進階用法

除了基本的使用方法外，WordCanvas 還提供了一些進階的設定，讓你可以更靈活地控制輸出的文字圖像。在這裡我們引入隨機性的設定，這些特性主要被用來訓練模型。

隨機字型

使用 random_font 參數啟用隨機字型的功能。當 random_font 設定為 True 時，參數 font_bank 才會生效，同時，font_path 會被忽略。

你應該要指定 font_bank 參數到你的字型庫中，因為預設值為套件底下的目錄 fonts，為了範例說明，我們預先在 fonts 目錄下放了兩個字型，因此如果你沒有修改 font_bank 的話，就只會隨機選擇這兩個字型。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_font=True,
    output_size=(64, 512),
    font_bank="path/to/your/font/bank"
)

imgs = []
for _ in range(8):
    text = 'Hello, World!'
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

隨機文字內容

你可能不知道要生成什麼文字，這時候可以使用 random_text 參數。

當 random_text 設定為 True 時，原本輸入的 text 會被忽略。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_text=True,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    text = 'Hello!World!' # 這個輸入會被忽略
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

指定字串長度

當啟用 random_text 時，你可以使用：

• min_random_text_length: 最小文字長度
• max_random_text_length: 最大文字長度

這兩個參數來指定文字的長度範圍。

import numpy as np
from wordcanvas import WordCanvas

# 固定生成 5 個字元的文字
gen = WordCanvas(
    random_text=True,
    min_random_text_length=5,
    max_random_text_length=5,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    img, infos = gen()
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

隨機背景顏色

使用 random_background_color 參數啟用隨機背景顏色的功能。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_background_color=True,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    text = 'Hello, World!'
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

隨機文字顏色

使用 random_text_color 參數啟用隨機文字顏色的功能。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_text_color=True,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    text = 'Hello, World!'
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

隨機文字對齊

使用 random_align_mode 參數啟用隨機文字對齊的功能。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_align_mode=True,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    text = 'Hello, World!'
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

隨機文字方向

使用 random_direction 參數啟用隨機文字方向的功能。

建議將這個參數與 output_direction 一起使用，方便輸出影像。

import numpy as np
from wordcanvas import WordCanvas, OutputDirection

gen = WordCanvas(
    random_direction=True,
    output_direction=OutputDirection.Horizontal,
    output_size=(64, 512),
)

imgs = []
for _ in range(8):
    text = '午安，或是晚安。'
    img, infos = gen(text)
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

全隨機

如果你想要所有的設定都是隨機的，可以使用 enable_all_random 參數。

啟用這個參數，開啟群魔亂舞模式。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    enable_all_random=True,
    output_size=(64, 512),
)

imgs = []
for _ in range(20):
    img, infos = gen()
    imgs.append(img)

# 結合所有圖片一起輸出
img = np.concatenate(imgs, axis=0)

注意

這個參數不會調整 reinit 系列的參數，例如 random_font、random_text 等，這些參數都需要自行設定。

儀表板

我們再次回到儀表板。

在隨機性的相關參數啟用時，True 的參數會被標示為綠色，False 的參數會被標示為紅色。

我們希望可以透過這個設計，來讓你快速地確認相關設定。

字型權重

提示

本功能在 0.2.0 版新增。

由於每個字型所支援的文字數量不一致，因此在訓練模型時，我們可能會遇到字型權重不均的問題。

簡單解釋一下，就是隨機選擇字型時的機率是一樣的，但某些文字只有少數的字型才能支援，因此你會發現有些文字幾乎不會被訓練到。

為了緩解這個問題，我們引入了 use_random_font_weight 參數。

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_font=True,
    use_random_font_weight=True,
    output_size=(64, 512),
)

當你啟用這個參數時，WordCanvas 會根據字型支援的文字數量來調整字型的選擇機率，當字型支援的文字愈少，那被選中的機率就會愈低，以達到均勻分配的效果。

但是還是有不足的地方，我們認為應該是統計所有文字出現的頻率後，再給定選擇權重會比較好，我們預期之後把這個功能發佈在 0.5.0 版。

阻擋名單

提示

本功能在 0.4.0 版新增。

我們在使用字型時，發現有些字型表裡不一。

舉例來說，從字型檔案中可以讀取到該字型所支援的文字列表，但是在實際使用時，卻發現有些文字卻無法正確渲染。

對此我們感到很生氣，所以特別開發了一個阻擋名單的功能，讓你可以將這些字型排除在外。

請使用參數 block_font_list 來設定阻擋名單：

import numpy as np
from wordcanvas import WordCanvas

gen = WordCanvas(
    random_font=True,
    use_random_font_weight=True,
    block_font_list=['阻擋名單字型']
)

小結

在開發工具的過程中，我們的目標是創建一個能夠靈活地生成各種文字圖像的工具，特別是為了機器學習模型的訓練。

隨機性的引入旨在模擬現實世界中的各種情況，這對於提高模型的適應性和泛化能力有極大的幫助，希望你會喜歡這些功能。