引言

在數(shù)據(jù)處理、文檔數(shù)字化及圖像內(nèi)容分析等開發(fā)場景中，光學字符識別（OCR）技術(shù)常被用于將圖像中的文字轉(zhuǎn)化為可編輯、可搜索的文本格式。Spire.OCR for Python 作為 Python 生態(tài)中的一款 OCR 類庫，可實現(xiàn)圖片文本提取及文字位置定位，適用于發(fā)票信息處理、表單數(shù)據(jù)解析、截圖內(nèi)容提取等場景，以下從技術(shù)特性、實現(xiàn)步驟及應用方向展開介紹。

一、核心技術(shù)特性

Spire.OCR for Python 支持 JPG、PNG、BMP、TIFF 四種主流圖像格式，在功能設(shè)計上具備以下技術(shù)特點：

1. 文本坐標提取能力：可直接獲取文字的 X/Y 軸位置、寬度與高度，為后續(xù)圖像標注、文本區(qū)域定位提供數(shù)據(jù)支持。
2. 低依賴部署：無需額外配置環(huán)境或安裝底層庫，安裝后即可直接調(diào)用，降低入門門檻。
3. 多語言識別支持：涵蓋英語、中文、日語、韓語、德語、法語等常用語言，可根據(jù)識別場景切換目標語言。

二、OCR文字識別功能實現(xiàn)流程

步驟 1：環(huán)境準備與安裝

打開電腦的命令提示符（Windows）或終端（macOS/Linux），輸入以下 pip 命令，一鍵完成安裝：

pip install Spire.OCR

模型要求：點擊下載對應的 OCR 模型文件（Windows系統(tǒng)、Linux系統(tǒng)、 macOS系統(tǒng) ）。解壓后保存至本地路徑，后續(xù)配置時需引用該路徑。

步驟 2：模塊導入

在 Python 腳本中導入類庫核心模塊，用于初始化 OCR 掃描實例及配置參數(shù)：

from spire.ocr import * # 導入OCR核心功能模塊

步驟 3：配置 OCR 依賴項

創(chuàng)建 OCR 掃描對象并設(shè)置關(guān)鍵參數(shù)，包括模型文件路徑與識別語言，參數(shù)配置錯誤會導致識別功能無法正常運行：

# 初始化OCR掃描實例
scanner = OcrScanner()
# 配置引擎參數(shù)
configureOptions = ConfigureOptions()
# 模型文件本地路徑（需根據(jù)實際保存位置修改）
configureOptions.ModelPath = "F:\\OCR Model\\win-x64"
# 識別語言設(shè)置（支持"Chinese"、"English"、"Japanese"等）
configureOptions.Language = "Chinese"
# 應用配置參數(shù)
scanner.ConfigureDependencies(configureOptions

步驟 4：文本提取與坐標獲取

指定目標圖像文件路徑，執(zhí)行掃描操作后，可提取文本內(nèi)容及每個文本塊的位置信息：

# 目標圖像路徑（替換為實際圖像文件路徑）
target_image = "模板.png"
# 執(zhí)行OCR掃描
scanner.Scan(target_image)
# 獲取掃描結(jié)果
ocr_result = scanner.Text
# 提取文本塊內(nèi)容與位置信息
blocks_info = [
    f'文本內(nèi)容： "{block.Text}"\n'
    f'位置坐標： (x={block.Box.X}, y={block.Box.Y})\n'
    f'文本塊尺寸： 寬度{block.Box.Width} x 高度{block.Box.Height}\n'
    f'---------------------------------\n'
    for block in ocr_result.Blocks # 遍歷文本塊
]

# 打印提取結(jié)果（也可根據(jù)需求輸出至日志或控制臺）
print("\n".join(blocks_info))

步驟 5：結(jié)果持久化存儲

若需留存識別結(jié)果，可將文本內(nèi)容與坐標信息寫入本地文件，需指定 UTF-8 編碼避免中文亂碼：

# 寫入TXT文件（追加模式，避免覆蓋已有內(nèi)容）
with open("Ocr文字識別.txt", 'a', encoding='utf-8') as file:
    file.write('\n'.join(blocks_info) + '\n\n')

讀取結(jié)果：

三、進階應用與批量處理

1. 批量圖像識別實現(xiàn)

針對多圖像文件處理場景，可通過遍歷文件夾實現(xiàn)批量 OCR 操作，提升處理效率：

import os

image_dir = r'images/'
for filename in os.listdir(image_dir):
    if filename.endswith(('.png', '.jpg', '.jpeg')):
        scanner.Scan(os.path.join(image_dir, filename))
        # OCR識別圖片文本

2. 文本坐標的技術(shù)應用方向

文本塊坐標參數(shù)可支撐以下技術(shù)場景實現(xiàn)：

• 圖像文本標注：結(jié)合 PIL、OpenCV 等圖像處理庫，根據(jù)坐標在原圖中繪制矩形框，標注出識別到的文本（比如做數(shù)據(jù)標注工具）；
• 文檔結(jié)構(gòu)分析：通過標題、正文、表格等文本塊的坐標分布，判斷文檔內(nèi)容層級與布局結(jié)構(gòu)；
• 關(guān)聯(lián)數(shù)據(jù)提取：在結(jié)構(gòu)化文檔（如表單、發(fā)票）處理中，根據(jù)關(guān)鍵信息（如金額、項目名稱）的坐標，關(guān)聯(lián)提取對應字段數(shù)據(jù)。

四、常見問題與處理建議

• 模型路徑錯誤：需確認ModelPath參數(shù)與實際模型文件保存路徑一致，注意不同操作系統(tǒng)的路徑分隔符差異；
• 文本亂碼問題：寫入文件時需顯式指定 encoding="utf-8"，避免中文及特殊字符亂碼；
• 識別準確率波動：識別效果受圖像質(zhì)量影響較大，建議使用清晰度高、文字方向正的圖像；若識別特定語言，需確保Language參數(shù)與目標語言匹配。

以上就是Python利用Spire.OCR for Python實現(xiàn)從圖片中提取文本和坐標的詳細內(nèi)容，更多關(guān)于Python OCR圖片中提取文本和坐標的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論