WhatUpDanger

有什么好办法可以提取图片的各个元素的坐标？

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 "no1-3.png" (https://wmlx-new-image.oss-cn-shanghai.aliyuncs.com/images/20241107/4f9c98686a09fc7334f7616b6a8d85ee.png) 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" (https://link.segmentfault.com/?enc=kndB23oHQwa7Ti9UD5P9WQ%3D%3D.eGpi%2Fp7Srl15Flk3hm0FTMsWrNtoSLOZQMoHStewi2ZWgtFwRLnl0Aau6R5C9x39) * pdfplumber: "https://github.com/jsvine/pdfplumber" (https://link.segmentfault.com/?enc=41l0%2FjqxPw%2BPlfxEdGShxA%3D%3D.gJd8C2KlHVc%2FGY7mYtqW7YOLDDDotc03sNLp5B%2BHpx%2F58bugJy9eRGgvTYxXb7V1)» 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 "图片.png" (https://wmlx-new-image.oss-cn-shanghai.aliyuncs.com/images/20241107/65cab2527072db17e2079048a128fcdb.png) 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？