如何在python中使用OCR从Image中获取文本的坐标

Question

我正在尝试使用Tesseract从图像中获取文本字符的坐标或位置。 我想知道确切的像素位置，以便我可以使用其他工具点击该文本。

编辑：

import pytesseract
from pytesseract import pytesseract
import PIL
from PIL import Image
import cv2
import csv

img = 'E:\\OCR-DATA\\sample.jpg'
imge = Image.open(img)
    data=pytesseract.image_to_string(imge,lang='eng',boxes=True,config='hocr')

print(data)

data包含带框边界值的已识别文本。但我不确定，如何使用该边界值来获得文本的坐标。

data变量的值如下：

O 100 356 115 373 0

u 117 356 127 368 0

t 130 356 138 372 0

p 141 351 152 368 0

u 154 356 164 368 0

t 167 356 175 371 0

Answer 1

每行都有边界框的坐标。

来自：Training Tesseract – Make Box Files

字符，左，下，右，上，页

因此，对于每个字符，您将获得该字符，后跟其边界框字符，然后是基于0的页码。

Answer 2

您可以尝试以下操作：

img = 'tes.jpg'
imge = Image.open(img)
data=pytesseract.image_to_boxes(imge)

print(data)

这将直接为您提供结果，例如：

T 22 58 52 97 0
H 62 58 95 96 0
R 102 58 135 97 0
E 146 57 174 97 0
A 184 57 216 96 0
D 225 56 258 96 0