इमेज में मौजूद टेक्स्ट की पहचान करने के लिए, एमएल किट का इस्तेमाल किया जा सकता है. ML Kit में, अलग-अलग कामों के लिए इस्तेमाल किए जाने वाले एपीआई मौजूद हैं. ये दोनों, इमेज में मौजूद टेक्स्ट की पहचान करने के लिए सही हैं. जैसे, सड़क के निशान का टेक्स्ट और दस्तावेज़ों के टेक्स्ट की पहचान करने के लिए ऑप्टिमाइज़ किया गया एपीआई. अलग-अलग कामों के लिए इस्तेमाल किए जाने वाले एपीआई में, उपयोगकर्ता के डिवाइस और क्लाउड-आधारित, दोनों मॉडल उपलब्ध हैं. दस्तावेज़ में मौजूद टेक्स्ट की पहचान करने की सुविधा, सिर्फ़ क्लाउड-आधारित मॉडल के तौर पर उपलब्ध है. क्लाउड और डिवाइस के मॉडल की तुलना करने के लिए, खास जानकारी देखें.
शुरू करने से पहले
- अगर आपने पहले से Firebase को नहीं जोड़ा है, तो अपने Android प्रोजेक्ट में Firebase जोड़ें.
- अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर
app/build.gradle
) में ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें:apply plugin: 'com.android.application' apply plugin: 'com.google.gms.google-services' dependencies { // ... implementation 'com.google.firebase:firebase-ml-vision:24.0.3' }
-
ज़रूरी नहीं, लेकिन हमारा सुझाव है: अगर डिवाइस में मौजूद एपीआई का इस्तेमाल किया जाता है, तो
Play Store से ऐप्लिकेशन इंस्टॉल होने के बाद, डिवाइस पर एमएल मॉडल अपने-आप डाउनलोड होने के लिए, अपने ऐप्लिकेशन को कॉन्फ़िगर करें.
ऐसा करने के लिए, अपने ऐप्लिकेशन की
AndroidManifest.xml
फ़ाइल में यह एलान जोड़ें:<application ...> ... <meta-data android:name="com.google.firebase.ml.vision.DEPENDENCIES" android:value="ocr" /> <!-- To use multiple models: android:value="ocr,model2,model3" --> </application>
अगर इंस्टॉल के समय मॉडल डाउनलोड करने की सुविधा चालू नहीं की जाती है, तो पहली बार डिवाइस पर डिटेक्टर का इस्तेमाल करने पर, मॉडल डाउनलोड हो जाएगा. डाउनलोड पूरा होने से पहले, किए गए अनुरोधों का कोई नतीजा नहीं मिलेगा. -
अगर आपको क्लाउड-आधारित मॉडल इस्तेमाल करना है और आपने अपने प्रोजेक्ट के लिए क्लाउड-आधारित एपीआई पहले से चालू नहीं किए हैं, तो अभी करें:
- Firebase कंसोल का एमएल किट एपीआई पेज खोलें.
-
अगर आपने अपने प्रोजेक्ट को पहले से ब्लेज़ प्राइसिंग प्लान में अपग्रेड नहीं किया है, तो ऐसा करने के लिए अपग्रेड करें पर क्लिक करें. (अगर आपका प्रोजेक्ट ब्लेज़ प्लान में नहीं है, तो आपको अपग्रेड करने के लिए कहा जाएगा.)
सिर्फ़ ब्लेज़-लेवल के प्रोजेक्ट ही क्लाउड-आधारित एपीआई का इस्तेमाल कर सकते हैं.
- अगर क्लाउड-आधारित एपीआई पहले से चालू नहीं हैं, तो क्लाउड-आधारित एपीआई चालू करें पर क्लिक करें.
अगर आपको सिर्फ़ डिवाइस में मौजूद मॉडल का इस्तेमाल करना है, तो इस चरण को छोड़ा जा सकता है.
अब आप इमेज में मौजूद टेक्स्ट की पहचान करने के लिए तैयार हैं.
इनपुट इमेज के लिए दिशा-निर्देश
-
एमएल किट टेक्स्ट की सही पहचान कर सके, इसके लिए इनपुट इमेज में ऐसा टेक्स्ट होना चाहिए जिसे ज़रूरत के हिसाब से पिक्सल डेटा के ज़रिए दिखाया गया हो. आम तौर पर, लैटिन टेक्स्ट के लिए हर वर्ण कम से कम 16x16 पिक्सल का होना चाहिए. चाइनीज़, जैपनीज़, और कोरियन टेक्स्ट (सिर्फ़ क्लाउड-आधारित एपीआई के साथ काम करने वाले) के लिए, हर वर्ण 24x24 पिक्सल का होना चाहिए. सभी भाषाओं के लिए, आम तौर पर वर्णों के लिए 24x24 पिक्सल से बड़े साइज़ का कोई सटीक फ़ायदा नहीं होता.
उदाहरण के लिए, पूरी चौड़ाई में दिखने वाले बिज़नेस कार्ड को स्कैन करने के लिए, 640x480 इमेज का इस्तेमाल करना सही रहेगा. अक्षरों के साइज़ के पेपर पर प्रिंट किए गए दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सल की इमेज की ज़रूरत पड़ सकती है.
-
इमेज पर फ़ोकस खराब होने से, टेक्स्ट की पहचान करने के तरीके पर बुरा असर पड़ सकता है. अगर आपको मान्य नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता को इमेज दोबारा कैप्चर करने के लिए कहें.
-
अगर आपको किसी रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान करनी है, तो हो सकता है कि आप इनपुट इमेज के सभी डाइमेंशन पर भी ध्यान देना चाहें. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इसलिए, इंतज़ार का समय कम करने के लिए, इमेज को कम रिज़ॉल्यूशन में कैप्चर करें. इसके लिए, ऊपर बताई गई सटीक जानकारी का ध्यान रखें. साथ ही, यह भी पक्का करें कि इमेज में टेक्स्ट ज़्यादा से ज़्यादा जगह लिया जा सके. रीयल-टाइम में परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह भी देखें.
इमेज में मौजूद टेक्स्ट की पहचान करें
डिवाइस पर मौजूद या क्लाउड-आधारित मॉडल का इस्तेमाल करके, किसी इमेज में मौजूद टेक्स्ट की पहचान करने के लिए, टेक्स्ट आइडेंटिफ़ायर का इस्तेमाल करें. इसका तरीका नीचे बताया गया है.
1. टेक्स्ट आइडेंटिफ़ायर चलाएं
किसी इमेज में मौजूद टेक्स्ट की पहचान करने के लिए,Bitmap
, media.Image
, ByteBuffer
, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल से FirebaseVisionImage
ऑब्जेक्ट बनाएं. इसके बाद, FirebaseVisionImage
ऑब्जेक्ट को
FirebaseVisionTextRecognizer
के processImage
तरीके में पास करें.
अपनी इमेज से
FirebaseVisionImage
ऑब्जेक्ट बनाएं.-
किसी
media.Image
ऑब्जेक्ट सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करते समय,media.Image
ऑब्जेक्ट को पास करें और इमेज कोFirebaseVisionImage.fromMediaImage()
पर घुमाएं.अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो
OnImageCapturedListener
औरImageAnalysis.Analyzer
क्लास आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं. इसलिए, आपकोFirebaseVisionImage.fromMediaImage()
को कॉल करने से पहले, रोटेशन वैल्यू को एमएल किट केROTATION_
कॉन्सटेंट में से किसी एक में बदलना होगा:Java
private class YourAnalyzer implements ImageAnalysis.Analyzer { private int degreesToFirebaseRotation(int degrees) { switch (degrees) { case 0: return FirebaseVisionImageMetadata.ROTATION_0; case 90: return FirebaseVisionImageMetadata.ROTATION_90; case 180: return FirebaseVisionImageMetadata.ROTATION_180; case 270: return FirebaseVisionImageMetadata.ROTATION_270; default: throw new IllegalArgumentException( "Rotation must be 0, 90, 180, or 270."); } } @Override public void analyze(ImageProxy imageProxy, int degrees) { if (imageProxy == null || imageProxy.getImage() == null) { return; } Image mediaImage = imageProxy.getImage(); int rotation = degreesToFirebaseRotation(degrees); FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation); // Pass image to an ML Kit Vision API // ... } }
Kotlin+KTX
private class YourImageAnalyzer : ImageAnalysis.Analyzer { private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) { 0 -> FirebaseVisionImageMetadata.ROTATION_0 90 -> FirebaseVisionImageMetadata.ROTATION_90 180 -> FirebaseVisionImageMetadata.ROTATION_180 270 -> FirebaseVisionImageMetadata.ROTATION_270 else -> throw Exception("Rotation must be 0, 90, 180, or 270.") } override fun analyze(imageProxy: ImageProxy?, degrees: Int) { val mediaImage = imageProxy?.image val imageRotation = degreesToFirebaseRotation(degrees) if (mediaImage != null) { val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation) // Pass image to an ML Kit Vision API // ... } } }
अगर इमेज का रोटेशन देने वाली कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है, तो इमेज को डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के ओरिएंटेशन के आधार पर कैलकुलेट किया जा सकता है:
Java
private static final SparseIntArray ORIENTATIONS = new SparseIntArray(); static { ORIENTATIONS.append(Surface.ROTATION_0, 90); ORIENTATIONS.append(Surface.ROTATION_90, 0); ORIENTATIONS.append(Surface.ROTATION_180, 270); ORIENTATIONS.append(Surface.ROTATION_270, 180); } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) private int getRotationCompensation(String cameraId, Activity activity, Context context) throws CameraAccessException { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation(); int rotationCompensation = ORIENTATIONS.get(deviceRotation); // On most devices, the sensor orientation is 90 degrees, but for some // devices it is 270 degrees. For devices with a sensor orientation of // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees. CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE); int sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION); rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360; // Return the corresponding FirebaseVisionImageMetadata rotation value. int result; switch (rotationCompensation) { case 0: result = FirebaseVisionImageMetadata.ROTATION_0; break; case 90: result = FirebaseVisionImageMetadata.ROTATION_90; break; case 180: result = FirebaseVisionImageMetadata.ROTATION_180; break; case 270: result = FirebaseVisionImageMetadata.ROTATION_270; break; default: result = FirebaseVisionImageMetadata.ROTATION_0; Log.e(TAG, "Bad rotation value: " + rotationCompensation); } return result; }
Kotlin+KTX
private val ORIENTATIONS = SparseIntArray() init { ORIENTATIONS.append(Surface.ROTATION_0, 90) ORIENTATIONS.append(Surface.ROTATION_90, 0) ORIENTATIONS.append(Surface.ROTATION_180, 270) ORIENTATIONS.append(Surface.ROTATION_270, 180) } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) @Throws(CameraAccessException::class) private fun getRotationCompensation(cameraId: String, activity: Activity, context: Context): Int { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. val deviceRotation = activity.windowManager.defaultDisplay.rotation var rotationCompensation = ORIENTATIONS.get(deviceRotation) // On most devices, the sensor orientation is 90 degrees, but for some // devices it is 270 degrees. For devices with a sensor orientation of // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees. val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager val sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION)!! rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360 // Return the corresponding FirebaseVisionImageMetadata rotation value. val result: Int when (rotationCompensation) { 0 -> result = FirebaseVisionImageMetadata.ROTATION_0 90 -> result = FirebaseVisionImageMetadata.ROTATION_90 180 -> result = FirebaseVisionImageMetadata.ROTATION_180 270 -> result = FirebaseVisionImageMetadata.ROTATION_270 else -> { result = FirebaseVisionImageMetadata.ROTATION_0 Log.e(TAG, "Bad rotation value: $rotationCompensation") } } return result }
इसके बाद,
media.Image
ऑब्जेक्ट और रोटेशन वैल्यू कोFirebaseVisionImage.fromMediaImage()
को पास करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
Kotlin+KTX
val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
- फ़ाइल यूआरआई से
FirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन का कॉन्टेक्स्ट और फ़ाइल यूआरआई कोFirebaseVisionImage.fromFilePath()
पर पास करें. यह तब काम आता है, जब आप उपयोगकर्ता को उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध करने के लिएACTION_GET_CONTENT
इंटेंट का इस्तेमाल करते हैं.Java
FirebaseVisionImage image; try { image = FirebaseVisionImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
Kotlin+KTX
val image: FirebaseVisionImage try { image = FirebaseVisionImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
ByteBuffer
या बाइट कलेक्शन सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, सबसे पहलेmedia.Image
इनपुट के लिए ऊपर बताए गए तरीके से इमेज रोटेशन का हिसाब लगाएं.इसके बाद, ऐसा
FirebaseVisionImageMetadata
ऑब्जेक्ट बनाएं जिसमें इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन शामिल हो:Java
FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder() .setWidth(480) // 480x360 is typically sufficient for .setHeight(360) // image recognition .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21) .setRotation(rotation) .build();
Kotlin+KTX
val metadata = FirebaseVisionImageMetadata.Builder() .setWidth(480) // 480x360 is typically sufficient for .setHeight(360) // image recognition .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21) .setRotation(rotation) .build()
FirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, बफ़र या अरे और मेटाडेटा ऑब्जेक्ट का इस्तेमाल करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata); // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);
Kotlin+KTX
val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata) // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
- किसी
Bitmap
ऑब्जेक्ट सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए:Java
FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
Kotlin+KTX
val image = FirebaseVisionImage.fromBitmap(bitmap)
Bitmap
ऑब्जेक्ट के ज़रिए दिखाई गई इमेज, सीधी होनी चाहिए. इसमें अलग से घुमाने की ज़रूरत नहीं है.
-
FirebaseVisionTextRecognizer
का एक इंस्टेंस पाएं.डिवाइस पर मौजूद मॉडल का इस्तेमाल करने के लिए:
Java
FirebaseVisionTextRecognizer detector = FirebaseVision.getInstance() .getOnDeviceTextRecognizer();
Kotlin+KTX
val detector = FirebaseVision.getInstance() .onDeviceTextRecognizer
क्लाउड-आधारित मॉडल का इस्तेमाल करने के लिए:
Java
FirebaseVisionTextRecognizer detector = FirebaseVision.getInstance() .getCloudTextRecognizer(); // Or, to change the default settings: // FirebaseVisionTextRecognizer detector = FirebaseVision.getInstance() // .getCloudTextRecognizer(options);
// Or, to provide language hints to assist with language detection: // See https://cloud.google.com/vision/docs/languages for supported languages FirebaseVisionCloudTextRecognizerOptions options = new FirebaseVisionCloudTextRecognizerOptions.Builder() .setLanguageHints(Arrays.asList("en", "hi")) .build();
Kotlin+KTX
val detector = FirebaseVision.getInstance().cloudTextRecognizer // Or, to change the default settings: // val detector = FirebaseVision.getInstance().getCloudTextRecognizer(options)
// Or, to provide language hints to assist with language detection: // See https://cloud.google.com/vision/docs/languages for supported languages val options = FirebaseVisionCloudTextRecognizerOptions.Builder() .setLanguageHints(listOf("en", "hi")) .build()
आखिर में, इमेज को
processImage
तरीके से पास करें:Java
Task<FirebaseVisionText> result = detector.processImage(image) .addOnSuccessListener(new OnSuccessListener<FirebaseVisionText>() { @Override public void onSuccess(FirebaseVisionText firebaseVisionText) { // Task completed successfully // ... } }) .addOnFailureListener( new OnFailureListener() { @Override public void onFailure(@NonNull Exception e) { // Task failed with an exception // ... } });
Kotlin+KTX
val result = detector.processImage(image) .addOnSuccessListener { firebaseVisionText -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
2. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें
अगर टेक्स्ट की पहचान करने की कार्रवाई पूरी हो जाती है, तो एकFirebaseVisionText
ऑब्जेक्ट, पूरे होने वाले दर्शक को भेज दिया जाएगा. FirebaseVisionText
ऑब्जेक्ट में, इमेज में पहचाना गया पूरा टेक्स्ट और शून्य या उससे ज़्यादा TextBlock
ऑब्जेक्ट शामिल हैं.
हर TextBlock
, टेक्स्ट के ऐसे आयताकार ब्लॉक को दिखाता है जिसमें शून्य या उससे ज़्यादा Line
ऑब्जेक्ट होते हैं. हर Line
ऑब्जेक्ट में शून्य या उससे ज़्यादा Element
ऑब्जेक्ट होते हैं. ये ऑब्जेक्ट, शब्दों और शब्द जैसी इकाइयों (तारीख, संख्या वगैरह) को दिखाते हैं.
हर TextBlock
, Line
, और Element
ऑब्जेक्ट के लिए, टेक्स्ट को क्षेत्र और इलाके के बाउंडिंग कोऑर्डिनेट के हिसाब से पहचाना जा सकता है.
उदाहरण के लिए:
Java
String resultText = result.getText(); for (FirebaseVisionText.TextBlock block: result.getTextBlocks()) { String blockText = block.getText(); Float blockConfidence = block.getConfidence(); List<RecognizedLanguage> blockLanguages = block.getRecognizedLanguages(); Point[] blockCornerPoints = block.getCornerPoints(); Rect blockFrame = block.getBoundingBox(); for (FirebaseVisionText.Line line: block.getLines()) { String lineText = line.getText(); Float lineConfidence = line.getConfidence(); List<RecognizedLanguage> lineLanguages = line.getRecognizedLanguages(); Point[] lineCornerPoints = line.getCornerPoints(); Rect lineFrame = line.getBoundingBox(); for (FirebaseVisionText.Element element: line.getElements()) { String elementText = element.getText(); Float elementConfidence = element.getConfidence(); List<RecognizedLanguage> elementLanguages = element.getRecognizedLanguages(); Point[] elementCornerPoints = element.getCornerPoints(); Rect elementFrame = element.getBoundingBox(); } } }
Kotlin+KTX
val resultText = result.text for (block in result.textBlocks) { val blockText = block.text val blockConfidence = block.confidence val blockLanguages = block.recognizedLanguages val blockCornerPoints = block.cornerPoints val blockFrame = block.boundingBox for (line in block.lines) { val lineText = line.text val lineConfidence = line.confidence val lineLanguages = line.recognizedLanguages val lineCornerPoints = line.cornerPoints val lineFrame = line.boundingBox for (element in line.elements) { val elementText = element.text val elementConfidence = element.confidence val elementLanguages = element.recognizedLanguages val elementCornerPoints = element.cornerPoints val elementFrame = element.boundingBox } } }
रीयल-टाइम परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह
अगर आपको रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान करने के लिए, डिवाइस पर मौजूद मॉडल का इस्तेमाल करना है, तो सबसे सही फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:
- कॉल को टेक्स्ट आइडेंटिफ़ायर को थ्रॉटल करें. अगर टेक्स्ट आइडेंटिफ़ायर के चालू होने के दौरान, कोई नया वीडियो फ़्रेम उपलब्ध हो, तो फ़्रेम को छोड़ दें.
- अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, टेक्स्ट आइडेंटिफ़ायर के आउटपुट का इस्तेमाल किया जा रहा है, तो सबसे पहले एमएल किट का इस्तेमाल करें. इसके बाद, एक ही चरण में इमेज और ओवरले को रेंडर करें. ऐसा करने पर, हर इनपुट फ़्रेम के लिए आपको डिसप्ले प्लैटफ़ॉर्म पर सिर्फ़ एक बार रेंडर करना होगा.
-
अगर Camera2 API का इस्तेमाल किया जा रहा है, तो
ImageFormat.YUV_420_888
फ़ॉर्मैट में इमेज कैप्चर करें.अगर पुराने Camera API का इस्तेमाल किया जा रहा है, तो
ImageFormat.NV21
फ़ॉर्मैट में इमेज कैप्चर करें. - कम रिज़ॉल्यूशन वाली इमेज कैप्चर करें. हालांकि, यह भी ध्यान रखें कि इस एपीआई के लिए इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तें पूरी की जाती हैं.
अगले चरण
- Cloud API का इस्तेमाल करने वाले ऐप्लिकेशन को प्रोडक्शन में डिप्लॉय करने से पहले, आपको बिना अनुमति वाले एपीआई ऐक्सेस करने के असर को रोकने और उसे कम करने के लिए कुछ और कदम उठाने चाहिए.
दस्तावेज़ों की इमेज में मौजूद टेक्स्ट की पहचान करें
किसी दस्तावेज़ के टेक्स्ट की पहचान करने के लिए, क्लाउड-आधारित दस्तावेज़ का टेक्स्ट आइडेंटिफ़ायर कॉन्फ़िगर करें और उसे चलाएं. इसके बारे में नीचे बताया गया है.
दस्तावेज़ टेक्स्ट की पहचान करने वाला एपीआई, जिसके बारे में नीचे बताया गया है. इस एपीआई की मदद से, ऐसा इंटरफ़ेस मिलता है जिसकी मदद से दस्तावेज़ों की इमेज पर आसानी से काम किया जा सकता है. हालांकि, अगर आपको FirebaseVisionTextRecognizer
API से मिला इंटरफ़ेस पसंद है, तो दस्तावेज़ों को स्कैन करने के लिए इसका इस्तेमाल किया जा सकता है. इसके लिए, क्लाउड टेक्स्ट आइडेंटिफ़ायर को सघन टेक्स्ट मॉडल का इस्तेमाल करने के लिए कॉन्फ़िगर करें.
दस्तावेज़ टेक्स्ट की पहचान करने वाले एपीआई का इस्तेमाल करने के लिए:
1. टेक्स्ट आइडेंटिफ़ायर चलाएं
किसी इमेज में मौजूद टेक्स्ट की पहचान करने के लिए,Bitmap
, media.Image
, ByteBuffer
, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल से FirebaseVisionImage
ऑब्जेक्ट बनाएं.
इसके बाद, FirebaseVisionImage
ऑब्जेक्ट को
FirebaseVisionDocumentTextRecognizer
के processImage
तरीके में पास करें.
अपनी इमेज से
FirebaseVisionImage
ऑब्जेक्ट बनाएं.-
किसी
media.Image
ऑब्जेक्ट सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करते समय,media.Image
ऑब्जेक्ट को पास करें और इमेज कोFirebaseVisionImage.fromMediaImage()
पर घुमाएं.अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो
OnImageCapturedListener
औरImageAnalysis.Analyzer
क्लास आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं. इसलिए, आपकोFirebaseVisionImage.fromMediaImage()
को कॉल करने से पहले, रोटेशन वैल्यू को एमएल किट केROTATION_
कॉन्सटेंट में से किसी एक में बदलना होगा:Java
private class YourAnalyzer implements ImageAnalysis.Analyzer { private int degreesToFirebaseRotation(int degrees) { switch (degrees) { case 0: return FirebaseVisionImageMetadata.ROTATION_0; case 90: return FirebaseVisionImageMetadata.ROTATION_90; case 180: return FirebaseVisionImageMetadata.ROTATION_180; case 270: return FirebaseVisionImageMetadata.ROTATION_270; default: throw new IllegalArgumentException( "Rotation must be 0, 90, 180, or 270."); } } @Override public void analyze(ImageProxy imageProxy, int degrees) { if (imageProxy == null || imageProxy.getImage() == null) { return; } Image mediaImage = imageProxy.getImage(); int rotation = degreesToFirebaseRotation(degrees); FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation); // Pass image to an ML Kit Vision API // ... } }
Kotlin+KTX
private class YourImageAnalyzer : ImageAnalysis.Analyzer { private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) { 0 -> FirebaseVisionImageMetadata.ROTATION_0 90 -> FirebaseVisionImageMetadata.ROTATION_90 180 -> FirebaseVisionImageMetadata.ROTATION_180 270 -> FirebaseVisionImageMetadata.ROTATION_270 else -> throw Exception("Rotation must be 0, 90, 180, or 270.") } override fun analyze(imageProxy: ImageProxy?, degrees: Int) { val mediaImage = imageProxy?.image val imageRotation = degreesToFirebaseRotation(degrees) if (mediaImage != null) { val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation) // Pass image to an ML Kit Vision API // ... } } }
अगर इमेज का रोटेशन देने वाली कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है, तो इमेज को डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के ओरिएंटेशन के आधार पर कैलकुलेट किया जा सकता है:
Java
private static final SparseIntArray ORIENTATIONS = new SparseIntArray(); static { ORIENTATIONS.append(Surface.ROTATION_0, 90); ORIENTATIONS.append(Surface.ROTATION_90, 0); ORIENTATIONS.append(Surface.ROTATION_180, 270); ORIENTATIONS.append(Surface.ROTATION_270, 180); } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) private int getRotationCompensation(String cameraId, Activity activity, Context context) throws CameraAccessException { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation(); int rotationCompensation = ORIENTATIONS.get(deviceRotation); // On most devices, the sensor orientation is 90 degrees, but for some // devices it is 270 degrees. For devices with a sensor orientation of // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees. CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE); int sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION); rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360; // Return the corresponding FirebaseVisionImageMetadata rotation value. int result; switch (rotationCompensation) { case 0: result = FirebaseVisionImageMetadata.ROTATION_0; break; case 90: result = FirebaseVisionImageMetadata.ROTATION_90; break; case 180: result = FirebaseVisionImageMetadata.ROTATION_180; break; case 270: result = FirebaseVisionImageMetadata.ROTATION_270; break; default: result = FirebaseVisionImageMetadata.ROTATION_0; Log.e(TAG, "Bad rotation value: " + rotationCompensation); } return result; }
Kotlin+KTX
private val ORIENTATIONS = SparseIntArray() init { ORIENTATIONS.append(Surface.ROTATION_0, 90) ORIENTATIONS.append(Surface.ROTATION_90, 0) ORIENTATIONS.append(Surface.ROTATION_180, 270) ORIENTATIONS.append(Surface.ROTATION_270, 180) } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) @Throws(CameraAccessException::class) private fun getRotationCompensation(cameraId: String, activity: Activity, context: Context): Int { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. val deviceRotation = activity.windowManager.defaultDisplay.rotation var rotationCompensation = ORIENTATIONS.get(deviceRotation) // On most devices, the sensor orientation is 90 degrees, but for some // devices it is 270 degrees. For devices with a sensor orientation of // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees. val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager val sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION)!! rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360 // Return the corresponding FirebaseVisionImageMetadata rotation value. val result: Int when (rotationCompensation) { 0 -> result = FirebaseVisionImageMetadata.ROTATION_0 90 -> result = FirebaseVisionImageMetadata.ROTATION_90 180 -> result = FirebaseVisionImageMetadata.ROTATION_180 270 -> result = FirebaseVisionImageMetadata.ROTATION_270 else -> { result = FirebaseVisionImageMetadata.ROTATION_0 Log.e(TAG, "Bad rotation value: $rotationCompensation") } } return result }
इसके बाद,
media.Image
ऑब्जेक्ट और रोटेशन वैल्यू कोFirebaseVisionImage.fromMediaImage()
को पास करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
Kotlin+KTX
val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
- फ़ाइल यूआरआई से
FirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन का कॉन्टेक्स्ट और फ़ाइल यूआरआई कोFirebaseVisionImage.fromFilePath()
पर पास करें. यह तब काम आता है, जब आप उपयोगकर्ता को उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध करने के लिएACTION_GET_CONTENT
इंटेंट का इस्तेमाल करते हैं.Java
FirebaseVisionImage image; try { image = FirebaseVisionImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
Kotlin+KTX
val image: FirebaseVisionImage try { image = FirebaseVisionImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
ByteBuffer
या बाइट कलेक्शन सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, सबसे पहलेmedia.Image
इनपुट के लिए ऊपर बताए गए तरीके से इमेज रोटेशन का हिसाब लगाएं.इसके बाद, ऐसा
FirebaseVisionImageMetadata
ऑब्जेक्ट बनाएं जिसमें इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन शामिल हो:Java
FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder() .setWidth(480) // 480x360 is typically sufficient for .setHeight(360) // image recognition .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21) .setRotation(rotation) .build();
Kotlin+KTX
val metadata = FirebaseVisionImageMetadata.Builder() .setWidth(480) // 480x360 is typically sufficient for .setHeight(360) // image recognition .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21) .setRotation(rotation) .build()
FirebaseVisionImage
ऑब्जेक्ट बनाने के लिए, बफ़र या अरे और मेटाडेटा ऑब्जेक्ट का इस्तेमाल करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata); // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);
Kotlin+KTX
val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata) // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
- किसी
Bitmap
ऑब्जेक्ट सेFirebaseVisionImage
ऑब्जेक्ट बनाने के लिए:Java
FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
Kotlin+KTX
val image = FirebaseVisionImage.fromBitmap(bitmap)
Bitmap
ऑब्जेक्ट के ज़रिए दिखाई गई इमेज, सीधी होनी चाहिए. इसमें अलग से घुमाने की ज़रूरत नहीं है.
-
FirebaseVisionDocumentTextRecognizer
का इंस्टेंस पाएं:Java
FirebaseVisionDocumentTextRecognizer detector = FirebaseVision.getInstance() .getCloudDocumentTextRecognizer();
// Or, to provide language hints to assist with language detection: // See https://cloud.google.com/vision/docs/languages for supported languages FirebaseVisionCloudDocumentRecognizerOptions options = new FirebaseVisionCloudDocumentRecognizerOptions.Builder() .setLanguageHints(Arrays.asList("en", "hi")) .build(); FirebaseVisionDocumentTextRecognizer detector = FirebaseVision.getInstance() .getCloudDocumentTextRecognizer(options);
Kotlin+KTX
val detector = FirebaseVision.getInstance() .cloudDocumentTextRecognizer
// Or, to provide language hints to assist with language detection: // See https://cloud.google.com/vision/docs/languages for supported languages val options = FirebaseVisionCloudDocumentRecognizerOptions.Builder() .setLanguageHints(listOf("en", "hi")) .build() val detector = FirebaseVision.getInstance() .getCloudDocumentTextRecognizer(options)
आखिर में, इमेज को
processImage
तरीके से पास करें:Java
detector.processImage(myImage) .addOnSuccessListener(new OnSuccessListener<FirebaseVisionDocumentText>() { @Override public void onSuccess(FirebaseVisionDocumentText result) { // Task completed successfully // ... } }) .addOnFailureListener(new OnFailureListener() { @Override public void onFailure(@NonNull Exception e) { // Task failed with an exception // ... } });
Kotlin+KTX
detector.processImage(myImage) .addOnSuccessListener { firebaseVisionDocumentText -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
2. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें
अगर टेक्स्ट की पहचान करने की कार्रवाई पूरी हो जाती है, तो यह एक FirebaseVisionDocumentText
ऑब्जेक्ट दिखाएगा. FirebaseVisionDocumentText
ऑब्जेक्ट में, इमेज में पहचाना गया पूरा टेक्स्ट और उन ऑब्जेक्ट की हैरारकी होती है जो मान्य दस्तावेज़ की बनावट को दिखाते हैं:
FirebaseVisionDocumentText.Block
FirebaseVisionDocumentText.Paragraph
FirebaseVisionDocumentText.Word
FirebaseVisionDocumentText.Symbol
हर Block
, Paragraph
, Word
, और Symbol
ऑब्जेक्ट के लिए, आपके पास
क्षेत्र और इलाके के बाउंडिंग कोऑर्डिनेट के टेक्स्ट की पहचान करने का विकल्प है.
उदाहरण के लिए:
Java
String resultText = result.getText(); for (FirebaseVisionDocumentText.Block block: result.getBlocks()) { String blockText = block.getText(); Float blockConfidence = block.getConfidence(); List<RecognizedLanguage> blockRecognizedLanguages = block.getRecognizedLanguages(); Rect blockFrame = block.getBoundingBox(); for (FirebaseVisionDocumentText.Paragraph paragraph: block.getParagraphs()) { String paragraphText = paragraph.getText(); Float paragraphConfidence = paragraph.getConfidence(); List<RecognizedLanguage> paragraphRecognizedLanguages = paragraph.getRecognizedLanguages(); Rect paragraphFrame = paragraph.getBoundingBox(); for (FirebaseVisionDocumentText.Word word: paragraph.getWords()) { String wordText = word.getText(); Float wordConfidence = word.getConfidence(); List<RecognizedLanguage> wordRecognizedLanguages = word.getRecognizedLanguages(); Rect wordFrame = word.getBoundingBox(); for (FirebaseVisionDocumentText.Symbol symbol: word.getSymbols()) { String symbolText = symbol.getText(); Float symbolConfidence = symbol.getConfidence(); List<RecognizedLanguage> symbolRecognizedLanguages = symbol.getRecognizedLanguages(); Rect symbolFrame = symbol.getBoundingBox(); } } } }
Kotlin+KTX
val resultText = result.text for (block in result.blocks) { val blockText = block.text val blockConfidence = block.confidence val blockRecognizedLanguages = block.recognizedLanguages val blockFrame = block.boundingBox for (paragraph in block.paragraphs) { val paragraphText = paragraph.text val paragraphConfidence = paragraph.confidence val paragraphRecognizedLanguages = paragraph.recognizedLanguages val paragraphFrame = paragraph.boundingBox for (word in paragraph.words) { val wordText = word.text val wordConfidence = word.confidence val wordRecognizedLanguages = word.recognizedLanguages val wordFrame = word.boundingBox for (symbol in word.symbols) { val symbolText = symbol.text val symbolConfidence = symbol.confidence val symbolRecognizedLanguages = symbol.recognizedLanguages val symbolFrame = symbol.boundingBox } } } }
अगले चरण
- Cloud API का इस्तेमाल करने वाले ऐप्लिकेशन को प्रोडक्शन में डिप्लॉय करने से पहले, आपको बिना अनुमति वाले एपीआई ऐक्सेस करने के असर को रोकने और उसे कम करने के लिए कुछ और कदम उठाने चाहिए.