Detete texto em imagens

O serviço de reconhecimento ótico de carateres (OCR) da Vertex AI no Google Distributed Cloud (GDC) air-gapped deteta texto em imagens através do método da API BatchAnnotateImages. O serviço suporta ficheiros JPEG e PNG para imagens.

Esta página mostra como detetar texto em imagens através da API OCR no Distributed Cloud.

Antes de começar

Antes de poder começar a usar a API OCR, tem de ter um projeto com a API OCR ativada e as credenciais adequadas. Também pode instalar bibliotecas cliente para ajudar a fazer chamadas para a API. Para mais informações, consulte o artigo Configure um projeto de reconhecimento de carateres.

Detete texto a partir de ficheiros JPEG e PNG

O método BatchAnnotateImages deteta texto a partir de um lote de ficheiros JPEG ou PNG. Envia o ficheiro a partir do qual quer detetar texto diretamente como conteúdo no pedido da API. O sistema devolve o texto detetado resultante no formato JSON na resposta da API.

Tem de especificar valores para os campos no corpo JSON do seu pedido API. A tabela seguinte contém uma descrição dos campos do corpo do pedido que tem de fornecer quando usa o método da API BatchAnnotateImages para os seus pedidos de deteção de texto:

Campos do corpo do pedido Descrição do campo
content As imagens com texto a detetar. Fornece a representação Base64 (string ASCII) dos dados de imagem binários.
type O tipo de deteção de texto de que precisa na imagem.

Especifique uma das duas funcionalidades de anotação:
  • O TEXT_DETECTION deteta e extrai texto de qualquer imagem. A resposta JSON inclui a string extraída, as palavras individuais e as respetivas caixas delimitadoras.
  • DOCUMENT_TEXT_DETECTION também extrai texto de uma imagem, mas o serviço otimiza a resposta para texto denso e documentos. O JSON inclui informações sobre páginas, blocos, parágrafos, palavras e quebras.
Para mais informações sobre estas funcionalidades de anotação, consulte o artigo Funcionalidades de reconhecimento ótico de carateres.
language_hints Opcional. Lista de idiomas a usar para a deteção de texto.

O sistema interpreta um valor vazio para este campo como deteção automática de idioma.

Não tem de definir o campo language_hints para idiomas baseados no alfabeto latino.

Se souber o idioma do texto na imagem, a definição de uma sugestão melhora os resultados.

Para obter informações sobre a representação JSON completa, consulte AnnotateImageRequest.

Faça um pedido de API

Faça um pedido à API pré-preparada de OCR através do método da API REST. Caso contrário, interaja com a API pré-preparada de OCR a partir de um script Python para detetar texto em ficheiros JPEG ou PNG.

Os exemplos seguintes mostram como detetar texto numa imagem através de OCR:

REST

Siga estes passos para detetar texto em imagens através do método da API REST:

  1. Guarde o seguinte ficheiro request.json para o corpo do pedido:

    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

    Substitua o seguinte:

    • BASE64_ENCODED_IMAGE: a representação Base64 (string ASCII) dos dados da imagem binária. Esta string começa com carateres semelhantes a /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
    • FEATURE_TYPE: o tipo de deteção de texto de que precisa na imagem. Os valores permitidos são TEXT_DETECTION ou DOCUMENT_TEXT_DETECTION.
    • LANGUAGE_HINT: as etiquetas de idioma BCP 47 a usar como sugestões de idioma para a deteção de texto, como en-t-i0-handwrit. Este campo é opcional e o sistema interpreta um valor vazio como deteção automática do idioma.

  2. Obtenha um token de autenticação.

  3. Faça o pedido:

    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

    Substitua o seguinte:

    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

    Substitua o seguinte:

Python

Siga estes passos para usar o serviço de OCR a partir de um script Python para detetar texto numa imagem:

  1. Instale a versão mais recente da biblioteca cliente de OCR.

  2. Defina as variáveis de ambiente necessárias num script Python.

  3. Autentique o seu pedido de API.

  4. Adicione o seguinte código ao script Python que criou:

    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)

    Substitua o seguinte:

    • ENDPOINT: o ponto final de OCR que usa para a sua organização. Para mais informações, veja o estado do serviço e os pontos finais.
    • BASE64_ENCODED_IMAGE: a representação Base64 (string ASCII) dos dados da imagem binária. Esta string começa com carateres semelhantes a /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
    • FEATURE_TYPE: o tipo de deteção de texto de que precisa na imagem. Os valores permitidos são TEXT_DETECTION ou DOCUMENT_TEXT_DETECTION.
    • PROJECT_ID: o ID do seu projeto.

  5. Guarde o script Python.

  6. Execute o script Python para detetar texto na imagem:

    python SCRIPT_NAME

    Substitua SCRIPT_NAME pelo nome que deu ao seu script Python, como vision.py.