = image.convert('L')
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    image = image.point(table, '1')
    return tesserocr.image_to_text(image)


if __name__ == "__main__":
    for threshold in range(20, 220, 2):
        image1 = Image.open('img1.jpg')
        result = set_image(image1, threshold)
        if result!= '' and result in '46168' or '468168' in result:
            print('图一在阈值为%s时识别成功,结果为%s' % (threshold, result))
    print('识别结果错误或无法识别')

结果图一二三都是一样的结果🤣。

 

 

难怪大家都宁愿用付费的api接口，这个识别率也太低了。或许我应该试试pytesser或者sklearn看看效果有什么区别😂。感谢阅读，希望您不吝指导。