Google 致力于为黑人社区推动种族平等。查看具体举措
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

Android पर एमएल किट के साथ छवियों में पाठ को पहचानें

0130ff580

आप छवियों में पाठ को पहचानने के लिए एमएल किट का उपयोग कर सकते हैं। एमएल किट में एक सामान्य-उद्देश्य एपीआई दोनों है जो छवियों में पाठ को पहचानने के लिए उपयुक्त है, जैसे सड़क पर हस्ताक्षर का पाठ, और दस्तावेजों के पाठ को पहचानने के लिए एक एपीआई अनुकूलित। सामान्य प्रयोजन के एपीआई में डिवाइस और क्लाउड-आधारित मॉडल दोनों हैं। दस्तावेज़ पाठ मान्यता केवल क्लाउड-आधारित मॉडल के रूप में उपलब्ध है। क्लाउड और ऑन-डिवाइस मॉडल की तुलना के लिए अवलोकन देखें।

शुरू करने से पहले

  1. यदि आप पहले से नहीं है, तो अपने Android प्रोजेक्ट में Firebase जोड़ें
  2. एमएल किट एंड्रॉइड लाइब्रेरी के लिए अपने मॉड्यूल (ऐप-स्तर) ग्रेड फ़ाइल (आमतौर पर app/build.gradle ) के लिए निर्भरता जोड़ें:
    apply plugin: 'com.android.application'
    apply plugin: 'com.google.gms.google-services'
    
    dependencies {
      // ...
    
      implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
    }
    
  3. वैकल्पिक लेकिन अनुशंसित : यदि आप ऑन-डिवाइस API का उपयोग करते हैं, तो अपने ऐप को प्ले स्टोर से इंस्टॉल होने के बाद अपने ऐप को एमएल मॉडल में स्वचालित रूप से डाउनलोड करने के लिए कॉन्फ़िगर करें।

    ऐसा करने के लिए, अपने ऐप के AndroidManifest.xml फ़ाइल में निम्नलिखित घोषणा 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>
    
    यदि आप इंस्टॉल-टाइम मॉडल डाउनलोड को सक्षम नहीं करते हैं, तो पहली बार ऑन-डिवाइस डिटेक्टर चलाने पर मॉडल डाउनलोड हो जाएगा। डाउनलोड पूरा होने से पहले आपके द्वारा किए गए अनुरोधों का कोई परिणाम नहीं होगा।
  4. यदि आप क्लाउड-आधारित मॉडल का उपयोग करना चाहते हैं, और आपने अपने प्रोजेक्ट के लिए क्लाउड-आधारित API को पहले से सक्षम नहीं किया है, तो अभी करें:

    1. फायरबेस कंसोल के एमएल किट एपीआई पेज खोलें।
    2. यदि आपने पहले से ही अपने प्रोजेक्ट को ब्लेज़ प्लान में अपग्रेड नहीं किया है, तो ऐसा करने के लिए अपग्रेड पर क्लिक करें। (आपको केवल तभी अपग्रेड करने के लिए प्रेरित किया जाएगा जब आपका प्रोजेक्ट ब्लेज़ प्लान में न हो।)

      केवल ब्लेज़ स्तर की परियोजनाएँ क्लाउड-आधारित API का उपयोग कर सकती हैं।

    3. यदि क्लाउड-आधारित API पहले से सक्षम नहीं हैं, तो क्लाउड-आधारित API सक्षम करें पर क्लिक करें

    यदि आप केवल ऑन-डिवाइस मॉडल का उपयोग करना चाहते हैं, तो आप इस चरण को छोड़ सकते हैं।

अब आप छवियों में पाठ को पहचानना शुरू करने के लिए तैयार हैं।

इनपुट छवि दिशानिर्देश

  • एमएल किट के लिए पाठ को सही ढंग से पहचानने के लिए, इनपुट छवियों में वह पाठ होना चाहिए जो पर्याप्त पिक्सेल डेटा द्वारा दर्शाया गया हो। आदर्श रूप से, लैटिन पाठ के लिए, प्रत्येक वर्ण कम से कम 16x16 पिक्सेल होना चाहिए। चीनी, जापानी और कोरियाई पाठ (केवल क्लाउड-आधारित API द्वारा समर्थित) के लिए, प्रत्येक वर्ण 24x24 पिक्सेल होना चाहिए। सभी भाषाओं के लिए, आमतौर पर वर्णों के 24x24 पिक्सेल से बड़े होने का कोई सटीकता लाभ नहीं है।

    इसलिए, उदाहरण के लिए, एक 640x480 छवि एक व्यवसाय कार्ड को स्कैन करने के लिए अच्छी तरह से काम कर सकती है जो छवि की पूरी चौड़ाई पर कब्जा कर लेती है। पत्र के आकार के कागज पर मुद्रित दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सेल छवि की आवश्यकता हो सकती है।

  • खराब छवि फोकस पाठ पहचान सटीकता को नुकसान पहुंचा सकता है। यदि आपको स्वीकार्य परिणाम नहीं मिल रहे हैं, तो उपयोगकर्ता को छवि को पुनः प्राप्त करने के लिए कहें।

  • यदि आप एक वास्तविक समय के अनुप्रयोग में पाठ को पहचान रहे हैं, तो आप इनपुट छवियों के समग्र आयामों पर भी विचार कर सकते हैं। छोटी छवियों को तेज़ी से संसाधित किया जा सकता है, इसलिए विलंबता को कम करने के लिए, कम रिज़ॉल्यूशन पर छवियों को कैप्चर करें (उपरोक्त सटीकता की आवश्यकताओं को ध्यान में रखते हुए) और सुनिश्चित करें कि पाठ यथासंभव छवि पर कब्जा कर लेता है। वास्तविक समय के प्रदर्शन को बेहतर बनाने के लिए टिप्स भी देखें।


छवियों में पाठ को पहचानें

किसी उपकरण या क्लाउड-आधारित मॉडल का उपयोग करके छवि में पाठ को पहचानने के लिए, नीचे दिए गए पाठ पहचानकर्ता को चलाएं।

1. पाठ पहचानकर्ता चलाएँ

एक छवि के टेक्स्ट की पहचान करने के लिए, एक बनाने FirebaseVisionImage या तो एक से वस्तु Bitmap , media.Image , ByteBuffer , बाइट सरणी, या उपकरण पर कोई फ़ाइल। उसके बाद, FirebaseVisionImage ऑब्जेक्ट को FirebaseVisionTextRecognizer की processImage विधि में पास करें।

  1. अपनी छवि से एक FirebaseVisionImage ऑब्जेक्ट बनाएं।

    • किसी media.Image से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए। media.Image ऑब्जेक्ट, जैसे डिवाइस के कैमरे से कोई इमेज कैप्चर करते समय, media.Image पास करें। media.Image ऑब्जेक्ट और इमेज का रोटेशन FirebaseVisionImage.fromMediaImage()

      यदि आप CameraX लाइब्रेरी का उपयोग करते हैं, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लासेस आपके लिए रोटेशन मूल्य की गणना करते हैं, इसलिए आपको FirebaseVisionImage.fromMediaImage() से कॉल करते हुए रोटेशन को एमएल किट के ROTATION_ से एक में बदलना होगा।

      जावा

      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
                  // ...
              }
          }
      }
      

      यदि आप एक कैमरा लाइब्रेरी का उपयोग नहीं करते हैं जो आपको छवि के रोटेशन देता है, तो आप इसे डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के उन्मुखीकरण से गणना कर सकते हैं:

      जावा

      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
      }

      उसके बाद, media.Image ऑब्जेक्ट और रोटेशन मान FirebaseVisionImage.fromMediaImage() :

      जावा

      FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);

      Kotlin + KTX

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
    • किसी फ़ाइल URI से एक FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, ऐप संदर्भ देखें और FirebaseVisionImage.fromFilePath() URI फ़ाइल करें। यह तब उपयोगी होता है जब आप उपयोगकर्ता को उनके गैलरी ऐप से छवि का चयन करने के लिए प्रेरित करने के लिए एक ACTION_GET_CONTENT इरादे का उपयोग करते हैं।

      जावा

      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()
      }
    • एक बनाने के लिए FirebaseVisionImage एक से वस्तु ByteBuffer या एक बाइट सरणी, पहले के रूप में के लिए ऊपर वर्णित छवि रोटेशन की गणना media.Image इनपुट।

      फिर, एक FirebaseVisionImageMetadata ऑब्जेक्ट बनाएं जिसमें छवि की ऊँचाई, चौड़ाई, रंग एन्कोडिंग प्रारूप और रोटेशन शामिल हैं:

      जावा

      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 सरणी और मेटाडेटा ऑब्जेक्ट का उपयोग करें:

      जावा

      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)
    • एक Bitmap ऑब्जेक्ट से एक FirebaseVisionImage ऑब्जेक्ट बनाने के लिए:

      जावा

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);

      Kotlin + KTX

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      Bitmap ऑब्जेक्ट द्वारा Bitmap गई छवि सीधी होनी चाहिए, जिसमें कोई अतिरिक्त रोटेशन की आवश्यकता नहीं है।

  2. FirebaseVisionTextRecognizer का एक उदाहरण प्राप्त करें।

    ऑन-डिवाइस मॉडल का उपयोग करने के लिए:

    जावा

    FirebaseVisionTextRecognizer detector = FirebaseVision.getInstance()
            .getOnDeviceTextRecognizer();

    Kotlin + KTX

    val detector = FirebaseVision.getInstance()
            .onDeviceTextRecognizer

    क्लाउड-आधारित मॉडल का उपयोग करने के लिए:

    जावा

    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()
    
  3. अंत में, इमेज को processImage विधि में पास करें:

    जावा

    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. मान्यता प्राप्त पाठ के ब्लॉक से पाठ निकालें

यदि पाठ पहचान ऑपरेशन सफल होता है, तो एक FirebaseVisionText ऑब्जेक्ट सफलता श्रोता के पास जाएगा। FirebaseVisionText ऑब्जेक्ट में पूर्ण टेक्स्ट छवि में पहचाना गया है और शून्य या अधिक TextBlock ऑब्जेक्ट हैं।

प्रत्येक TextBlock पाठ के एक आयताकार ब्लॉक का प्रतिनिधित्व करता है, जिसमें शून्य या अधिक Line ऑब्जेक्ट होते हैं। प्रत्येक Line वस्तु में शून्य या अधिक Element ऑब्जेक्ट्स होते हैं, जो शब्दों और शब्द-जैसी संस्थाओं (दिनांक, संख्या और इसी तरह) का प्रतिनिधित्व करते हैं।

प्रत्येक TextBlock , Line और Element ऑब्जेक्ट के लिए, आप क्षेत्र में मान्यता प्राप्त पाठ और क्षेत्र के बाउंडिंग निर्देशांक प्राप्त कर सकते हैं।

उदाहरण के लिए:

जावा

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
        }
    }
}

वास्तविक समय के प्रदर्शन को बेहतर बनाने के लिए टिप्स

यदि आप वास्तविक समय में एप्लिकेशन को पहचानने के लिए ऑन-डिवाइस मॉडल का उपयोग करना चाहते हैं, तो सर्वोत्तम फ्रैमरेट्स प्राप्त करने के लिए इन दिशानिर्देशों का पालन करें:

  • थ्रॉटल पाठ पहचानकर्ता को कॉल करता है। यदि एक नया वीडियो फ्रेम उपलब्ध हो जाता है जबकि पाठ पहचानकर्ता चल रहा है, तो फ्रेम को छोड़ दें।
  • यदि आप इनपुट इमेज पर ग्राफिक्स को ओवरले करने के लिए टेक्स्ट पहचानकर्ता के आउटपुट का उपयोग कर रहे हैं, तो पहले एमएल किट से परिणाम प्राप्त करें, फिर एक ही चरण में छवि और ओवरले को रेंडर करें। ऐसा करने से, आप प्रत्येक इनपुट फ्रेम के लिए केवल एक बार प्रदर्शन सतह को प्रस्तुत करते हैं।
  • यदि आप Camera2 API का उपयोग करते हैं, तो ImageFormat.YUV_420_888 प्रारूप में चित्र कैप्चर करें।

    यदि आप पुराने कैमरा API का उपयोग करते हैं, तो ImageFormat.NV21 प्रारूप में चित्र कैप्चर करें।

  • कम रिज़ॉल्यूशन पर छवियों को कैप्चर करने पर विचार करें। हालांकि, इस एपीआई की छवि आयाम आवश्यकताओं को भी ध्यान में रखें।

अगला कदम


दस्तावेजों की छवियों में पाठ को पहचानें

दस्तावेज़ के पाठ को पहचानने के लिए, क्लाउड-आधारित दस्तावेज़ पाठ पहचानकर्ता को कॉन्फ़िगर करें और चलाएं जैसा कि नीचे वर्णित है।

नीचे वर्णित दस्तावेज़ पाठ पहचान एपीआई, एक इंटरफ़ेस प्रदान करता है जो दस्तावेजों की छवियों के साथ काम करने के लिए अधिक सुविधाजनक है। हालाँकि, यदि आप FirebaseVisionTextRecognizer API द्वारा दिए गए इंटरफ़ेस को पसंद करते हैं, तो आप घने पाठ मॉडल का उपयोग करने के लिए क्लाउड टेक्स्ट पहचानकर्ता को कॉन्फ़िगर करके दस्तावेज़ों को स्कैन करने के बजाय इसका उपयोग कर सकते हैं।

दस्तावेज़ पाठ मान्यता API का उपयोग करने के लिए:

1. पाठ पहचानकर्ता चलाएँ

एक छवि के टेक्स्ट की पहचान करने के लिए, एक बनाने FirebaseVisionImage या तो एक से वस्तु Bitmap , media.Image , ByteBuffer , बाइट सरणी, या उपकरण पर कोई फ़ाइल। उसके बाद, FirebaseVisionImage ऑब्जेक्ट को FirebaseVisionDocumentTextRecognizer की processImage विधि में पास करें।

  1. अपनी छवि से एक FirebaseVisionImage ऑब्जेक्ट बनाएं।

    • किसी media.Image से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए। media.Image ऑब्जेक्ट, जैसे डिवाइस के कैमरे से कोई इमेज कैप्चर करते समय, media.Image पास करें। media.Image ऑब्जेक्ट और इमेज का रोटेशन FirebaseVisionImage.fromMediaImage()

      यदि आप CameraX लाइब्रेरी का उपयोग करते हैं, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लासेस आपके लिए रोटेशन मूल्य की गणना करते हैं, इसलिए आपको FirebaseVisionImage.fromMediaImage() से कॉल करते हुए रोटेशन को एमएल किट के ROTATION_ से एक में बदलना होगा।

      जावा

      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
                  // ...
              }
          }
      }
      

      यदि आप एक कैमरा लाइब्रेरी का उपयोग नहीं करते हैं जो आपको छवि के रोटेशन देता है, तो आप इसे डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के उन्मुखीकरण से गणना कर सकते हैं:

      जावा

      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
      }

      फिर, media.Image ऑब्जेक्ट और FirebaseVisionImage.fromMediaImage() लिए रोटेशन मान पास करें:

      जावा

      FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);

      Kotlin + KTX

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
    • किसी फ़ाइल URI से एक FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, ऐप संदर्भ देखें और FirebaseVisionImage.fromFilePath() URI फ़ाइल करें। यह तब उपयोगी होता है जब आप उपयोगकर्ता को उनके गैलरी ऐप से छवि का चयन करने के लिए प्रेरित करने के लिए एक ACTION_GET_CONTENT इरादे का उपयोग करते हैं।

      जावा

      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()
      }
    • एक बनाने के लिए FirebaseVisionImage एक से वस्तु ByteBuffer या एक बाइट सरणी, पहले के रूप में के लिए ऊपर वर्णित छवि रोटेशन की गणना media.Image इनपुट।

      फिर, एक FirebaseVisionImageMetadata ऑब्जेक्ट बनाएं जिसमें छवि की ऊँचाई, चौड़ाई, रंग एन्कोडिंग प्रारूप और रोटेशन शामिल हैं:

      जावा

      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 सरणी और मेटाडेटा ऑब्जेक्ट का उपयोग करें:

      जावा

      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)
    • एक Bitmap ऑब्जेक्ट से एक FirebaseVisionImage ऑब्जेक्ट बनाने के लिए:

      जावा

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);

      Kotlin + KTX

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      Bitmap ऑब्जेक्ट द्वारा Bitmap गई छवि सीधी होनी चाहिए, जिसमें कोई अतिरिक्त रोटेशन की आवश्यकता नहीं है।

  2. FirebaseVisionDocumentTextRecognizer का एक उदाहरण प्राप्त करें:

    जावा

    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)

  3. अंत में, इमेज को processImage विधि में पास करें:

    जावा

    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. मान्यता प्राप्त पाठ के ब्लॉक से पाठ निकालें

यदि पाठ पहचान ऑपरेशन सफल होता है, तो यह एकFirebaseVisionDocumentText ऑब्जेक्ट लौटाएगा। एक FirebaseVisionDocumentText ऑब्जेक्ट में पूरा टेक्स्ट छवि में पहचाना गया है और ऑब्जेक्ट्स का एक पदानुक्रम है जो मान्यता प्राप्त दस्तावेज़ की संरचना को दर्शाता है:

प्रत्येक Block , Paragraph , Word और Symbol ऑब्जेक्ट के लिए, आप क्षेत्र में मान्यता प्राप्त पाठ और क्षेत्र के बाउंडिंग निर्देशांक प्राप्त कर सकते हैं।

उदाहरण के लिए:

जावा

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
            }
        }
    }
}

अगला कदम