src/synth.py

"""Генератор синтетических якутских строк/страниц.
Два домена: 'book' (чистая современная книга) и 'news1940' (убитая высокая печать).
"""
import json, os, random, math
import numpy as np
from PIL import Image, ImageDraw, ImageFont, ImageFilter, ImageOps

SAH_EXTRA = "ҔҕҤҥӨөҺһҮү"

# --- отбор шрифтов: только те, что реально покрывают алфавит ---
def load_fonts(kind):
    rows = json.load(open("data/fonts/ok_fonts.json"))
    rows = [r for r in rows if r["full"]]
    if kind == "book":
        want = ["PT Serif", "Times New Roman", "Charter", "Iowan Old Style",
                "Superclarendon", "PT Sans", "Open Sans", "Arial", "Tahoma"]
    else:  # газета — узкие/плотные гротески и серифы
        want = ["PT Serif", "Times New Roman", "Charter", "Superclarendon",
                "PT Sans", "Open Sans Cond", "DIN Condensed", "Arial"]
    out = [r for r in rows if any(w.lower() in r["name"].lower() for w in want)]
    assert out, "нет подходящих шрифтов"
    return out

# --- проверка: шрифт реально рисует спец-буквы, а не .notdef ---
def renders_extra(fontpath, idx, size=40):
    f = ImageFont.truetype(fontpath, size, index=idx)
    ref = None
    for ch in SAH_EXTRA:
        im = Image.new("L", (size*2, size*2), 255)
        ImageDraw.Draw(im).text((5, 5), ch, font=f, fill=0)
        a = np.array(im)
        if a.min() > 200:            # ничего не нарисовалось
            return False
        # все спец-буквы одинаковые => фолбэк на один и тот же tofu
        sig = a.tobytes()
        if ref is not None and sig == ref: return False
        ref = sig
    return True

def degrade(img, domain, rng, _try=0):
    """Симуляция скана. img — L-mode. Гарантируем, что текст не выжжен."""
    src = img
    a = np.asarray(img).astype(np.float32) / 255.0
    if domain == "news1940":
        # 1) неровная прокраска: низкочастотный шум по яркости
        h, w = a.shape
        lf = rng.normal(0, 1, (max(2,h//24), max(2,w//24))).astype(np.float32)
        lf = np.array(Image.fromarray(lf).resize((w, h), Image.BICUBIC))
        a = a + lf * rng.uniform(0.05, 0.18)
        # 2) растекание/разрыв штриха
        img2 = Image.fromarray(np.clip(a*255,0,255).astype(np.uint8))
        if rng.random() < 0.6:
            img2 = img2.filter(ImageFilter.MinFilter(3))   # ink spread (темнее)
        if rng.random() < 0.45:
            img2 = img2.filter(ImageFilter.MaxFilter(3))   # разрыв штриха
        a = np.asarray(img2).astype(np.float32)/255.
        # 3) серо-жёлтая бумага + просвет с обратной стороны
        a = a * rng.uniform(0.80, 0.95) + rng.uniform(0.05, 0.18)
        blur = rng.uniform(0.15, 0.7)   # высокая печать даёт жёсткий край, не мыло
    else:
        a = a * rng.uniform(0.92, 1.0) + rng.uniform(0.0, 0.06)
        blur = rng.uniform(0.2, 0.9)
    img = Image.fromarray(np.clip(a*255, 0, 255).astype(np.uint8))
    img = img.filter(ImageFilter.GaussianBlur(blur))
    a = np.asarray(img).astype(np.float32)
    a += rng.normal(0, rng.uniform(3, 14) if domain=="news1940" else rng.uniform(1,6), a.shape)
    img = Image.fromarray(np.clip(a,0,255).astype(np.uint8))
    if rng.random() < 0.7:                      # перекос
        img = img.rotate(rng.uniform(-0.8, 0.8), resample=Image.BICUBIC, fillcolor=235, expand=False)
    # контроль: контраст текст/фон не должен схлопнуться
    a = np.asarray(img).astype(np.float32)
    ink = float(np.percentile(a, 2)); paper = float(np.percentile(a, 90))
    if paper - ink < 55 and _try < 4:
        return degrade(src, "book" if _try >= 2 else domain, rng, _try + 1)
    return img

def render_line(text, font, pad=10, rng=None, domain="book"):
    f = ImageFont.truetype(font["path"], font["size"], index=font["idx"])
    tmp = Image.new("L", (10,10), 255)
    box = ImageDraw.Draw(tmp).textbbox((0,0), text, font=f)
    W, H = box[2]-box[0]+2*pad, box[3]-box[1]+2*pad
    im = Image.new("L", (W, H), 255)
    ImageDraw.Draw(im).text((pad-box[0], pad-box[1]), text, font=f, fill=rng.integers(0,45))
    return degrade(im, domain, rng)