advent22/api/advent22_api/routers/_image.py

from dataclasses import dataclass

import numpy as np
from PIL import Image, ImageDraw, ImageFont


@dataclass
class AdventImage:
    img: Image.Image

    @classmethod
    async def load_standard(cls, fp) -> "AdventImage":
        """
        Bild laden und einen quadratischen Ausschnitt
        aus der Mitte nehmen
        """

        # Bild laden
        img = Image.open(fp=fp)

        # Größen bestimmen
        width, height = img.size
        square = min(width, height)

        # Bild zuschneiden und skalieren
        img = img.crop(box=(
            int((width - square)/2),
            int((height - square)/2),
            int((width + square)/2),
            int((height + square)/2),
        ))

        img = img.resize(
            size=(500, 500),
            resample=Image.ANTIALIAS,
        )

        # Farbmodell festlegen
        return cls(img=img.convert("RGB"))

    async def get_text_box(
        self,
        xy: tuple[float, float],
        text: str | bytes,
        font: "ImageFont._Font",
        anchor: str | None = "mm",
        **text_kwargs,
    ) -> tuple[int, int, int, int] | None:
        """
        Koordinaten (links, oben, rechts, unten) des betroffenen
        Rechtecks bestimmen, wenn das Bild `img` mit einem Text
        versehen wird
        """

        # Neues 1-Bit Bild, gleiche Größe
        mask = Image.new(mode="1", size=self.img.size, color=0)

        # Text auf Maske auftragen
        ImageDraw.Draw(mask).text(
            xy=xy,
            text=text,
            font=font,
            anchor=anchor,
            fill=1,
            **text_kwargs,
        )

        # betroffenen Pixelbereich bestimmen
        return mask.getbbox()

    async def get_average_color(
        self,
        box: tuple[int, int, int, int],
    ) -> tuple[int, int, int]:
        """
        Durchschnittsfarbe eines rechteckigen Ausschnitts in
        einem Bild `img` berechnen
        """

        pixel_data = self.img.crop(box).getdata()
        mean_color: np.ndarray = np.mean(pixel_data, axis=0)

        return tuple(mean_color.astype(int).tolist())