要保留图像中的高亮文本，可以使用图像处理库，如OpenCV和PIL（Python Imaging Library）来实现。以下是使用Python和OpenCV的示例代码：

import cv2

# 加载图像
image = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用图像阈值来提取高亮区域
_, threshold = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY)

# 找到高亮区域的轮廓
contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在原始图像上绘制高亮区域的边界框
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Highlighted Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

请确保将代码中的image.jpg替换为你要处理的图像文件路径。该代码加载图像，将其转换为灰度图像，并使用阈值来提取高亮区域。然后，通过找到高亮区域的轮廓，绘制出每个轮廓的边界框。最后，显示结果图像。

要使用PIL库来实现相同的效果，可以使用以下示例代码：

from PIL import Image, ImageDraw

# 加载图像
image = Image.open('image.jpg')

# 将图像转换为灰度图像
gray = image.convert('L')

# 应用图像阈值来提取高亮区域
threshold = 200
binary = gray.point(lambda p: p > threshold and 255)

# 找到高亮区域的轮廓
contours = binary.convert('1').getdata()

# 创建一个新的图像来绘制高亮区域的边界框
highlighted_image = image.copy()
draw = ImageDraw.Draw(highlighted_image)

for i, pixel in enumerate(contours):
    x = i % image.width
    y = i // image.width
    if pixel == 0:
        draw.rectangle([x, y, x+1, y+1], outline='green')

# 显示结果图像
highlighted_image.show()

同样，请确保将代码中的image.jpg替换为你要处理的图像文件路径。该代码加载图像，并将其转换为灰度图像。然后，使用阈值和像素点操作来提取高亮区域。接下来，通过遍历图像中的每个像素，绘制高亮区域的边界框。最后，显示结果图像。