### 使用Python从图片中提取或识别地理坐标（经纬度） 要实现从图片中提取或识别地理坐标（经纬度），可以通过多种方式完成。以下是两种主要的方法： #### 方法一：基于百度OCR API 和 正则表达式 此方法适用于图片中含有文字形式的经纬度信息的情况。通过调用百度OCR API 对图片进行光学字符识别 (OCR)，再利用正则表达式匹配并提取出其中的经纬度数值。 具体流程如下： 1. 调用百度 OCR API 获取图片中的文本内容。 2. 利用正则表达式筛选出符合条件的纬度和经度字符串。 3. 将提取到的结果保存至文件或其他存储介质中以便后续使用。 示例代码展示如何操作上述逻辑： ```python import re from aip import AipOcr def extract_coordinates_from_image(image_path): """Extract coordinates from an image using Baidu OCR.""" APP_ID = 'your_app_id' API_KEY = 'your_api_key' SECRET_KEY = 'your_secret_key' client = AipOcr(APP_ID, API_KEY, SECRET_KEY) with open(image_path, 'rb') as file: result = client.basicGeneral(file.read()) text = '\n'.join([word['words'] for word in result.get('words_result', [])]) # Regular expression to find latitude and longitude values. pattern = r"(?P<latitude>[-+]?\d{1,2}\.\d+)[^\w\d]+(?P<longitude>[-+]?\d{1,3}\.\d+)" match = re.search(pattern, text) if not match: raise ValueError("No valid coordinate found.") lat, lon = float(match.group('latitude')), float(match.group('longitude')) return {'Latitude': lat, 'Longitude': lon} image_file = "path_to_your_image.jpg" coordinates = extract_coordinates_from_image(image_file) print(f"Coordinates extracted: {coordinates}") ``` 这种方法的优点在于其灵活性强，适合处理含有显式标注的地图或者带有地理位置描述的照片场景[^1]。 --- #### 方法二：直接读取EXIF元数据中的GPS信息 如果目标图像是由支持记录 GPS 数据的设备拍摄，则可以直接访问 EXIF 元数据来获取嵌入式的地理定位信息。这种方式无需依赖外部服务如 OCR 技术即可快速高效地获得精确的位置详情。 下面提供了一段简单的 Python 实现方案： ```python from PIL import Image from PIL.ExifTags import GPSTAGS, TAGS def get_exif(filename): exif_data = {} try: img = Image.open(filename) info = img._getexif() if info is None: return {} for tag, value in info.items(): decoded_tag = TAGS.get(tag, tag) if decoded_tag == "GPSInfo": gps_info = {} for t in value: sub_decoded = GPSTAGS.get(t, t) gps_info[sub_decoded] = value[t] exif_data[decoded_tag] = gps_info else: exif_data[decoded_tag] = value except Exception as e: print(e) pass return exif_data def convert_to_degrees(value): d0 = value[0][0] d1 = value[0][1] d = float(d0) / float(d1) m0 = value[1][0] m1 = value[1][1] m = float(m0) / float(m1) s0 = value[2][0] s1 = value[2][1] s = float(s0) / float(s1) return d + (m / 60.0) + (s / 3600.0) def get_gps(exif_data): if 'GPSInfo' in exif_data: gps_info = exif_data["GPSInfo"] gps_latitude = gps_info.get("GPSLatitude") gps_latitude_ref = gps_info.get("GPSLatitudeRef") gps_longitude = gps_info.get("GPSLongitude") gps_longitude_ref = gps_info.get("GPSLongitudeRef") if all((gps_latitude, gps_latitude_ref, gps_longitude, gps_longitude_ref)): lat = convert_to_degrees(gps_latitude) if gps_latitude_ref != "N": lat *= -1 lng = convert_to_degrees(gps_longitude) if gps_longitude_ref != "E": lng *= -1 return {"lat": lat, "lng": lng} return None filename = "example_with_location.jpg" data = get_exif(filename) location = get_gps(data) if location: print(location) else: print("No GPS data available.") ``` 这段程序首先加载图像并通过 `_getexif()` 函数检索关联的 EXIF 数据；接着解析这些原始字典结构并将它们转换成更易理解的形式——即十进制表示法下的实际坐标值[^4]。 --- ### 总结 以上分别介绍了借助第三方工具和服务以及本地化手段两种途径达成目的的技术细节。前者侧重于复杂背景条件下自动化程度较高的解决方案，而后者则是针对特定条件优化后的轻量级选项。