PIL如何相对于图像大小缩放文本大小

Question

我正在尝试动态缩放文本，以将其放置在尺寸不同但已知尺寸的图像上。文本将用作水印。有什么方法可以根据图像尺寸缩放文本？我并不需要文字占据整个表面区域，只是要足够清晰可见，以便易于识别和删除。我正在使用Python Imaging Library版本1.1.7。在Linux上。

我希望能够设置文本大小与图像大小的比率，比如说大小的1/10。

我一直在寻找字体大小属性来更改大小，但是我没有运气来创建缩放它的算法。我想知道是否有更好的方法。

关于如何实现此目标的任何想法？

谢谢

Answer 1

您可以增加字体大小，直到找到合适的大小为止。 font.getsize()是告诉您渲染文本有多大的功能。

import ImageFont, ImageDraw, Image

image = Image.open('hsvwheel.png')
draw = ImageDraw.Draw(image)
txt = "Hello World"
fontsize = 1  # starting font size

# portion of image width you want text width to be
img_fraction = 0.50

font = ImageFont.truetype("arial.ttf", fontsize)
while font.getsize(txt)[0] < img_fraction*image.size[0]:
    # iterate until the text size is just larger than the criteria
    fontsize += 1
    font = ImageFont.truetype("arial.ttf", fontsize)

# optionally de-increment to be sure it is less than criteria
fontsize -= 1
font = ImageFont.truetype("arial.ttf", fontsize)

print 'final font size',fontsize
draw.text((10, 25), txt, font=font) # put the text on the image
image.save('hsvwheel_txt.png') # save it

如果这对您来说不够有效，您可以实施寻根方案，但是我猜想font.getsize()函数与其余图像编辑过程相比是小的土豆。

Answer 2

通常，当您更改字体大小时，它不会是字体大小的线性变化。

现在这通常取决于软件，字体等。本示例摘自Typophile，并使用LaTex + Computer Modern字体。如您所见，它并不完全是线性缩放。因此，如果您在使用非线性字体缩放时遇到麻烦，那么我不确定如何解决它，但是可能有一个建议。

1. 将字体渲染为所需大小，然后通过常规图像缩放算法将其放大/缩小...
2. 仅接受它不是完全线性缩放，并尝试创建某种表/算法，将为字体选择最接近的磅值以与图像大小匹配。

Answer 3

我知道这是一个古老的问题，已经用我也使用过的solution回答了。谢谢@Paul！

尽管每次迭代将字体大小增加一倍可能很耗时（至少对于我在可怜的小型服务器上来说是如此）。因此，例如。小文字（如“ Foo”）大约需要1-2秒，具体取决于图像大小。

为解决此问题，我调整了Pauls代码，以便它搜索数字的方式类似于二进制搜索。

breakpoint = img_fraction * photo.size[0]↵
jumpsize = 75↵
while True:↵
    if font.getsize(text)[0] < breakpoint:↵
        fontsize += jumpsize↵
    else:↵
        jumpsize = int(jumpsize / 2)↵
        fontsize -= jumpsize↵
    font = ImageFont.truetype(font_path, fontsize)↵
    if jumpsize <= 1:↵
        break↵

像这样，它将增加字体大小，直到它超过断点为止，然后从那里开始上下移动（将跳转大小每次减小一半），直到其大小合适为止。

这样，我可以将步长从200+减少到大约10，因此从1-2秒减少到0.04至0.08秒。

这是Pauls代码的直接替代（对于while语句及其后两行，因为您已经在while中获得了字体正确的字体大小]

这是在几分钟内完成的，因此，任何改进都值得赞赏！我希望这可以为正在寻求更高性能的解决方案的人提供帮助。