### 使用 Python 和 Tesseract 实现识别图片中距离左上角最近的文字及其位置 要实现这一功能，可以利用 `pytesseract` 提供的 OCR 功能以及返回的字符框信息（bounding box）。通过解析这些数据，能够提取出距离左上角最近的文字及其具体坐标。 以下是完整的解决方案： #### 安装依赖库 确保已正确安装所需的工具和库： 1. **Tesseract-OCR**: 需要在系统中安装并配置好 Tesseract-OCR 工具[^1]。 2. **Pytesseract**: 这是一个用于调用 Tesseract 的 Python 库[^3]。 3. **Pillow (PIL)**: 用于处理图像文件[^4]。 可以通过以下命令完成安装： ```bash pip install pytesseract pillow ``` 如果 Tesseract 路径未被自动检测到，则需手动设置其路径。例如，在 Windows 下可能需要修改 `pytesseract.py` 文件中的 `tesseract_cmd` 变量[^3]。 --- #### 获取最靠近左上角的文字及位置 下面是一段代码示例，展示如何获取距离左上角最近的文字及其位置： ```python import cv2 import numpy as np from PIL import Image import pytesseract def find_nearest_text_from_top_left(image_path, lang="chi_sim"): """ 找到图片中最接近左上角的文字及其位置 参数: image_path (str): 图片文件路径 lang (str): 文字的语言，默认为中文简体 'chi_sim' 返回: tuple: 最近文字的内容和对应的边界框 (text, bbox) """ # 加载图片 img_cv = cv2.imread(image_path) # 如果读取失败则抛出异常 if img_cv is None: raise ValueError(f"无法加载图片 {image_path}") # 将 OpenCV BGR 格式转换为 RGB 格式 rgb_image = cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB) # 使用 pytesseract 获取带坐标的 OCR 数据 data = pytesseract.image_to_data(rgb_image, lang=lang, output_type=pytesseract.Output.DICT) # 初始化变量存储最小距离的信息 min_distance = float('inf') nearest_text = "" nearest_bbox = () # 遍历 OCR 数据寻找离原点最近的文字 for i in range(len(data['level'])): if int(data['conf'][i]) > -1 and data['text'][i].strip(): # 排除置信度低或为空的结果 x, y, w, h = map(int, [data['left'][i], data['top'][i], data['width'][i], data['height'][i]]) distance = ((x + w / 2) ** 2 + (y + h / 2) ** 2) ** 0.5 # 计算中心点到原点的距离 if distance < min_distance: min_distance = distance nearest_text = data['text'][i] nearest_bbox = (x, y, w, h) return nearest_text.strip(), nearest_bbox if __name__ == "__main__": # 设置图片路径 image_path = r"C:\path\to\your\image.png" try: result = find_nearest_text_from_top_left(image_path) text, bbox = result print(f"最接近左上角的文字是 '{text}'") print(f"对应的位置是 ({bbox[0]}, {bbox[1]}), 宽高分别为 {bbox[2]}px 和 {bbox[3]}px") except Exception as e: print(e) ``` --- #### 关键说明 1. **`pytesseract.image_to_data()` 方法** 此方法不仅返回文本内容，还提供了每一段文字的具体边界框信息（包括左边缘、顶部、宽度和高度），便于进一步分析[^4]。 2. **计算几何距离** 利用了欧几里得距离公式来衡量每个单词中心点与图片左上角之间的相对远近程度。 3. **语言支持** 默认使用的是中文简体 (`chi_sim`)，可以根据需求更换成其他预训练模型或者自定义训练的数据集[^5]。 --- ### 注意事项 - 若目标图片分辨率较低可能导致较差的识别精度；建议优化输入素材的质量后再运行程序。 - 对于复杂背景下的场景，可考虑先做二值化或其他预处理操作提升最终效果。 ---