在图像识别任务中，获取文字在屏幕中的坐标位置是实现OCR（光学字符识别）的重要步骤。除了 PaddlePaddle 之外，Python 生态中存在多个可用于检测图像中文本区域并输出其坐标信息的库，以下是一些主流选择。 ### **Tesseract OCR** Tesseract 是一个广泛使用的开源OCR引擎，能够识别多种语言的文字内容，并提供每个识别出的文字块的边界框坐标。通过 `pytesseract` 模块调用时，可以使用 `image_to_data` 方法获取包含位置信息的结果[^1]。 ```python import pytesseract from PIL import Image # 加载图像 img = Image.open('text_image.png') # 获取带有坐标的OCR结果 data = pytesseract.image_to_data(img, output_type=pytesseract.Output.DICT) # 打印每个文字及其边界框 for i in range(len(data['text'])): if data['conf'][i] > 30: # 置信度阈值 x, y, w, h = data['left'][i], data['top'][i], data['width'][i], data['height'][i] print(f"Text: {data['text'][i]}, Bounding Box: ({x}, {y}, {w}, {h})") ``` ### **EAST 文字检测模型** EAST 是一种高效的自然场景文本检测算法，支持任意方向的文本框检测。OpenCV 提供了预训练的 EAST 模型接口，可直接用于提取文本区域的坐标信息[^2]。 ```python import cv2 import numpy as np # 加载图像 image = cv2.imread('text_image.png') orig = image.copy() (H, W) = image.shape[:2] # EAST要求输入尺寸为32的倍数 rW = W / float(320) rH = H / float(320) blob = cv2.dnn.blobFromImage(image, 1.0, (320, 320), (123.68, 116.78, 103.94), swapRB=True, crop=False) # 加载 EAST 模型 net = cv2.dnn.readNet('frozen_east_text_detection.pb') net.setInput(blob) (scoresData, geometryData) = net.forward(["feature_fusion/Conv_7/Sigmoid", "feature_fusion/concat_3"]) # 解析输出，获取文本框坐标 # 此处省略具体解析代码，完整示例可参考OpenCV官方文档或相关教程 ``` ### **CRAFT 文字检测器** CRAFT 是基于字符感知机制的文字检测方法，适用于不规则形状和复杂排布的文字识别。它能够输出精确的文本区域边界框，适合用于需要高精度定位的应用场景[^3]。 ```bash pip install craft-text-detector ``` ```python from craft_text_detector import Craft # 初始化 CRAFT 检测器 craft = Craft(output_dir=None, crop_type="poly", cuda=False) # 执行预测 prediction_result = craft.get_prediction(image=image) # 输出文本框坐标 for box in prediction_result["boxes"]: print("Bounding Box:", box) ``` ### **MMOCR** 由 OpenMMLab 开发的 MMOCR 是一个统一的文本检测与识别工具箱，支持多种先进的检测算法如 DB、PSENet、TextSnake 等。它不仅提供了丰富的预训练模型，还允许用户自定义训练流程，具备良好的扩展性。 ```bash pip install mmocr ``` ```python from mmocr.apis import MMOCRInferencer # 初始化模型 ocr = MMOCRInferencer(det='DB_r50dcn_v2', rec=None) # 执行检测 result = ocr(image=image_path) # 输出检测到的文本框坐标 print(result['predictions'][0]['det_polygons']) ``` ---