如何用Python检测含完整背景的文本框及其坐标？

解决方案 #

可以结合OpenCV的轮廓检测与easyocr的文本定位，精准找到包含完整背景的文本框，步骤如下：

核心思路 #

1. 利用OpenCV的二值化处理，将深色背景与浅色文本分离，突出背景区域的轮廓；
2. 通过easyocr获取所有可信文本的坐标范围；
3. 在轮廓中筛选出能完全包含所有文本区域的背景轮廓，以此得到完整的背景矩形；
4. 若轮廓检测效果不佳，可基于文本区域向外扩展，通过颜色判断找到背景边界。

代码实现 #

import cv2
import easyocr
import numpy as np

# 读取目标图片
img = cv2.imread('00025.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 反二值化：将浅色文本转为黑色，深色背景转为白色，突出背景轮廓
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 寻找图片中的所有外部轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 用easyocr获取置信度高于0.75的文本框坐标
reader = easyocr.Reader(['en'])
result = reader.readtext('00025.jpg')
text_boxes = [res[0] for res in result if res[2] > 0.75]

# 计算所有文本框的整体范围（最小外接矩形）
all_points = []
for box in text_boxes:
    all_points.extend(box)
all_points = np.array(all_points)
x_min, y_min = np.min(all_points, axis=0)
x_max, y_max = np.max(all_points, axis=0)

# 筛选能完全包含文本范围的最大背景轮廓
target_contour = None
max_area = 0
for cnt in contours:
    cnt_x, cnt_y, cnt_w, cnt_h = cv2.boundingRect(cnt)
    # 判断文本范围是否完全在当前轮廓内
    if cnt_x <= x_min and cnt_y <= y_min and (cnt_x + cnt_w) >= x_max and (cnt_y + cnt_h) >= y_max:
        cnt_area = cnt_w * cnt_h
        if cnt_area > max_area:
            max_area = cnt_area
            target_contour = cnt

# 获取最终的矩形坐标（格式与原代码一致：bottom_left, bottom_right, top_left, top_right）
if target_contour is not None:
    x, y, w, h = cv2.boundingRect(target_contour)
    final_coords = [[x, y + h], [x + w, y + h], [x, y], [x + w, y]]
    print("最终背景文本框坐标：", final_coords)
    # 可选：绘制结果并保存
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.imwrite('detected_result.jpg', img)
else:
    # 若未找到合适轮廓，采用基于颜色的扩展方案
    expand_step = 15
    # 获取背景色样本（取文本区域外的深色区域）
    bg_color = gray[int(y_min)-10, int(x_min)-10] if y_min > 10 and x_min > 10 else 0
    # 向外扩展直到遇到非背景色
    while True:
        new_x_min = x_min - expand_step
        new_y_min = y_min - expand_step
        new_x_max = x_max + expand_step
        new_y_max = y_max + expand_step
        # 避免超出图片边界
        if new_x_min < 0 or new_y_min < 0 or new_x_max >= img.shape[1] or new_y_max >= img.shape[0]:
            break
        # 检查扩展区域的颜色是否接近背景色
        sample_color = gray[new_y_min, new_x_min]
        if abs(sample_color - bg_color) < 20:
            x_min, y_min, x_max, y_max = new_x_min, new_y_min, new_x_max, new_y_max
        else:
            break
    final_coords = [[x_min, y_max], [x_max, y_max], [x_min, y_min], [x_max, y_min]]
    print("最终背景文本框坐标（扩展版）：", final_coords)

说明 #

• 轮廓检测优先：因为你的目标文本位于一个规整的深色背景块上，轮廓检测能直接定位到这个背景块的边界；
• 颜色扩展备选：如果图片背景复杂，轮廓检测失效，通过颜色判断向外扩展的方式可以适配更多场景；
• 可根据实际图片调整二值化阈值、扩展步长、颜色差值等参数，优化检测效果。

内容的提问来源于stack exchange，提问作者ale13