DdddOcr，其由 本作者 与 kerlomz 共同合作完成，通过大批量生成随机数据后进行深度网络训练，本身并非针对任何一家验证码厂商而制作，本库使用效果完全靠玄学，可能可以识别，可能不能识别。
DdddOcr、最简依赖的理念，尽量减少用户的配置和使用成本，希望给每一位测试者带来舒适的体验
项目地址： 点我传送
一个容易使用的通用验证码识别python库
探索本项目的文档 »
·
报告Bug
·
提出新特性
| 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 |
| 系统 | CPU | GPU | 最大支持py版本 | 备注 |
|---|---|---|---|---|
| Windows 64位 | √ | √ | 3.12 | 部分版本windows需要安装vc运行库 |
| Windows 32位 | × | × | - | |
| Linux 64 / ARM64 | √ | √ | 3.12 | |
| Linux 32 | × | × | - | |
| Macos X64 | √ | √ | 3.12 | M1/M2/M3...芯片参考#67 |
i. 从pypi安装
pip install ddddocrii. 安装API服务支持
pip install ddddocr[api]iii. 从源码安装
git clone https://github.com/sml2h3/ddddocr.git
cd ddddocr
python setup.py install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，此为基础常识。
eg:
ddddocr
├── MANIFEST.in
├── LICENSE
├── README.md
├── /ddddocr/
│ │── __init__.py 主代码库文件
│ │── common.onnx 新ocr模型
│ │── common_det.onnx 目标检测模型
│ │── common_old.onnx 老ocr模型
│ │── logo.png
│ │── README.md
│ │── requirements.txt
├── logo.png
└── setup.py
本项目基于dddd_trainer 训练所得，训练底层框架位pytorch，ddddocr推理底层抵赖于onnxruntime，故本项目的最大兼容性与python版本支持主要取决于onnxruntime。
主要用于识别单行文字，即文字部分占据图片的主体部分，例如常见的英数验证码等，本项目可以对中文、英文（随机大小写or通过设置结果范围圈定大小写）、数字以及部分特殊字符。
# example.py
import ddddocr
ocr = ddddocr.DdddOcr()
image = open("example.jpg", "rb").read()
result = ocr.classification(image)
print(result)本库内置有两套ocr模型，默认情况下不会自动切换，需要在初始化ddddocr的时候通过参数进行切换
# example.py
import ddddocr
ocr = ddddocr.DdddOcr(beta=True) # 切换为第二套ocr模型
image = open("example.jpg", "rb").read()
result = ocr.classification(image)
print(result)提示
对于部分透明黑色png格式图片得识别支持: classification 方法 使用 png_fix 参数，默认为False
ocr.classification(image, png_fix=True)注意
之前发现很多人喜欢在每次ocr识别的时候都重新初始化ddddocr，即每次都执行ocr = ddddocr.DdddOcr()，这是错误的，通常来说只需要初始化一次即可，因为每次初始化和初始化后的第一次识别速度都非常慢
参考例图
包括且不限于以下图片
本功能支持HSV颜色空间的颜色范围过滤，可以有效提高特定颜色文字的识别准确率。
内置颜色预设
支持以下预设颜色：red（红色）、blue（蓝色）、green（绿色）、yellow（黄色）、orange（橙色）、purple（紫色）、cyan（青色）、black（黑色）、white（白色）、gray（灰色）
使用方式1：通过预设颜色名称
import ddddocr
ocr = ddddocr.DdddOcr()
with open("captcha.jpg", "rb") as f:
image = f.read()
# 只保留红色和蓝色的文字
result = ocr.classification(image, color_filter_colors=['red', 'blue'])
print(result)使用方式2：通过自定义HSV范围
import ddddocr
ocr = ddddocr.DdddOcr()
with open("captcha.jpg", "rb") as f:
image = f.read()
# 自定义HSV颜色范围 (H, S, V)
custom_ranges = [
((0, 50, 50), (10, 255, 255)), # 红色范围1
((170, 50, 50), (180, 255, 255)) # 红色范围2
]
result = ocr.classification(image, color_filter_custom_ranges=custom_ranges)
print(result)查看可用颜色
from ddddocr import ColorFilter
# 获取所有可用的预设颜色
colors = ColorFilter.get_available_colors()
print(colors)
# 查看颜色的HSV范围
print(ColorFilter.COLOR_PRESETS['red'])命令行查看颜色
python -m ddddocr colors主要用于快速检测出图像中可能的目标主体位置，由于被检测出的目标不一定为文字，所以本功能仅提供目标的bbox位置 （在⽬标检测⾥，我们通常使⽤bbox（bounding box，缩写是 bbox）来描述⽬标位置。bbox是⼀个矩形框，可以由矩形左上⻆的 x 和 y 轴坐标与右下⻆的 x 和 y 轴坐标确定）
如果使用过程中无需调用ocr功能，可以在初始化时通过传参ocr=False关闭ocr功能，开启目标检测需要传入参数det=True
import ddddocr
import cv2
det = ddddocr.DdddOcr(det=True)
with open("test.jpg", 'rb') as f:
image = f.read()
bboxes = det.detection(image)
print(bboxes)
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)参考例图
包括且不限于以下图片
本项目的滑块检测功能并非AI识别实现，均为opencv内置算法实现。可能对于截图党用户没那么友好~，如果使用过程中无需调用ocr功能或目标检测功能，可以在初始化时通过传参ocr=False关闭ocr功能或det=False来关闭目标检测功能
本功能内置两套算法实现，适用于两种不同情况，具体请参考以下说明
a.算法1
算法1原理是通过滑块图像的边缘在背景图中计算找到相对应的坑位，可以分别获取到滑块图和背景图，滑块图为透明背景图
滑块图
背景图
det = ddddocr.DdddOcr(det=False, ocr=False)
with open('target.png', 'rb') as f:
target_bytes = f.read()
with open('background.png', 'rb') as f:
background_bytes = f.read()
res = det.slide_match(target_bytes, background_bytes)
print(res)由于滑块图可能存在透明边框的问题，导致计算结果不一定准确，需要自行估算滑块图透明边框的宽度用于修正得出的bbox
提示：如果滑块无过多背景部分，则可以添加simple_target参数， 通常为jpg或者bmp格式的图片
slide = ddddocr.DdddOcr(det=False, ocr=False)
with open('target.jpg', 'rb') as f:
target_bytes = f.read()
with open('background.jpg', 'rb') as f:
background_bytes = f.read()
res = slide.slide_match(target_bytes, background_bytes, simple_target=True)
print(res)a.算法2
算法2是通过比较两张图的不同之处进行判断滑块目标坑位的位置
参考图a，带有目标坑位阴影的全图
参考图b，全图
slide = ddddocr.DdddOcr(det=False, ocr=False)
with open('bg.jpg', 'rb') as f:
target_bytes = f.read()
with open('fullpage.jpg', 'rb') as f:
background_bytes = f.read()
img = cv2.imread("bg.jpg")
res = slide.slide_comparison(target_bytes, background_bytes)
print(res)为了提供更灵活的ocr结果控制与范围限定，项目支持对ocr结果进行范围限定。
可以通过在调用classification方法的时候传参probability=True，此时classification方法将返回全字符表的概率
当然也可以通过set_ranges方法设置输出字符范围来限定返回的结果。
Ⅰ. set_ranges 方法限定返回字符返回
本方法接受1个参数，如果输入为int类型为内置的字符集限制，string类型则为自定义的字符集
如果为int类型，请参考下表
| 参数值 | 意义 |
|---|---|
| 0 | 纯整数0-9 |
| 1 | 纯小写英文a-z |
| 2 | 纯大写英文A-Z |
| 3 | 小写英文a-z + 大写英文A-Z |
| 4 | 小写英文a-z + 整数0-9 |
| 5 | 大写英文A-Z + 整数0-9 |
| 6 | 小写英文a-z + 大写英文A-Z + 整数0-9 |
| 7 | 默认字符库 - 小写英文a-z - 大写英文A-Z - 整数0-9 |
如果为string类型请传入一段不包含空格的文本，其中的每个字符均为一个待选词
如："0123456789+-x/=""
import ddddocr
ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()
ocr.set_ranges("0123456789+-x/=")
result = ocr.classification(image, probability=True)
s = ""
for i in result['probability']:
s += result['charsets'][i.index(max(i))]
print(s)本项目支持导入来自于 dddd_trainer 进行自定义训练后的模型，参考导入代码为
import ddddocr
ocr = ddddocr.DdddOcr(det=False, ocr=False, import_onnx_path="myproject_0.984375_139_13000_2022-02-26-15-34-13.onnx", charsets_path="charsets.json")
with open('test.jpg', 'rb') as f:
image_bytes = f.read()
res = ocr.classification(image_bytes)
print(res)本项目支持通过HTTP API的方式提供服务，方便集成到各种应用中。
启动API服务
# 基础启动
python -m ddddocr api
# 指定端口和主机
python -m ddddocr api --host 0.0.0.0 --port 8000
# 开发模式（自动重载）
python -m ddddocr api --reload
# 查看所有选项
python -m ddddocr api --helpAPI端点说明
| 端点 | 方法 | 说明 |
|---|---|---|
/initialize |
POST | 初始化并选择加载的模型类型 |
/switch-model |
POST | 运行时切换模型配置 |
/toggle-feature |
POST | 开启/关闭特定功能 |
/ocr |
POST | 执行OCR识别 |
/detect |
POST | 执行目标检测 |
/slide-match |
POST | 滑块匹配算法 |
/slide-comparison |
POST | 滑块比较算法 |
/status |
GET | 获取当前服务状态 |
/docs |
GET | Swagger UI文档 |
使用示例
- 初始化服务
curl -X POST "http://localhost:8000/initialize" \
-H "Content-Type: application/json" \
-d '{"ocr": true, "det": false}'- OCR识别（支持颜色过滤）
curl -X POST "http://localhost:8000/ocr" \
-H "Content-Type: application/json" \
-d '{
"image": "base64_encoded_image_data",
"color_filter_colors": ["red", "blue"],
"png_fix": false,
"probability": false
}'- 目标检测
curl -X POST "http://localhost:8000/detect" \
-H "Content-Type: application/json" \
-d '{"image": "base64_encoded_image_data"}'- 查看服务状态
curl "http://localhost:8000/status"Python客户端示例
import requests
import base64
# 读取图片并转换为base64
with open("captcha.jpg", "rb") as f:
image_data = base64.b64encode(f.read()).decode()
# 初始化服务
response = requests.post("http://localhost:8000/initialize",
json={"ocr": True, "det": False})
print(response.json())
# OCR识别
response = requests.post("http://localhost:8000/ocr",
json={
"image": image_data,
"color_filter_colors": ["red", "blue"]
})
result = response.json()
print(result["data"]["text"])本项目支持MCP（Model Context Protocol）协议，使AI Agent能够直接调用ddddocr服务。
MCP端点
- 能力声明：
GET /mcp/capabilities - 工具调用：
POST /mcp/call
可用工具
ddddocr_initialize- 初始化服务ddddocr_ocr- OCR文字识别（支持颜色过滤）ddddocr_detection- 目标检测ddddocr_slide_match- 滑块匹配ddddocr_slide_comparison- 滑块比较ddddocr_status- 获取服务状态
MCP调用示例
import requests
# 获取MCP能力
response = requests.get("http://localhost:8000/mcp/capabilities")
print(response.json())
# 调用OCR工具
mcp_request = {
"method": "ddddocr_ocr",
"params": {
"image": "base64_encoded_image",
"color_filter_colors": ["red", "blue"]
},
"id": "1"
}
response = requests.post("http://localhost:8000/mcp/call", json=mcp_request)
print(response.json())该项目使用Git进行版本管理。您可以在repository参看当前可用版本。
问题1：ImportError: No module named 'cv2'
解决方案：
# 卸载可能冲突的opencv包
pip uninstall opencv-python opencv-python-headless
# 重新安装
pip install opencv-python-headless问题2：Linux系统OpenCV运行时错误
Ubuntu/Debian系统：
sudo apt-get update
sudo apt-get install build-essential libglib2.0-0 libsm6 libxext6 libxrender-dev libgl1-mesa-glxCentOS/RHEL系统：
sudo yum install gcc gcc-c++ make glib2-devel libSM libXext libXrender mesa-libGL问题3：Windows系统缺少VC运行库
57AE下载并安装Visual C++运行库：
问题4：macOS M1/M2芯片兼容性问题
参考解决方案：
问题1：启动API服务时提示缺少依赖
解决方案：
pip install ddddocr[api]
# 或者
pip install fastapi uvicorn pydantic问题2：API服务端口被占用
解决方案：
# 指定其他端口
python -m ddddocr api --port 8001
# 或查找并终止占用进程
netstat -ano | findstr :8000 # Windows
lsof -i :8000 # Linux/macOS问题3：颜色过滤效果不理想
解决方案：
- 查看可用颜色预设：
python -m ddddocr colors - 使用自定义HSV范围进行精确控制
- 可以使用图像处理工具先分析图片的颜色分布
- 避免重复初始化：只初始化一次DdddOcr实例
- GPU加速：如有NVIDIA GPU，可设置
use_gpu=True - 批量处理：对于大量图片，建议使用API服务模式
- 内存管理：处理大图片时注意内存使用
- 图片预处理：确保图片清晰，对比度适中
- 颜色过滤：对于彩色验证码，使用颜色过滤功能
- 字符集限制：使用
set_ranges方法限制字符范围 - 模型选择：尝试不同的模型（old、beta）
如果遇到其他问题，请在GitHub Issues中提交问题报告。
...
欢迎更多优秀案例或教程等进行投稿，可直接新建issue标题以【投稿】开头，附上公开教程站点链接，我会选择根据文章内容选择相对不重复或者有重点内容等进行readme展示，感谢各位朋友~
好友数过多不一定通过，有问题可以在issue进行交流
该项目签署了MIT 授权许可，详情请参阅 LICENSE
