有什么好办法可以提取图片的各个元素的坐标？

Question

有什么好办法可以提取图片的各个元素的坐标

比如下面的图片的分辨率是 720 × 1600

比如我想获取 「喝牛奶有效缓解暑热并促进身体健康」这几个字出现在图片中的坐标

我想到的办法就是把图片先转出 pdf，因为 pdf 是绝对坐标渲染内容的，所以再读取 pdf 中元素就能获取坐标了

截图 ——> 使用 ocrmypdf 转成文本化的 PDF ——> 使用 pdfplumber 按行读取 PDF ——> 统计坐标点

• ocrmypdf: https://github.com/ocrmypdf/OCRmyPDF
• pdfplumber: https://github.com/jsvine/pdfplumber

图片转 pdf 我选用的是 ocrmypdf，为什么选它，因为他是 github 排名第一的

---

但是这个 ocrmypdf 的实际效果很差劲！

使用上面的图片提取文字都是错版的

比如我想复制这几个字

复制出来是

由 RS  器  牛奶 有 效 缓解 暑热 并 促进  身体  健康

感觉还不如微信和钉钉那个 OCR 呢？

而且再用 pdfplumber 读取文本的坐标也不准

x0 应该是 100+，但是它显示的确是 x0

{
    "text": "由RS器牛奶有效缓解暑热并促进身体健康",
    "x0": 4.9832,
    "top": 106.97799,
    "x1": 109.63488972813998,
    "bottom": 112.97800000000001,
    "chars": null,
    "char": null
}

有什么好用的方案可以实现「有什么好办法可以提取图片的各个元素的坐标」吗？

Answer 1

所谓的元素是什么意思,怎么判定为一个元素,还是说就是想提取文字的坐标?