Détecter le texte dans les images

Cette page explique comment détecter du texte dans une image à l'aide de l'API de reconnaissance optique des caractères (OCR) sur l'appliance Google Distributed Cloud (GDC) air-gapped.

Le service OCR de Vertex AI sur l'appliance GDC air-gapped détecte le texte dans les images à l'aide de la méthode d'API BatchAnnotateImages. Le service est compatible avec les fichiers JPEG et PNG pour les images.

Avant de commencer

Avant de pouvoir commencer à utiliser l'API OCR, vous devez disposer d'un projet dans lequel l'API OCR est activée et disposer des identifiants appropriés. Vous pouvez également installer des bibliothèques clientes pour faciliter les appels à l'API. Pour en savoir plus, consultez Configurer un projet de reconnaissance de caractères.

Détecter du texte à partir de fichiers JPEG et PNG

La méthode BatchAnnotateImages détecte le texte à partir d'un lot de fichiers JPEG ou PNG. Vous envoyez le fichier à partir duquel vous souhaitez détecter du texte directement en tant que contenu dans la requête API. Le système renvoie le texte détecté au format JSON dans la réponse de l'API.

Vous devez spécifier des valeurs pour les champs du corps JSON de votre requête API. Le tableau suivant contient une description des champs du corps de la requête que vous devez fournir lorsque vous utilisez la méthode d'API BatchAnnotateImages pour vos requêtes de détection de texte :

Champs du corps de la requête Description du champ
content Images contenant du texte à détecter. Vous fournissez la représentation en base64 (chaîne ASCII) de vos données d'image binaires.
type Type de détection de texte dont vous avez besoin à partir de l'image.

Spécifiez l'une des deux fonctionnalités d'annotation :
  • TEXT_DETECTION détecte et extrait le texte de n'importe quelle image. La réponse JSON inclut la chaîne extraite, les mots individuels et leurs cadres de délimitation.
  • DOCUMENT_TEXT_DETECTION extrait également le texte d'une image, mais le service optimise la réponse pour le texte dense et les documents. Le JSON comprend des informations sur les pages, les blocs, les paragraphes, les mots et les blancs.
Pour en savoir plus sur ces fonctionnalités d'annotation, consultez Fonctionnalités de reconnaissance optique des caractères.
language_hints Facultatif. Liste des langues à utiliser pour la détection de texte.

Le système interprète une valeur vide pour ce champ comme une détection automatique de la langue.

Vous n'avez pas besoin de définir le champ language_hints pour les langues basées sur l'alphabet latin.

Si vous connaissez la langue du texte dans l'image, la définition d'un indicateur améliore les résultats.

Effectuer une requête API

Effectuez une requête auprès de l'API pré-entraînée OCR à l'aide de la méthode d'API REST. Sinon, interagissez avec l'API pré-entraînée OCR à partir d'un script Python pour détecter le texte à partir de fichiers JPEG ou PNG.

Les exemples suivants montrent comment détecter du texte dans une image à l'aide de l'OCR :

REST

Procédez comme suit pour détecter du texte dans des images à l'aide de la méthode d'API REST :

  1. Enregistrez le fichier request.json suivant pour le corps de votre requête :

    cat <<- EOF > request.json
{
  "requests": [
    {
      "image": {
        "content": BASE64_ENCODED_IMAGE
      },
      "features": [
        {
          "type": "FEATURE_TYPE"
        }
      ],
      "image_context": {
        "language_hints": [
          "LANGUAGE_HINT_1",
          "LANGUAGE_HINT_2",
          ...
        ]
      }
    }
  ]
}
EOF

    Remplacez les éléments suivants :

    • BASE64_ENCODED_IMAGE: représentation en base64 (chaîne ASCII) de vos données d'image binaires. Cette chaîne commence par des caractères semblables à /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
    • FEATURE_TYPE: type de détection de texte dont vous avez besoin à partir de l'image. Les valeurs autorisées sont TEXT_DETECTION ou DOCUMENT_TEXT_DETECTION.
    • LANGUAGE_HINT: tags de langue BCP 47 à utiliser comme indicateurs de langue pour la détection de texte, tels que en-t-i0-handwrit. Ce champ est facultatif et le système interprète une valeur vide comme une détection automatique de la langue.

  2. Obtenez un jeton d'authentification.

  3. Envoyez la requête :

    curl

    curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "x-goog-user-project: projects/PROJECT_ID" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  https://ENDPOINT/v1/images:annotate

    Remplacez les éléments suivants :

    PowerShell

    $headers = @{
  "Authorization" = "Bearer TOKEN"
  "x-goog-user-project" = "projects/PROJECT_ID"
}

Invoke-WebRequest
  -Method POST
  -Headers $headers
  -ContentType: "application/json; charset=utf-8"
  -InFile request.json
  -Uri "ENDPOINT/v1/images:annotate" | Select-Object -Expand Content

    Remplacez les éléments suivants :

Python

Procédez comme suit pour utiliser le service OCR à partir d'un script Python afin de détecter du texte dans une image :

  1. Installez la dernière version de la bibliothèque cliente OCR.

  2. Définissez les variables d'environnement requises dans un script Python.

  3. Authentifiez votre requête API.

  4. Ajoutez le code suivant au script Python que vous avez créé :

    from google.cloud import vision
import google.auth
from google.auth.transport import requests
from google.api_core.client_options import ClientOptions

audience = "https://ENDPOINT:443"
api_endpoint="ENDPOINT:443"

def vision_client(creds):
  opts = ClientOptions(api_endpoint=api_endpoint)
  return vision.ImageAnnotatorClient(credentials=creds, client_options=opts)

def main():
  creds = None
  try:
    creds, project_id = google.auth.default()
    creds = creds.with_gdch_audience(audience)
    req = requests.Request()
    creds.refresh(req)
    print("Got token: ")
    print(creds.token)
  except Exception as e:
    print("Caught exception" + str(e))
    raise e
  return creds

def vision_func(creds):
  vc = vision_client(creds)
  image = {"content": "BASE64_ENCODED_IMAGE"}
  features = [{"type_": vision.Feature.Type.FEATURE_TYPE}]
  # Each requests element corresponds to a single image. To annotate more
  # images, create a request element for each image and add it to
  # the array of requests
  req = {"image": image, "features": features}

  metadata = [("x-goog-user-project", "projects/PROJECT_ID")]

  resp = vc.annotate_image(req,metadata=metadata)

  print(resp)

if __name__=="__main__":
  creds = main()
  vision_func(creds)

    Remplacez les éléments suivants :

    • ENDPOINT: point de terminaison OCR que vous utilisez pour votre organisation. Pour en savoir plus, consultez État et points de terminaison des services.
    • BASE64_ENCODED_IMAGE: représentation en base64 (chaîne ASCII) de vos données d'image binaires. Cette chaîne commence par des caractères semblables à /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
    • FEATURE_TYPE: type de détection de texte dont vous avez besoin à partir de l'image. Les valeurs autorisées sont TEXT_DETECTION ou DOCUMENT_TEXT_DETECTION.
    • PROJECT_ID : ID du projet.

  5. Enregistrez le script Python.

  6. Exécutez le script Python pour détecter le texte dans l'image :

    python SCRIPT_NAME

    Remplacez SCRIPT_NAME par le nom que vous avez donné à votre script Python, par exemple vision.py.