PIL.ImageFont用字体文件生成文字图片踩坑记录

生成样本用来训练DB，一开始代码如下

from PIL import Image, ImageFont, ImageDraw


text_img = Image.new('RGBA', (3000, 300))
draw = ImageDraw.Draw(text_img)
font_color = (256, 256, 256)

file = r'C:\Users\think\Desktop\ocr-gen\fonts\STSONG.TTF'
font = ImageFont.truetype(file, size=128)

text = '一二三四五'
w, h = font.getsize(text[0])
draw.text((x, y), text[0], font=font, fill=font_color)
text_img.crop(x, y, x + w, y + h)

show出来后发现大部分文字在框的偏下位置，框的上方有空白而不是紧贴着文字。后来发现draw.text在生成文字时左上方有offset，于是代码改动如下

text = '一二三四五'
w, h = font.getsize(text[0])
offset_x, offset_y = font.getoffset(text[0])
draw.text((x, y), text[0], font=font, fill=font_color)
text_img.crop(x + offset_x, y + offset_y, x + offset_x + w, y + offset_y + h)

结果show出来又发现框还是没有紧贴文字，再查找资料后发现了参考博客中的下图

如图所示，文字的左上角除了offset之外还有一定的偏移，而且右边和下边也有offset，最终代码如下

text = '一二三四五'
offset_x, offset_y = font.getoffset(text[0])
xmin, ymin, xmax, ymax = font.getmask(text[0]).getbbox()
draw.text((x, y), text[0], font=font, fill=font_color)
text_img.crop(x + offset_x + xmin, y + offset_y + ymin, x + offset_x + xmax, y + offset_y + ymax)

即使是这样，对于不同的字，或者同一个字，四周可能有的边紧贴着，有的边会有1个像素的offset，不过可以忽略不计了

参考

https://zhuanlan.zhihu.com/p/105060993