如何修改指定代码实现文本Bounding Box定位及白底文本提取

实现步骤 #

1. 读取图像并转灰度，通过二值化反转处理突出深色背景上的白色文本
2. 用Tesseract OCR检测文本位置，获取每个文本块的Bounding Box信息
3. 在原图上绘制红色边框标记文本区域
4. 提取每个文本区域，粘贴到白色背景画布上

完整代码 #

import cv2
import pytesseract
import numpy as np
from pytesseract import Output

# 若Tesseract未加入系统环境变量，手动指定安装路径
# pytesseract.pytesseract.tesseract_cmd = r'你的Tesseract安装路径\tesseract.exe'

def handle_text_image(img_path):
    # 读取目标图片
    img = cv2.imread(img_path)
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 二值化反转，适配黑底白字场景
    _, binary_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    
    # 获取OCR检测的详细数据
    ocr_data = pytesseract.image_to_data(binary_img, output_type=Output.DICT)
    box_count = len(ocr_data['text'])
    
    # 绘制Bounding Box到原图
    marked_img = img.copy()
    for i in range(box_count):
        # 过滤无效文本（空内容或置信度低于60的结果）
        if int(ocr_data['conf'][i]) > 60 and ocr_data['text'][i].strip():
            x, y, w, h = ocr_data['left'][i], ocr_data['top'][i], ocr_data['width'][i], ocr_data['height'][i]
            cv2.rectangle(marked_img, (x, y), (x+w, y+h), (0, 0, 255), 2)
    
    # 提取文本到白色背景
    white_bg = 255 * np.ones_like(img)
    for i in range(box_count):
        if int(ocr_data['conf'][i]) > 60 and ocr_data['text'][i].strip():
            x, y, w, h = ocr_data['left'][i], ocr_data['top'][i], ocr_data['width'][i], ocr_data['height'][i]
            # 截取文本区域
            text_area = img[y:y+h, x:x+w]
            # 粘贴到白色背景对应位置
            white_bg[y:y+h, x:x+w] = text_area
    
    # 保存结果
    cv2.imwrite('带边框标记的图片.jpg', marked_img)
    cv2.imwrite('白背景提取文本.jpg', white_bg)
    
    # 可选：显示结果窗口
    cv2.imshow('标记后的图片', marked_img)
    cv2.imshow('白背景文本', white_bg)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 调用处理目标图片
handle_text_image('W2LeK.jpg')

注意事项 #

• 用THRESH_BINARY_INV反转颜色，是为了将黑底白字转换为白底黑字，匹配Tesseract的默认识别偏好，提升检测准确率
• 置信度阈值可根据实际识别效果调整，数值越高过滤掉的低质量结果越多
• 如果文本存在倾斜，可额外加入旋转矫正步骤，进一步优化定位效果

依赖安装 #

先安装Python库：

pip install opencv-python pytesseract numpy

再安装Tesseract OCR引擎，根据自身系统下载对应版本即可。

内容的提问来源于stack exchange，提问作者VRashi