[Node.js] Portal 驗證碼辨識 Tesseract + GraphicsMagick

環境設定

• Ubuntu 16.04
• Node.js 14
• GraphicsMagick 1.3.23
• tesseract 3.04.01

apt update
apt install -y curl 
curl https://deb.nodesource.com/setup_14.x | bash -
apt install -y graphicsmagick tesseract-ocr nodejs
npm install gm tesseractocr request

圖片前處理

這裡用到套件 GraphicsMagick，看到文字被灰色線條分割，並且有明顯外框。

const gm = require('gm')
let image = fs.createReadStream('random.png')
gm(image)
    .threshold(20, true) // 先套一層 20% 的閾值
    .write('gm.png')

圖上還有微微的噪點，此時辨識率大約有80%左右。若再套上一層模糊後再取閾值，就可以強化線條去除噪點。

gm(image)
    .threshold(20, true)
    .blur(2, 200)
    .threshold(70, true)
    .write('gm.png')

OCR 文字辨識

const tesseractocr = require('tesseractocr')
tesseractocr.recognize(img)
    .then(console.log)

// output: 3186