查找关键词在图片中的坐标位置

要解决这个问题，我们需要使用OCR(光学字符识别)技术来识别图片中的文本并定位特定关键词的位置。我将提供Python解决方案，使用Pytesseract(基于Tesseract OCR引擎)和OpenCV来实现。

Python解决方案

import cv2
import pytesseract
from pytesseract import Output
import re

def find_keyword_positions(image_path, keyword):
    # 读取图片
    img = cv2.imread(image_path)
    
    # 使用pytesseract获取所有文本及其位置信息
    d = pytesseract.image_to_data(img, output_type=Output.DICT, lang='chi_sim+eng')
    
    # 准备正则表达式，处理®符号和可能的换行
    # 将®替换为可能的OCR识别结果(可能被识别为R等)
    keyword_pattern = keyword.replace('®', '[®R]').replace(' ', r'\s*')
    keyword_pattern = re.sub(r'([^\w\s®R])', r'\\\1', keyword_pattern)
    
    # 获取所有文本块
    n_boxes = len(d['level'])
    text_blocks = []
    
    for i in range(n_boxes):
        if int(d['conf'][i]) > 30:  # 只考虑置信度较高的识别结果
            (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
            text = d['text'][i]
            text_blocks.append({'x': x, 'y': y, 'w': w, 'h': h, 'text': text})
    
    # 合并相邻的文本块(处理换行情况)
    merged_blocks = []
    i = 0
    while i < len(text_blocks):
        current = text_blocks[i]
        j = i + 1
        while j < len(text_blocks):
            next_block = text_blocks[j]
            # 检查是否在同一行或垂直接近
            if (abs(current['y'] - next_block['y']) < current['h']/2 or 
                abs((current['y'] + current['h']) - (next_block['y'] + next_block['h'])) < current['h']/2):
                # 合并文本
                current['text'] += ' ' + next_block['text']
                # 扩展边界框
                current['x'] = min(current['x'], next_block['x'])
                current['y'] = min(current['y'], next_block['y'])
                current['w'] = max(current['x'] + current['w'], next_block['x'] + next_block['w']) - current['x']
                current['h'] = max(current['y'] + current['h'], next_block['y'] + next_block['h']) - current['y']
                j += 1
            else:
                break
        merged_blocks.append(current)
        i = j
    
    # 搜索关键词
    matches = []
    for block in merged_blocks:
        if re.search(keyword_pattern, block['text'], re.IGNORECASE):
            # 获取边界框坐标
            x1 = block['x']
            y1 = block['y']
            x2 = x1 + block['w']
            y2 = y1 + block['h']
            matches.append(((x1, y1), (x2, y2), 'text': block['text']))
    
    return matches

# 使用示例
image_path = 'SWC22551_NT水光瓶2.5包装设计V1-250305_OL_545_1.0.png'
keyword = '斯维诗®透明质酸钠胶原蛋白三肽饮料'

matches = find_keyword_positions(image_path, keyword)

for i, match in enumerate(matches, 1):
    (x1, y1), (x2, y2), text = match
    print(f"匹配 {i}:")
    print(f"文本: {text}")
    print(f"左上角坐标: ({x1}, {y1})")
    print(f"右下角坐标: ({x2}, {y2})")
    print("-" * 50)

代码说明

1. OCR处理: 使用Pytesseract进行OCR识别，获取文本及其位置信息。
2. 特殊字符处理: 将®符号处理为正则表达式模式，考虑它可能被识别为R或其他字符。
3. 多行文本合并: 通过检查文本块的垂直位置，将可能是同一段文本的多个块合并。
4. 关键词搜索: 使用正则表达式搜索合并后的文本块，找到包含关键词的块。
5. 坐标返回: 返回每个匹配项的左上角和右下角坐标。

注意事项

1. 需要先安装Tesseract OCR和Pytesseract:

   pip install pytesseract opencv-python
   

   并下载中文语言包。

2. 对于®符号，OCR可能识别为R或其他字符，所以正则表达式做了相应处理。

3. 如果图片质量不高，可能需要先进行预处理(如二值化、降噪等)。

4. 对于复杂的包装设计，可能需要调整合并文本块的阈值参数。

这个解决方案应该能够处理您描述的问题，包括特殊字符和多行文本的情况。