DdddOcr - 通用验证码识别SDK

一个简单易用的通用验证码识别Python库

目录

• 赞助合作商
• 项目介绍
• 环境支持
• 安装方法
• 功能概览
• 初始化参数详解
• 参数详细说明
• 功能组合与冲突
• 模型选择指南
• 性能优化参数
• 详细使用说明
• 文字识别功能
  • 基础OCR识别
  • OCR概率输出
  • 自定义字符范围
  • 颜色过滤功能
• 目标检测功能
• 滑块验证码处理
  • 算法1：边缘匹配
  • 算法2：图像差异比较
• 自定义模型导入
• 高级用法
• 批量处理
• 多线程优化
• 验证码预处理
• 常见问题
• 初始化速度慢
• 识别准确率不高
• GPU加速
• 处理复杂验证码
• 内存占用过高
• 参数冲突问题
• 支持的图片格式
• 多线程并发问题
• 项目技术支持
• 使用示例
• 许可证

赞助合作商

	赞助合作商	推荐理由
	YesCaptcha	谷歌reCaptcha验证码 / hCaptcha验证码 / funCaptcha验证码商业级识别接口 点我 直达VIP4
	超级鹰	全球领先的智能图片分类及识别商家，安全、准确、高效、稳定、开放，强大的技术及校验团队，支持大并发。7*24h作业进度管理
	Malenia	Malenia企业级代理IP网关平台/代理IP分销软件
雨云VPS	注册首月5折	浙江节点低价大带宽，100M每月30元

项目介绍

DdddOcr 是一个通用验证码离线本地识别SDK，由 sml2h3 与 kerlomz 共同开发完成。该项目通过大批量生成随机数据进行深度网络训练，可以识别各种类型的验证码，包括：

• 常见的数字字母组合验证码
• 中文验证码
• 滑块验证码
• 各种特殊字符验证码

项目设计理念是"最简依赖"，尽量减少用户的配置和使用成本，提供简单易用的API接口。

环境支持

系统	CPU	GPU	最大支持Python版本	备注
Windows 64位	✓	✓	3.12	部分版本Windows需要安装vc运行库
Linux 64 / ARM64	✓	✓	3.12
macOS X64	✓	✓	3.12	M1/M2/M3芯片用户请参考相关说明

不支持的环境： - Windows 32位 - Linux 32位

安装方法

从PyPI安装（推荐）

pip install ddddocr

从源码安装

git clone https://github.com/sml2h3/ddddocr.git
cd ddddocr
pip install .

安装 API 依赖（可选）

pip install ".[api]"

注意：请勿直接在ddddocr项目的根目录内直接import ddddocr，请确保你的开发项目目录名称不为ddddocr。

功能概览

DdddOcr提供以下核心功能：

功能	描述	初始化参数
文字识别	识别图片中的文字内容	ocr=True（默认）
目标检测	检测图片中的目标位置	det=True
滑块验证码识别	识别滑块验证码的缺口位置	ocr=False
自定义模型导入	导入自定义训练的模型	import_onnx_path="模型路径"

初始化参数详解

DdddOcr 类初始化时支持多种参数配置，以适应不同的使用场景：

ddddocr.DdddOcr(
    ocr=True,           # 是否启用OCR功能
    det=False,          # 是否启用目标检测功能
    old=False,          # 是否使用旧版OCR模型
    beta=False,         # 是否使用Beta版OCR模型（新模型）
    use_gpu=False,      # 是否使用GPU加速
    device_id=0,        # 使用的GPU设备ID
    show_ad=True,       # 是否显示广告信息
    import_onnx_path="", # 自定义模型路径
    charsets_path="",    # 自定义字符集路径
    max_image_bytes=None, # 单图最大字节数（默认 8MB）
    max_image_side=None   # 单图最长边限制（默认 4096px）
)

参数详细说明

参数	类型	默认值	说明
ocr	bool	True	是否启用OCR功能，用于识别图片中的文字。互斥性：当det=True时会强制关闭OCR
det	bool	False	是否启用目标检测功能，用于检测图片中的目标位置。互斥性：det=True会覆盖ocr=True
old	bool	False	兼容参数，当前不会改变模型选择（默认即使用旧版模型）
beta	bool	False	是否使用Beta版OCR模型（新模型），对某些验证码识别效果更好。互斥性：与old=True参数互斥（但old当前不生效）
use_gpu	bool	False	是否使用GPU加速。依赖关系：需要安装CUDA和相应的onnxruntime-gpu版本，否则会初始化失败
device_id	int	0	使用的GPU设备ID。依赖关系：仅在use_gpu=True时生效，指定使用哪个GPU设备
show_ad	bool	True	是否在初始化时显示广告信息
import_onnx_path	str	""	自定义模型的onnx文件路径。依赖关系：设置此参数时，charsets_path参数必须同时提供；此时ocr/det设置会被忽略
charsets_path	str	""	自定义字符集的json文件路径。依赖关系：必须与import_onnx_path一起使用，否则无效
max_image_bytes	int/str	8MB	单图最大字节数上限（入参可为 int 或数字字符串）
max_image_side	int/str	4096	单图最长边像素上限（入参可为 int 或数字字符串）

功能组合与冲突

根据参数组合，ddddocr具有不同的工作模式：

1. 标准OCR模式：
2. 参数设置：ocr=True, det=False（默认）

3. 功能：识别图片中的文字

4. 目标检测模式：

5. 参数设置：ocr=False, det=True
6. 功能：检测图片中的目标位置

7. 注意：同时设置ocr=True, det=True时，会进入目标检测模式（det优先）

8. 滑块识别模式：

9. 参数设置：ocr=False, det=False

10. 功能：使用滑块匹配算法（需调用slide_match或slide_comparison方法）

11. 自定义模型模式：

12. 参数设置：import_onnx_path="模型路径", charsets_path="字符集路径"
13. 功能：使用自定义训练的模型进行识别

14. 注意：设置此模式时，ocr和det参数会被忽略，且自定义字符集文件需包含 charset/word/image/channel 字段

15. OCR模型选择：

16. 默认模型：不设置特殊参数（当前使用 common_old.onnx）
17. Beta模型：beta=True（使用 common.onnx）
18. 旧版模型参数：old=True（当前不改变模型，仅为兼容保留）
19. 注意：beta和old参数互斥，但old当前不生效

模型选择指南

• 默认模型：当前默认使用 common_old.onnx，适用于多数简单验证码场景
• Beta模型：beta=True 使用 common.onnx，对部分复杂验证码效果更好
• 自定义模型：当默认模型无法满足需求时，可以通过dddd_trainer训练自己的模型

性能优化参数

• GPU加速：对于处理大量图片时，开启GPU加速可显著提升性能 python ocr = ddddocr.DdddOcr(use_gpu=True, device_id=0)

• GPU设备选择：在多GPU环境中，可通过device_id指定使用的GPU python # 使用第二张GPU卡 ocr = ddddocr.DdddOcr(use_gpu=True, device_id=1)

• 关闭广告显示：在生产环境中可关闭广告提示 python ocr = ddddocr.DdddOcr(show_ad=False)

详细使用说明

文字识别功能

基础OCR识别

主要用于识别单行文字，如常见的英数验证码等。支持中文、英文、数字以及部分特殊字符的识别。

import ddddocr

# 初始化OCR对象
ocr = ddddocr.DdddOcr()

# 读取图片
with open("验证码图片.jpg", "rb") as f:
    image = f.read()

# 识别图片
result = ocr.classification(image)
print(result)  # 输出识别结果

OCR识别示例图片

参考例图

包括且不限于以下图片

OCR模型选择

DdddOcr内置两套OCR模型，可以通过beta参数切换：

# 使用第二套OCR模型
ocr = ddddocr.DdddOcr(beta=True)

透明PNG图片处理

对于透明黑色PNG图片，可以使用png_fix参数（对所有 OCR 模式生效）：

result = ocr.classification(image, png_fix=True)

注意：png_fix 仅对带透明通道的图片生效；初始化DdddOcr对象只需要一次，不要在每次识别时都重新初始化，这会导致速度变慢。

OCR概率输出

可以获取OCR识别结果的概率分布，便于进行更灵活的结果处理：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 获取识别结果的概率分布
result = ocr.classification(image, probability=True)

# 处理概率结果
s = ""
for i in result['probability']:
    s += result['charsets'][i.index(max(i))]

print(s)

概率输出示例（仅对内置模型生效，自定义模型会忽略probability=True并直接返回字符串）：

# 概率输出结果示例
{
    'charsets': ['', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', ...],
    'probability': [
        [0.01, 0.02, 0.01, 0.03, 0.02, 0.01, 0.02, 0.75, 0.03, 0.05, 0.01, ...],  # 第一个字符的概率分布
        [0.01, 0.01, 0.02, 0.01, 0.03, 0.02, 0.01, 0.02, 0.01, 0.80, 0.01, ...],  # 第二个字符的概率分布
        ...
    ]
}

自定义字符范围

可以通过set_ranges方法限定OCR识别的字符范围：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 设置识别范围为数字
ocr.set_ranges(0)  # 等同于 ocr.set_ranges("0123456789")

# 或自定义字符范围
ocr.set_ranges("0123456789+-x/=")

result = ocr.classification(image)
print(result)

内置字符范围参数：

参数值	含义
0	纯数字 0-9
1	纯小写英文 a-z
2	纯大写英文 A-Z
3	小写英文 + 大写英文
4	小写英文 + 数字
5	大写英文 + 数字
6	小写英文 + 大写英文 + 数字
7	默认字符库 - 小写英文 - 大写英文 - 数字

颜色过滤功能

对于一些特殊的验证码，可以通过颜色过滤来提高识别准确率：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 只保留红色和蓝色部分
result = ocr.classification(image, colors=["red", "blue"])
print(result)

支持的颜色： - red (红色) - green (绿色) - blue (蓝色) - yellow (黄色) - orange (橙色) - purple (紫色) - pink (粉色) - brown (棕色)

也可以自定义颜色范围：

# 自定义颜色范围
custom_ranges = {
    'light_blue': [(90, 30, 30), (110, 255, 255)]  # HSV颜色空间
}

result = ocr.classification(image, colors=["light_blue"], custom_color_ranges=custom_ranges)

提示：custom_color_ranges 只有在 colors 列表包含对应键名时才会生效。

目标检测功能

用于检测图像中可能的目标主体位置，返回目标的边界框坐标：

import ddddocr
import cv2

# 初始化检测对象
det = ddddocr.DdddOcr(det=True, ocr=False)

# 读取图片
with open("test.jpg", 'rb') as f:
    image = f.read()

# 检测目标
bboxes = det.detection(image)
print(bboxes)  # 输出格式：[[x1, y1, x2, y2], ...]

# 可视化检测结果
im = cv2.imread("test.jpg")
for bbox in bboxes:
    x1, y1, x2, y2 = bbox
    im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2)
cv2.imwrite("result.jpg", im)

目标检测示例：

参考例图

包括且不限于以下图片

滑块验证码处理

DdddOcr提供两种滑块验证码处理算法：

算法1：边缘匹配

适用于有透明背景的滑块图片，通过边缘检测找到滑块在背景图中的位置：

import ddddocr

# 初始化滑块检测对象
slide = ddddocr.DdddOcr(det=False, ocr=False)

# 读取滑块图和背景图
with open('target.png', 'rb') as f:
    target_bytes = f.read()

with open('background.png', 'rb') as f:
    background_bytes = f.read()

# 匹配位置
res = slide.slide_match(target_bytes, background_bytes)
print(f"滑块位置: {res}")

# 可视化结果
background = cv2.imdecode(np.frombuffer(background_bytes, np.uint8), cv2.IMREAD_COLOR)
x1, y1, x2, y2 = res["target"]

# 在背景图上绘制匹配位置
cv2.rectangle(background, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(background, cv2.COLOR_BGR2RGB))
plt.title("滑块匹配结果")
plt.axis('off')
plt.savefig("slide_result.jpg")
plt.show()

滑块匹配示例：

滑块图

背景图

对于没有透明背景的滑块图，可以使用simple_target参数：

res = slide.slide_match(target_bytes, background_bytes, simple_target=True)

算法2：图像差异比较

适用于比较两张图片的不同之处，找出滑块缺口位置：

import ddddocr

slide = ddddocr.DdddOcr(det=False, ocr=False)

# 读取带有缺口阴影的图片和完整图片
with open('bg.jpg', 'rb') as f:
    target_bytes = f.read()

with open('fullpage.jpg', 'rb') as f:
    background_bytes = f.read()

# 比较差异
res = slide.slide_comparison(target_bytes, background_bytes)
print(res)  # 输出格式：{"target": [x, y]}

图像差异比较示例：

带缺口阴影的图片

完整图片

自定义模型导入

DdddOcr支持导入通过dddd_trainer训练的自定义模型：

import ddddocr

# 导入自定义模型
ocr = ddddocr.DdddOcr(
    det=False, 
    ocr=False, 
    import_onnx_path="mymodel.onnx", 
    charsets_path="charsets.json"
)

with open('test.jpg', 'rb') as f:
    image_bytes = f.read()

res = ocr.classification(image_bytes)
print(res)

高级用法

批量处理

对大量验证码进行批量处理时，保持OCR实例的复用可以显著提高效率：

import ddddocr
import os
import time

# 初始化OCR对象（只需一次）
ocr = ddddocr.DdddOcr()

# 批量处理目录中的所有图片
def batch_process(directory):
    results = {}

    start_time = time.time()
    for filename in os.listdir(directory):
        if filename.endswith(('.png', '.jpg', '.jpeg', '.bmp')):
            file_path = os.path.join(directory, filename)

            with open(file_path, 'rb') as f:
                image = f.read()

            # 使用同一个OCR实例处理所有图片
            result = ocr.classification(image)
            results[filename] = result

    end_time = time.time()
    print(f"处理 {len(results)} 张图片耗时: {end_time - start_time:.2f} 秒")
    return results

# 使用示例
results = batch_process("./captchas/")
for filename, text in results.items():
    print(f"{filename}: {text}")

多线程优化

在多线程环境下使用时，应当为每个线程创建独立的OCR实例：

```python import ddddocr import concurrent.futures import os

def process_image(file_path): # 每个线程创建自己的OCR实例 ocr = ddddocr.DdddOcr()

with open(file_path, 'rb') as f:
    image = f.read()

result = ocr.classific