如何用Pillow在图片原文本矩形区域绘制替换后的文本？

假设我们有如下图片：
（示例图片内容为两行文本：Write Text on Image 和 using OpenCV）

首先通过以下代码使用Tesseract识别图片文本：

from PIL import Image
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
text = pytesseract.image_to_string(Image.open('text_image.png'))

随后将识别文本中的“Text”替换为“new Text”，代码如下：

text = text.replace("Text","new Text")
print(text)

替换结果为：

Write new Text on Image
using OpenCV

现在需将该新文本绘制到原图的原文本位置，找到的教程中Pillow的text方法仅传入单点坐标：

d1.text((65, 10), "Sample text", fill =(255, 0, 0),font=myFont)

但原文本对应矩形区域，请问该如何实现此需求？

要实现将新文本精准绘制到原文本的矩形区域，核心是先获取原文本的边界框坐标，再基于该区域完成覆盖、文本绘制，具体步骤如下：

1. 获取原文本的边界框信息 #

使用Tesseract的image_to_data方法，它会返回每个文本片段的位置数据（左上角坐标、宽度、高度等），方便定位原文本区域：

from PIL import Image
import pytesseract
import pandas as pd

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
img = Image.open('text_image.png')

# 获取OCR详细数据并转为DataFrame处理
ocr_data = pytesseract.image_to_data(img, output_type=pytesseract.Output.DATAFRAME)
# 过滤无效的空文本行
ocr_data = ocr_data[ocr_data['text'].notna()]

# 计算整个文本区域的边界框：取所有文本行的最小左上角坐标、最大右下角坐标
min_x = ocr_data['left'].min()
min_y = ocr_data['top'].min()
max_x = ocr_data['left'].max() + ocr_data['width'].max()
max_y = ocr_data['top'].max() + ocr_data['height'].max()
text_bbox = (min_x, min_y, max_x, max_y)

如果只需替换特定的“Text”单词，可单独定位该单词的边界框：

# 找到包含"Text"的文本行，提取其边界框
target_row = ocr_data[ocr_data['text'] == 'Text'].iloc[0]
word_bbox = (target_row['left'], target_row['top'], target_row['left']+target_row['width'], target_row['top']+target_row['height'])

2. 覆盖原文本区域 #

用与原图背景一致的颜色填充边界框，彻底覆盖原文本：

from PIL import ImageDraw

draw = ImageDraw.Draw(img)
# 假设原图背景为白色，需根据实际背景色调整
draw.rectangle(text_bbox, fill=(255, 255, 255))

3. 在边界框内适配绘制新文本 #

考虑文本换行、对齐问题，确保新文本完全适配原区域：

from PIL import ImageFont
import textwrap

# 加载匹配原文本风格的字体，字号需根据实际调整
font = ImageFont.truetype('arial.ttf', 16)
new_text = "Write new Text on Image\nusing OpenCV"

# 拆分文本为适配边界框宽度的多行
bbox_width = max_x - min_x
# 根据字体字符宽度计算每行可容纳的字符数
char_width = font.getsize(' ')[0]
wrapped_lines = textwrap.wrap(new_text, width=int(bbox_width / char_width))

# 计算垂直居中的起始位置
line_height = font.getsize('A')[1]
total_text_height = len(wrapped_lines) * line_height
y_start = min_y + (max_y - min_y - total_text_height) // 2
current_y = y_start

for line in wrapped_lines:
    # 左对齐绘制，若需居中可计算水平偏移
    current_x = min_x
    # 水平居中计算：current_x = min_x + (bbox_width - font.getsize(line)[0]) // 2
    draw.text((current_x, current_y), line, fill=(0, 0, 0), font=font)
    current_y += line_height

# 保存修改后的图片
img.save('modified_image.png')

关键注意点 #

• 字体的类型、字号要尽量匹配原文本，避免文本超出边界框或风格不协调；
• 填充颜色必须与原图背景一致，否则会留下明显的修改痕迹；
• 若替换单个单词，只需针对该单词的边界框操作，无需处理整个文本区域。

内容的提问来源于stack exchange，提问作者neural science