直接调用pytesseract.image_to_string(img)失效，因验证码含干扰线、噪点、低对比度等，需先灰度化、高斯模糊降噪、自适应二值化预处理，并配置psm 8、oem 3及字符白名单参数。
纯 Python 实现的验证码识别（OCR）脚本，对大多数简单、无干扰、固定字体的数字/字母验证码有效；但遇到扭曲、粘连、噪点、背景干扰强的图片，pytesseract 直接调用基本会失效——这不是参数调得不够，而是模型没训练过这类样本。
为什么不能直接 pytesseract.image_to_string(img) 就完事？
因为原始验证码图通常包含干扰线、随机噪点、低对比度、轻微扭曲，pytesseract 默认配置只适合清晰印刷体文本。直接喂图，识别率可能低于 30%。
- 常见错误现象：
pytesseract.image_to_string()返回空字符串、乱码（如'O0DQ' → '0000'或'1lI' → '111'） - 根本原因：tesseract 未做预处理，二值化阈值不合适，字符未分离，或字体不在其默认语言包中
- 关键动作不是换模型，而是把图“洗”干净——灰度→降噪→二值化→去线→字符切分（可选）
预处理必须做的三步：cv2 + PIL 配合
不用重写算法，用 OpenCV 和 Pillow 做轻量级清洗，比调 tesseract 参数更见效。
- 先转灰度：
img = img.convert('L')（PIL），避免彩色通道干扰 - 高斯模糊降噪（抑制椒盐噪点）：
cv2.GaussianBlur(np.array(img), (3, 3), 0) - 自适应二值化比固定阈值鲁棒：
cv2.adaptiveThreshold(img_arr, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)；注意块大小（11）需为奇数，且大于单字符宽度 - 可选：用形态学操作清理细线：
cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)，kernel = np.ones((1,2), np.uint8)横向闭合断开的数字笔画
pytesseract 调用时的关键参数组合
不加配置的调用等同于放弃控制权。以下参数组合针对短验证码（4–6位）实测提升明显：
python全能编程助手
下载
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
立即学习“Python免费学习笔记（深入）”；
- 指定白名单（大幅减少误识）：
config='--psm 8 --oem 3 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyz'（--psm 8表示“单行文本”，--oem 3用 LSTM 模型） - 图像尺寸建议放大 2×：小图（img.resize((img.width * 2, img.height * 2), Image.Resampling.LANCZOS)
- 避免中文路径/空格路径：Windows 下若
tesseract安装在C:\Program Files\Tesseract-OCR\tesseract.exe，必须用pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'显式指定，否则报错FileNotFoundError: [WinError 2] 系统找不到指定的文件
绕不开的硬限制：什么时候该停手？
如果验证码含以下任意一项，Python + 开源 OCR 的自动化脚本就该转向其他方案（如打码平台、微调 CRNN 模型）：
- 字符之间有明显粘连（如
'69'连成一个 blob） - 存在非均匀扭曲（如每字符独立旋转 ±15°）
- 背景是复杂纹理/渐变/水印图
- 字体每次请求都动态变化（非固定几款字体）
强行加滤镜、膨胀腐蚀、投影切割，只会让识别结果更随机——这时候花半天调参，不如用 requests + 手动输入一次，把 session cookie 复用起来。
