Pillow图像处理库：获取文本中每个字符的边界框坐标

在Python图像处理领域，Pillow库是最常用的基础库之一。本文将深入探讨如何使用Pillow精确获取文本图像中每个字符的边界框坐标，这是文字识别、图像标注等应用中的常见需求。

核心思路解析

传统方法使用textbbox()只能获取整个文本字符串的边界框，而要实现字符级别的定位，需要结合以下两个关键方法：

1. 字符宽度计算：使用textlength()方法获取单个字符的显示宽度
2. 迭代定位：通过循环逐个处理字符，动态计算每个字符的位置

完整实现方案

from PIL import Image, ImageDraw, ImageFont

# 初始化画布和字体
image = Image.new("RGB", (200, 80), (255, 255, 255))
draw = ImageDraw.Draw(image)
font = ImageFont.truetype("arial.ttf", 30)

# 设置起始坐标和文本内容
start_x, start_y = 20, 20
text = "示例文本"

# 绘制原始文本
draw.text((start_x, start_y), text, font=font, fill=(0, 0, 0))

# 逐个字符处理
current_x = start_x
for character in text:
    # 计算当前字符的边界框
    bbox = draw.textbbox((current_x, start_y), character, font=font)
    
    # 绘制边界框（红色矩形）
    draw.rectangle(bbox, outline="red")
    
    # 更新下一个字符的x坐标
    current_x += draw.textlength(character, font=font)

# 显示结果图像
image.show()

技术要点说明

1. 坐标系统：Pillow使用左上角为原点(0,0)的坐标系，x向右增加，y向下增加
2. 字体度量：不同字体的字符宽度可能不同，使用textlength()确保精确计算
3. 边界框构成：textbbox()返回的元组包含(left, top, right, bottom)四个值
4. 视觉验证：建议在调试时绘制边界框进行可视化验证

实际应用场景

1. OCR预处理：精确定位字符位置辅助文字识别
2. 图像标注工具：为文本添加可交互的热区
3. 文字特效：实现字符级别的动画效果
4. 排版分析：计算字符间距、行距等排版参数

注意事项

1. 对于比例字体，每个字符的宽度可能不同
2. 某些特殊字符（如空格、制表符）需要特殊处理
3. 混合语言文本（如中英文混排）需要考虑不同语言的字体度量差异
4. 高DPI显示环境下可能需要调整坐标计算

通过这种方法，开发者可以精确控制文本渲染过程中的每个字符位置，为更复杂的图像处理应用奠定基础。