Python实现商品图批量翻译的实战教程

一、问题背景

做跨境电商的朋友应该深有体会：每次上架新品，光是处理商品图片就要耗费大量时间。尤其是面对多语种市场，比如同时运营英语、法语、德语、西班牙语站点，每张图上的文字都需要替换成对应语言。传统的做法是打开Photoshop一张张改，或者外包给设计团队，周期长且成本高。

更麻烦的是，有些商品图上的文字是嵌入在背景中的，比如促销标签、价格标签、使用说明等，直接用文字替换会破坏图片的视觉效果。市面上虽然有一些翻译工具，但大多只支持文字翻译，或者需要手动截图、上传、下载，效率提升有限。

二、传统方案分析

在自动化方案出现之前，商品图翻译主要依赖以下几种方式：

1. 人工PS修改

设计师使用Photoshop等工具，手动擦除原文，再输入翻译后的文字。遇到复杂字体或背景纹理时，还需要合成处理。

缺点：一张图耗时5-15分钟，100张图需要十几个小时，且难以保证风格统一。

2. OCR+翻译+手动替换

先用OCR工具识别图片文字（如Tesseract），翻译后手动到PS里替换。虽然部分工具集成了OCR和翻译，但每次都需要人工确认位置和样式。

缺点：操作步骤繁琐，容易出错。尤其是当文字被拉伸、倾斜或带有渐变效果时，传统OCR识别率低。

3. 第三方翻译平台

一些平台提供图片翻译API，上传后返回翻译结果图片。但收费较高，且对自定义样式（字体、颜色、位置）支持有限。

缺点：成本高，灵活度低，不适合批量定制。

三、技术实现思路

要高效解决这个问题，需要组合使用几项技术：

文章插图

核心流程

输入图片 → 检测文字区域 → 文字识别(OCR) → 自动翻译 → 擦除原文字 → 渲染新文字 → 输出图片

关键技术点

文字检测：使用深度学习模型（如DBNet、EAST）定位图片中文字区域，得到每个文字块的边界框。

文字识别：采用CRNN+Attention等模型进行端到端识别。对于多语种场景，建议使用支持Unicode的模型，避免编码转换问题。

自动翻译：调用翻译API，可以是百度翻译、DeepL、Google翻译等。注意发送前要对识别结果做清理（去除多余空格、特殊符号）。

图像处理（Inpainting）：擦除原文字后需要用OpenCV或深度学习模型修复背景。简单场景下使用cv2.inpaint()即可；复杂纹理建议用LaMa模型。

文字渲染：根据原文字位置、大小、角度，使用PIL/Pillow渲染新文字。需要保留原字体风格（衬线/无衬线、加粗/斜体）。

技术选型建议

轻量级方案：EasyOCR + googletrans + OpenCV，适合10-50张图片的小批量处理。
中量级方案：PaddleOCR + 跨马翻译API + LaMa，适合200张以上且对质量要求高的场景。
重量级方案：自训练模型 + 优化渲染引擎，适合企业级流水线。

四、实战案例

这里我用一个实际场景来演示：将一批英语商品宣传图中的文字替换为简体中文。

环境准备

bash pip install paddleocr opencv-python pillow numpy googletrans==4.0.0-rc1

步骤一：工具类定义

python from paddleocr import PaddleOCR import cv2 import numpy as np from PIL import Image, ImageDraw, ImageFont from googletrans import Translator import os

class ImageTextTranslator: def init(self, lang='en', font_path='path/to/chinese_font.ttf'): self.ocr = PaddleOCR(use_angle_cls=True, lang=lang) self.translator = Translator() self.font_path = font_path

def detect_and_recognize(self, image_path): """检测图片中的文字并返回位置信息和识别结果""" result = self.ocr.ocr(image_path, cls=True) text_boxes = [] for line in result: for item in line: bbox = item[0] # 四个坐标点 text = item[1][0] confidence = item[1][1] text_boxes.append({ 'bbox': bbox, 'text': text, 'confidence': confidence }) return text_boxes

步骤二：文字擦除与翻译

python def translate_text(self, text, target_lang='zh-cn'): """翻译文字""" try: translation = self.translator.translate(text, dest=target_lang) return translation.text except Exception as e: print(f"翻译失败: {e}") return text

def erase_text(self, image, text_boxes): """擦除原文字区域""" mask = np.zeros(image.shape[:2], dtype=np.uint8) for box in text_boxes: bbox = np.array(box['bbox'], dtype=np.int32) cv2.fillPoly(mask, [bbox], 255) # 使用OpenCV的inpaint函数修复 result = cv2.inpaint(image, mask, inpaintRadius=3, flags=cv2.INPAINT_TELEA) return result

步骤三：渲染新文字

这部分是最需要调优的，因为要尽量还原原文字样式。

python def render_new_text(self, image, text_boxes, translated_texts): """在图片上渲染翻译后的文字""" img_pil = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)) draw = ImageDraw.Draw(img_pil)

for box, trans_text in zip(text_boxes, translated_texts): bbox = box['bbox'] # 计算文字框的宽度和高度 x_min = min(p[0] for p in bbox) y_min = min(p[1] for p in bbox) x_max = max(p[0] for p in bbox) y_max = max(p[1] for p in bbox) width = x_max - x_min height = y_max - y_min # 根据高度决定字号（一般文字高度约占80%） font_size = int(height * 0.8) font = ImageFont.truetype(self.font_path, font_size) # 计算文字实际宽度，可能需要缩放 text_bbox = draw.textbbox((0, 0), trans_text, font=font) text_width = text_bbox[2] - text_bbox[0] # 如果文字过长，缩小字号 while text_width > width and font_size > 10: font_size -= 2 font = ImageFont.truetype(self.font_path, font_size) text_bbox = draw.textbbox((0, 0), trans_text, font=font) text_width = text_bbox[2] - text_bbox[0] # 居中绘制 x_center = x_min + (width - text_width) / 2 y_center = y_min + (height - font_size) / 2 draw.text((x_center, y_center), trans_text, fill='black', font=font) return cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)

步骤四：完整流水线

python def process_image(self, input_path, output_path, target_lang='zh-cn'): """完整处理一张图片"""

image = cv2.imread(input_path) if image is None: raise ValueError(f"无法读取图片: {input_path}") # 2. OCR检测识别 text_boxes = self.detect_and_recognize(input_path) if not text_boxes: print("未检测到文字，直接复制原图") cv2.imwrite(output_path, image) return # 3. 翻译 translated_texts = [self.translate_text(box['text'], target_lang) for box in text_boxes] # 4. 擦除原文字 cleaned_image = self.erase_text(image, text_boxes) # 5. 渲染新文字 result_image = self.render_new_text(cleaned_image, text_boxes, translated_texts) # 6. 保存 cv2.imwrite(output_path, result_image) print(f"处理完成: {output_path}")

踩坑经验

字体兼容性：中文字体文件名不能是中文，否则PIL可能找不到。建议用拼音或英文命名，并放置在工作目录下。
内存泄漏：PaddleOCR每次初始化会加载模型，如果批量处理几百张图，建议复用OCR实例，而不是每次都new。
翻译频率限制：googletrans有请求频率限制，建议在翻译之间加time.sleep(0.5)。
文字方向：商品图经常有垂直文字或旋转文字，PaddleOCR的angle_cls参数可以处理，但渲染时要注意保持原方向。

批量处理

python def batch_process(input_dir, output_dir, translator): """批量处理目录下所有图片""" os.makedirs(output_dir, exist_ok=True) supported_ext = ['.jpg', '.jpeg', '.png', '.webp']

for fname in os.listdir(input_dir): if any(fname.lower().endswith(ext) for ext in supported_ext): input_path = os.path.join(input_dir, fname) output_path = os.path.join(output_dir, fname) try: translator.process_image(input_path, output_path) except Exception as e: print(f"处理 {fname} 时出错: {e}")

translator = ImageTextTranslator(font_path='SimHei.ttf') batch_process('english_images', 'chinese_images', translator)