如何将fitz.get_text('block')返回的坐标转换为图像像素坐标

坐标不匹配主要来自两个底层差异：

• fitz返回的坐标单位是PDF标准点（1点=1/72英寸），不是图像像素
• PDF页面坐标原点在左下角，y轴向上递增；图像像素坐标原点在左上角，y轴向下递增

转换步骤 #

1. 确定缩放系数 #

你渲染PDF页面为图像时的缩放系数zoom可以通过两种方式获取：

• 渲染时主动指定：比如要生成200DPI的图像，缩放系数为zoom = 200 / 72，对应渲染矩阵为fitz.Matrix(zoom, zoom)
• 从已有的渲染结果计算：如果已经生成了pixmap对象，可通过zoom = pix.width / page.rect.width得到

2. 坐标转换计算 #

fitz.get_text('blocks')返回的每个文本块前四个值为(x0, y0, x1, y1)，对应PDF坐标下文本块的左边界、下边界、右边界、上边界，转换为像素坐标的公式如下：

# 先获取PDF页面的总高度（单位：点）
page_height = page.rect.height

# 转换为图像像素坐标
pixel_left = x0 * zoom
pixel_top = (page_height - y1) * zoom
pixel_right = x1 * zoom
pixel_bottom = (page_height - y0) * zoom

转换后得到的四个值就是图像上对应文本块的左上角、右下角像素坐标，可直接用于高亮绘制。

示例代码 #

import fitz

# 打开PDF并取第一页
doc = fitz.open("your_file.pdf")
page = doc[0]

# 按2倍缩放渲染页面为图像
zoom = 2
pix = page.get_pixmap(matrix=fitz.Matrix(zoom, zoom))
page_height = page.rect.height

# 遍历所有文本块转换坐标
for block in page.get_text("blocks"):
    x0, y0, x1, y1, text, block_id, block_type = block
    # 跳过非文本块
    if block_type != 0:
        continue
    # 坐标转换
    px0 = round(x0 * zoom)
    py0 = round((page_height - y1) * zoom)
    px1 = round(x1 * zoom)
    py1 = round((page_height - y0) * zoom)
    # 此处可插入你自己的高亮绘制逻辑

注意事项 #

• 坐标反转必须基于PDF页面的点高度page.rect.height，不能直接用渲染后图像的像素高度计算，避免缩放导致的偏差
• 如果没有指定缩放直接调用page.get_pixmap()，默认缩放系数为1，直接代入公式即可
• 绘制时如果需要整数坐标，对计算结果做四舍五入即可，不建议直接截断，避免小尺寸文本的坐标偏差

内容的提问来源于stack exchange，提问作者Mehdi Sheikh