rPman

Необходимо дообучить моделью Использовать stable diffusion LoRA (гугли: создание stable diffusion lora), это механизм сохранения информации дообученной модели таким образом чтобы она занимала мало места, всякие UI типа от automatic1111 предоставляют для этого интерфейс.

Закидываешь туда свои картинки, с текстовыми промптами, описывающие их (это тоже можно автоматизировать но настоятельно рекомендую вычитывать результат) и уже на основе полученной модели генерируешь свои.

Чтобы идентифицировать свой стиль, добавляешь в промпты соответствующую пометку типа

<lora:название_модели:коэффициент_влияния_например_1>

Там их даже можно смешивать, но чем больше мешаешь дообученные модели тем хаотичнее результат.

штатного canvas не хватает?

ffmpeg
гугли использования overlay, maskmerge или alphamerge [mask]

общая идея, ты указываешь исходное видео и изображение с маской, и указываешь как именно одно должно вычитать другое

пример с overlay мне кажется тебе подходит лучше всего (тут цвет заменяется на изображение)

гугл находит более сложные примеры, типа таких или таких

Твоя задача на самом деле не такая уж и простая

Решение - найти любой рендерер форматированного текста (небось еще и переносы не откажешься корректные?), т.е. тебе нужен рендерер rich text, такие есть почти для всех языков, например на qt (там это будет минималистичный html браузер с поддержкой ссылок) конечно можно любой другой компонент хоть полноценный браузер, разобраться, собрать gui приложение, выводить по очереди текст и брать его экранную копию, причем можно прямо с картинкой, тут же видно будет, влезает оно по высоте или нет (тут можно кстати было бы подбирать шрифт и его размер до тех пор пока не влезет)

Лично я бы решал проблему, добавив используя встраиваемый браузер, только на питоне код заметно сложнее чем на каком-нибудь c# .net, помню писал скринер сайта с кастомным размером страницы, прекрасно работало под mono headless, это было буквально несколько строчек кода.

image.save(filename, 'JPEG', quality=90)
где 90 - качество от 0 до 100, по умолчанию 75

Если изображение состоит из большого количества пустого пространства, мало плавных градиентных переходов и вообще мало фотографического контента, но много текста и резких переходов цветов (нужны четкие границы) лучше выбирать формат PNG (в этом формате можно и фотографии хранить но не так эффективно)

приведенные примеры лучше хранить в png

Потому что так проще для пользователей, и речь не о тех кто не знает какая у него архитектура. Проблема в том что когда вы начинаете доставлять компоненты, не pip, такие как тот же qt, то потребуется догружать бинарники той же битности, некоторые не поддерживают столько архитектур.

Если вы отправляете что-либо на печать, то практика показывает что если у вас не pdf то каких-либо гарантий что размеры совпадут, таковы к сожалению реалии.

На практике вы можете что то гарантировать, если программное обеспечение (и даже устройство) обеспечение у клиента совпадает с вашими тестовыми стендами, тогда пользуйтесь хоть html или даже ms word (вот уж где геморой).

Если вы хотите попробовать печать именно изображения, используйте метод GD - setImageResolution. Кажется в jpeg эти данные могут быть сохранены.

p.s. изображение может состоять хоть из 1 пиксела, но выставив разрешение например 1dpi то этот пиксел на бумаге станет (должен стать) квадратом в 1 дюйм.

Возможно не в ту степь, но мое предложение - задумайтесь об обработке изображений на стороне клиента, на javascript, вот тут красиво расписали простой код.

Просто это логично, зачем нагружать сервер тем что можно оставить на стороне клиента?

Боюсь вы рановато хотите такой сервис, лет на 10-20.

Но это реально сделать самому или найти того кто сделает, правда дорого, как мне кажется, в зависимости от сложности идентификации объектов от четырехзначных сумм, шестизначных и до бесконечности.

После предложений о фотоэлементах, датчиках касания к поручню и т.п. могу предложить необычную идею… установить датчики на автобусе (потребление бензина, угол наклона дорожного полотна, скорость,...) и на их основе состряпать мегасложную формулу (или нейронную сеть обучить) вычисляющую вес автобуса… затем делить на средний вес пассажиров (при обучении можно считать людей 'вручную').

Есть возможность получить несколько изображений одного и того же штрихкода, но каждое с немного смещенной позиции? если да, то можно, решив уравнение и улучшить качество изображение за счет избыточности.
| F(X)=M1
| F(X)=M2
|…
Где X матрица — искомое изображение более высокого качества, Ma — матрицы имеющихся изображений, содержащие часть или полностью искомое изображение, F — функция формирования испорченного изображения из нормального (фактически функция помех).

На сколько я знаю, чем лучше разработать эту функцию (наиболее точно соответствующую искажениям и помехам) тем больше вероятность найти X и выше его качество. Для начала можно F принять как простой блюр.
Каждая точка = сумма с коэффицентами от окружающих точек, коэффицент уменьшается с увеличением расстояния от этой точки, например для ближайших окружающих точек:
| F(X[a,b])=(M[a-1,b]+M[a+1,b]+M[a,b-1]+M[a,b+1])/4

Это общее положение, лично сам серьезно не занимался, в частных случаях математический аппарат сильно усложняется, очень жаль что с ходу не могу сформулировать запросы в гугл, одно время даже интересовался готовыми реализациями, например частично они уже есть в методах объединения нескольких фотографий в одно большое.