如何将pdfminer.six提取的文本Bounding Box可视化到PDF图像？

我有一份PDF格式的图表，已用pdfminer.six成功提取出图表中的文本及其边界框（Bounding Box）。
系统环境：Windows 10、Python 3.9.13
现在想使用OpenCV的rectangle()函数，把这些边界框绘制到PDF转换后的图像上实现可视化，但用pdf2image转换PDF为图像时需要设置DPI，不确定具体实现方法，请问如何利用pdfminer返回的边界框数据完成这个可视化？

提取边界框的示例代码 #

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTTextBox, LAParams
import cv2 as cv
import os
import numpy as np

path = r"sample.pdf"
assert os.path.exists(path), "image path is wrong"

laparams = LAParams(detect_vertical=True)

for page_layout in extract_pages(path, laparams=laparams):
    for element in page_layout:
        if isinstance(element, LTTextBox):
            print(element.bbox)

边界框输出示例 #

....
(64.46833119999998, 758.4685649600001, 143.16671221999994, 763.35576496)
(399.3279, 797.7414805999999, 464.28060816000004, 812.3556692000001)
(520.1078, 797.7414805999999, 631.1472937599999, 812.3556692000001)
(676.9479, 797.7414805999999, 762.4986252799999, 812.3556692000001)
(709.8279, 787.0014805999999, 729.9863304, 792.5868806)
....

核心要解决两个问题：坐标单位转换（点→像素）和坐标原点对齐（PDF左下角→图像左上角），以下是完整实现步骤：

1. 安装依赖 #

确保已安装所需库，若未安装执行：

pip install pdfminer.six opencv-python pdf2image

Windows用户需额外下载poppler工具包，解压后将其bin目录添加到系统环境变量PATH中，或在代码中直接指定poppler路径。

2. 完整实现代码 #

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTTextBox, LAParams
import cv2 as cv
import os
import numpy as np
from pdf2image import convert_from_path

# 配置参数
PDF_PATH = r"sample.pdf"
DPI = 300  # 常用DPI值，越高图像越清晰，坐标精度越高
OUTPUT_DIR = r"./output"
os.makedirs(OUTPUT_DIR, exist_ok=True)

# 1. 转换PDF为图像
# Windows用户若未配置poppler环境变量，需指定poppler_path参数，示例：r"C:\poppler-23.08.0\Library\bin"
pages_images = convert_from_path(PDF_PATH, dpi=DPI)

# 2. 提取边界框并绘制
laparams = LAParams(detect_vertical=True)
for page_idx, (page_layout, page_img) in enumerate(zip(extract_pages(PDF_PATH, laparams=laparams), pages_images)):
    # 将PIL图像转为OpenCV格式（BGR）
    img = cv.cvtColor(np.array(page_img), cv.COLOR_RGB2BGR)
    img_height, img_width = img.shape[:2]
    
    # 获取PDF页面的原始尺寸（单位：点，1英寸=72点）
    page_width_pt, page_height_pt = page_layout.bbox[2], page_layout.bbox[3]
    
    # 计算缩放因子：点转像素
    scale_x = img_width / page_width_pt
    scale_y = img_height / page_height_pt
    
    # 遍历所有文本框，绘制边界框
    for element in page_layout:
        if isinstance(element, LTTextBox):
            # PDF边界框格式：(x0, y0, x1, y1)，坐标原点在左下角
            x0_pt, y0_pt, x1_pt, y1_pt = element.bbox
            
            # 转换为图像像素坐标
            x0 = int(x0_pt * scale_x)
            # 翻转Y轴，对齐图像左上角原点
            y0 = int(img_height - y0_pt * scale_y)
            x1 = int(x1_pt * scale_x)
            y1 = int(img_height - y1_pt * scale_y)
            
            # 绘制绿色矩形，线宽2
            cv.rectangle(img, (x0, y1), (x1, y0), (0, 255, 0), 2)
    
    # 保存可视化结果
    output_path = os.path.join(OUTPUT_DIR, f"page_{page_idx+1}_boxed.jpg")
    cv.imwrite(output_path, img)
    print(f"已保存结果：{output_path}")

关键说明 #

• DPI选择：300是兼顾清晰度和性能的常用值，若需要更高精度可设为600，但图像体积会相应增大。
• 坐标转换逻辑：
  • PDF坐标原点在页面左下角，Y轴向上；OpenCV图像原点在左上角，Y轴向下，因此需要用图像高度 - 转换后的Y坐标完成翻转。
  • 缩放因子通过图像实际尺寸/PDF页面点尺寸计算，无需手动换算DPI与点的关系，更精准。
• poppler路径：Windows用户如果未将poppler加入环境变量，必须在convert_from_path中指定poppler_path参数，指向poppler解压后的bin目录。

内容的提问来源于stack exchange，提问作者tintin98