Pillow图像处理库:获取文本中每个字符的边界框坐标
2025-05-19 17:45:25作者:柯茵沙
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:
- 字符宽度计算:使用
textlength()方法获取单个字符的显示宽度 - 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
- 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
- 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 - 边界框构成:
textbbox()返回的元组包含(left, top, right, bottom)四个值 - 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
- OCR预处理:精确定位字符位置辅助文字识别
- 图像标注工具:为文本添加可交互的热区
- 文字特效:实现字符级别的动画效果
- 排版分析:计算字符间距、行距等排版参数
注意事项
- 对于比例字体,每个字符的宽度可能不同
- 某些特殊字符(如空格、制表符)需要特殊处理
- 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
- 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。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 CVE-2024-38077伪代码修复版EXP资源详解:Windows远程桌面授权服务问题利用指南 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
241
2.38 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
216
291
暂无简介
Dart
539
118
仓颉编译器源码及 cjdb 调试工具。
C++
115
86
仓颉编程语言运行时与标准库。
Cangjie
122
97
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1 K
589
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
590
118
Ascend Extension for PyTorch
Python
79
112
仓颉编程语言提供了 stdx 模块,该模块提供了网络、安全等领域的通用能力。
Cangjie
80
56