如何使用pytesseract在图像特定文本行周围绘制矩形？

你的现有代码是给每个识别出的独立文本块加框，无法实现整行高亮的需求。要完成匹配特定文本行并高亮整行的功能，需要先按行聚合文本内容，判断是否包含目标字符串，再计算整行的边界框来绘制矩形。

修改思路 #

• 按行分组：利用Tesseract返回的line_num字段，将同一行的所有文本块归为一组
• 拼接行文本：把同一行的零散文本拼接成完整的行内容
• 匹配目标文本：检查行文本是否包含你指定的内容（比如times, it was the worst）
• 绘制整行矩形：匹配成功后，计算该行所有文本块的最大边界，绘制覆盖整行的高亮矩形

修改后的代码 #

import cv2 as cv
from pytesseract import pytesseract, Output

# 读取原始图像和灰度图
unchanged_image = cv.imread("i1Abv.png", cv.IMREAD_UNCHANGED)
initial_image = cv.imread("i1Abv.png", 0)

# 二值化处理（可根据图像实际情况调整阈值）
ret, image = cv.threshold(initial_image, 100, 255, cv.THRESH_BINARY)

# 调用Tesseract识别，保留行号等详细信息
results = pytesseract.image_to_data(image, output_type=Output.DICT, config="--psm 6")

# 按行号分组存储文本内容和边界信息
line_data = {}
for i in range(len(results["text"])):
    conf = float(results["conf"][i])
    if conf > 10:  # 过滤低置信度的识别结果
        line_num = results["line_num"][i]
        text = results["text"][i].strip()
        
        # 初始化该行的数据结构
        if line_num not in line_data:
            line_data[line_num] = {
                "text": [],
                "x_min": float('inf'),
                "y_min": float('inf'),
                "x_max": 0,
                "y_max": 0
            }
        
        # 拼接该行的文本内容
        if text:
            line_data[line_num]["text"].append(text)
        
        # 更新该行的边界框范围
        x = results["left"][i]
        y = results["top"][i]
        w = results["width"][i]
        h = results["height"][i]
        line_data[line_num]["x_min"] = min(line_data[line_num]["x_min"], x)
        line_data[line_num]["y_min"] = min(line_data[line_num]["y_min"], y)
        line_data[line_num]["x_max"] = max(line_data[line_num]["x_max"], x + w)
        line_data[line_num]["y_max"] = max(line_data[line_num]["y_max"], y + h)

# 你要检测的目标文本
target_text = "times, it was the worst"

# 遍历每一行，匹配目标并绘制高亮
for line_num, data in line_data.items():
    full_line_text = " ".join(data["text"])
    # 检查行文本是否包含目标内容（可加.lower()实现大小写不敏感匹配）
    if target_text in full_line_text:
        # 绘制覆盖整行的高亮矩形
        cv.rectangle(unchanged_image, 
                     (data["x_min"], data["y_min"]), 
                     (data["x_max"], data["y_max"]), 
                     (0, 255, 0), 2)
        # 可选：在行首标注匹配提示
        cv.putText(unchanged_image, "MATCHED", (data["x_min"], data["y_min"] - 5), 
                   cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 显示最终结果
cv.imshow("Highlighted Result", unchanged_image)
cv.waitKey(0)
cv.destroyAllWindows()

关键说明 #

• 行分组逻辑：通过line_num字段区分不同行，合并同一行所有文本块的边界坐标，得到整行的最小/最大边界
• 文本匹配：拼接行内所有文本后直接判断目标字符串是否存在，若需要忽略大小写，可改为if target_text.lower() in full_line_text.lower()
• 边界计算：取该行所有文本块的最左、最上、最右、最下坐标，确保矩形能完整覆盖整行内容

内容的提问来源于stack exchange，提问作者Ivan