基于Python的图像指定文字识别与坐标提取系统

基于Python的图像指定文字识别与坐标提取系统1. 项目背景与需求分析在图像处理、文档数字化、自动化测试等众多领域中，自动识别图像中特定文字并获取其位置坐标是一项常见需求。例如，在UI自动化测试中，需要根据屏幕截图中的按钮文字定位点击坐标；在文档扫描中，需要提取表格中特定字段的位置信息；在安防监控中，需要识别车牌或特定标识的位置等。本任务要求：使用Python实现识别图片中的4个指定文字，并按顺序返回其坐标。输入是一张图片，输出是四个指定文字的坐标（通常是矩形框的左上角、右下角或中心点），且坐标需要按照某种规则排序（例如从左到右、从上到下，或用户自定义顺序）。1.1 需求细化识别内容：图片中的四个特定文字（可能是中文、英文或混合，题目未限定，因此需支持多语言）。坐标返回：每个文字对应一个坐标，坐标可以是矩形框的四个顶点坐标，也可以是中心点坐标。题目未明确具体格式，为通用性，我们返回每个文字的外接矩形框坐标[x1, y1, x2, y2]，其中(x1, y1)为左上角，(x2, y2)为右下角。顺序要求：需“按顺序”返回。顺序可由用户指定（如输入文字列表的顺序），或按文字在图像中的位置自然排序（如从左到右、从上到下）。本系统将支持两种模式，默认采用位置排序（先按Y坐标分组行，再按X坐