इस पेज का अनुवाद Cloud Translation API से किया गया है.

iOS पर एमएल किट की मदद से, इमेज में मौजूद टेक्स्ट की पहचान करना

इस पेज पर, Text Recognition APIके पुराने वर्शन के बारे में बताया गया है. यह वर्शन, Firebase के लिए ML Kit का हिस्सा था. इस एपीआई की सुविधाओं को दो नए एपीआई में बांटा गया है (ज़्यादा जानें):

डिवाइस पर मौजूद text recognition मशीन लर्निंग मॉडल, नए स्टैंडअलोन ML Kit SDK टूल का हिस्सा है. इसका इस्तेमाल, Firebase के साथ या इसके बिना किया जा सकता है.
Cloud text recognition, Firebase ML का हिस्सा है. इसमें Firebase की क्लाउड-आधारित मशीन लर्निंग (ML) की सभी सुविधाएं शामिल हैं.

इमेज में मौजूद टेक्स्ट की पहचान करने के लिए, ML Kit का इस्तेमाल किया जा सकता है. ML Kit में दो तरह के एपीआई होते हैं. एक सामान्य एपीआई होता है, जो इमेज में मौजूद टेक्स्ट की पहचान करने के लिए सही होता है. जैसे, सड़क के साइन बोर्ड पर लिखा टेक्स्ट. दूसरा एपीआई, दस्तावेज़ों में मौजूद टेक्स्ट की पहचान करने के लिए ऑप्टिमाइज़ किया गया होता है. सामान्य कामों के लिए उपलब्ध एपीआई में, ऑन-डिवाइस और क्लाउड-आधारित, दोनों तरह के मॉडल होते हैं. दस्तावेज़ में मौजूद टेक्स्ट की पहचान करने की सुविधा, सिर्फ़ क्लाउड पर आधारित मॉडल के तौर पर उपलब्ध है. क्लाउड और डिवाइस पर मौजूद मॉडल की तुलना करने के लिए, खास जानकारी देखें.

शुरू करने से पहले

अगर आपने अपने ऐप्लिकेशन में Firebase को पहले से नहीं जोड़ा है, तो शुरू करने के लिए गाइड में दिए गए चरणों का पालन करके ऐसा करें.
अपने Podfile में ML Kit की लाइब्रेरी शामिल करें:
```
pod 'Firebase/MLVision', '6.25.0'
# If using an on-device API:
pod 'Firebase/MLVisionTextModel', '6.25.0'
```
अपने प्रोजेक्ट के पॉड इंस्टॉल या अपडेट करने के बाद, पक्का करें कि आपने Xcode प्रोजेक्ट को उसके .xcworkspace का इस्तेमाल करके खोला हो.
अपने ऐप्लिकेशन में, Firebase को इंपोर्ट करें:
Swift
```
import Firebase
```
Objective-C
```
@import Firebase;
```
अगर आपको क्लाउड-आधारित मॉडल का इस्तेमाल करना है और आपने अपने प्रोजेक्ट के लिए क्लाउड-आधारित एपीआई पहले से चालू नहीं किए हैं, तो अभी ऐसा करें:
1. Firebase कंसोल के ML Kit APIs पेज को खोलें.
2. अगर आपने अब तक अपने प्रोजेक्ट को Blaze प्लान में अपग्रेड नहीं किया है, तो ऐसा करने के लिए अपग्रेड करें पर क्लिक करें. (आपको अपग्रेड करने के लिए सिर्फ़ तब कहा जाएगा, जब आपका प्रोजेक्ट Blaze प्लान पर नहीं होगा.)
  
  क्लाउड पर आधारित एपीआई का इस्तेमाल सिर्फ़ ब्लेज़-लेवल के प्रोजेक्ट कर सकते हैं.
3. अगर क्लाउड पर आधारित एपीआई पहले से चालू नहीं हैं, तो क्लाउड पर आधारित एपीआई चालू करें पर क्लिक करें.
क्लाउड एपीआई का इस्तेमाल करने वाले किसी ऐप्लिकेशन को प्रोडक्शन में डिप्लॉय करने से पहले, आपको कुछ और कार्रवाइयां करनी चाहिए. इससे बिना अनुमति के एपीआई ऐक्सेस करने की समस्या को रोका जा सकता है और इसके असर को कम किया जा सकता है.

अगर आपको सिर्फ़ डिवाइस पर मौजूद मॉडल का इस्तेमाल करना है, तो इस चरण को छोड़ा जा सकता है.

अब आपके पास इमेज में मौजूद टेक्स्ट की पहचान करने की सुविधा है.

इनपुट इमेज के लिए दिशा-निर्देश

एमएल किट को टेक्स्ट की सही पहचान करने के लिए, इनपुट इमेज में ऐसा टेक्स्ट होना चाहिए जिसे दिखाने के लिए पिक्सल का सही डेटा इस्तेमाल किया गया हो. लैटिन टेक्स्ट के लिए, हर वर्ण कम से कम 16x16 पिक्सल का होना चाहिए. चाइनीज़, जैपनीज़, और कोरियन टेक्स्ट के लिए (सिर्फ़ क्लाउड पर आधारित एपीआई के साथ काम करता है), हर वर्ण 24x24 पिक्सल का होना चाहिए. आम तौर पर, सभी भाषाओं के लिए, वर्णों को 24x24 पिक्सल से बड़ा करने पर, सटीकता में कोई फ़ायदा नहीं होता.

इसलिए, उदाहरण के लिए, 640x480 इमेज का इस्तेमाल करके, ऐसे बिजनेस कार्ड को स्कैन किया जा सकता है जो इमेज की पूरी चौड़ाई में हो. लेटर साइज़ के पेपर पर प्रिंट किए गए दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सल की इमेज की ज़रूरत पड़ सकती है.
इमेज का फ़ोकस सही न होने पर, टेक्स्ट पहचानने की सुविधा सटीक तरीके से काम नहीं करती. अगर आपको सही नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता से इमेज को फिर से कैप्चर करने के लिए कहें.
अगर आपको किसी रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान करनी है, तो आपको इनपुट इमेज के कुल डाइमेंशन पर भी ध्यान देना चाहिए. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इसलिए, इमेज को कम रिज़ॉल्यूशन पर कैप्चर करें, ताकि लेटेन्सी कम हो. हालांकि, इस दौरान ऊपर बताई गई सटीकता से जुड़ी ज़रूरी शर्तों का ध्यान रखें. साथ ही, यह पक्का करें कि इमेज में ज़्यादा से ज़्यादा टेक्स्ट शामिल हो. रीयल-टाइम परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह भी देखें.

इमेज में मौजूद टेक्स्ट की पहचान करना

डिवाइस पर मौजूद या क्लाउड पर आधारित मॉडल का इस्तेमाल करके, किसी इमेज में मौजूद टेक्स्ट को पहचानने के लिए, टेक्स्ट पहचानने वाले टूल को नीचे दिए गए तरीके से चलाएं.

1. टेक्स्ट आइडेंटिफ़ायर को चालू करना

इमेज को `UIImage` या `CMSampleBufferRef` के तौर पर, `VisionTextRecognizer` के `process(_:completion:)` तरीके में पास करें:

onDeviceTextRecognizer या cloudTextRecognizer को कॉल करके, VisionTextRecognizer का इंस्टेंस पाएं:
Swift

डिवाइस पर मौजूद मॉडल का इस्तेमाल करने के लिए:
```
let vision = Vision.vision()
let textRecognizer = vision.onDeviceTextRecognizer()
```
क्लाउड मॉडल का इस्तेमाल करने के लिए:

Cloud ML की सुविधाओं को ऐक्सेस करने के लिए ML Kit का इस्तेमाल, Google Cloud Platform के लाइसेंस समझौते और सेवा से जुड़ी शर्तों के मुताबिक किया जाता है. इसके लिए, आपसे शुल्क लिया जाता है. बिलिंग की जानकारी के लिए, Firebase कीमत पेज देखें.
```
let vision = Vision.vision()
let textRecognizer = vision.cloudTextRecognizer()

// Or, to provide language hints to assist with language detection:
// See https://cloud.google.com/vision/docs/languages for supported languages
let options = VisionCloudTextRecognizerOptions()
options.languageHints = ["en", "hi"]
let textRecognizer = vision.cloudTextRecognizer(options: options)
```
Objective-C

डिवाइस पर मौजूद मॉडल का इस्तेमाल करने के लिए:
```
FIRVision *vision = [FIRVision vision];
FIRVisionTextRecognizer *textRecognizer = [vision onDeviceTextRecognizer];
```
क्लाउड मॉडल का इस्तेमाल करने के लिए:

Cloud ML की सुविधाओं को ऐक्सेस करने के लिए ML Kit का इस्तेमाल, Google Cloud Platform के लाइसेंस समझौते और सेवा से जुड़ी शर्तों के मुताबिक किया जाता है. इसके लिए, आपसे शुल्क लिया जाता है. बिलिंग की जानकारी के लिए, Firebase कीमत पेज देखें.
```
FIRVision *vision = [FIRVision vision];
FIRVisionTextRecognizer *textRecognizer = [vision cloudTextRecognizer];

// Or, to provide language hints to assist with language detection:
// See https://cloud.google.com/vision/docs/languages for supported languages
FIRVisionCloudTextRecognizerOptions *options =
        [[FIRVisionCloudTextRecognizerOptions alloc] init];
options.languageHints = @[@"en", @"hi"];
FIRVisionTextRecognizer *textRecognizer = [vision cloudTextRecognizerWithOptions:options];
```

UIImage या CMSampleBufferRef का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं.

UIImage का इस्तेमाल करने के लिए:

अगर ज़रूरी हो, तो इमेज को घुमाएं, ताकि उसकी imageOrientation प्रॉपर्टी .up हो.
सही तरीके से घुमाए गए UIImage का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं. रोटेशन का कोई मेटाडेटा न डालें. डिफ़ॉल्ट वैल्यू .topLeft का इस्तेमाल करें.
Swift
```
let image = VisionImage(image: uiImage)
```
Objective-C
```
FIRVisionImage *image = [[FIRVisionImage alloc] initWithImage:uiImage];
```

CMSampleBufferRef का इस्तेमाल करने के लिए:

एक VisionImageMetadata ऑब्जेक्ट बनाएं. यह ऑब्जेक्ट, CMSampleBufferRef बफ़र में मौजूद इमेज डेटा के ओरिएंटेशन के बारे में बताता है.

इमेज का ओरिएंटेशन पाने के लिए:

Swift

func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
    ) -> VisionDetectorImageOrientation {
    switch deviceOrientation {
    case .portrait:
        return cameraPosition == .front ? .leftTop : .rightTop
    case .landscapeLeft:
        return cameraPosition == .front ? .bottomLeft : .topLeft
    case .portraitUpsideDown:
        return cameraPosition == .front ? .rightBottom : .leftBottom
    case .landscapeRight:
        return cameraPosition == .front ? .topRight : .bottomRight
    case .faceDown, .faceUp, .unknown:
        return .leftTop
    }
}

Objective-C

- (FIRVisionDetectorImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
  switch (deviceOrientation) {
    case UIDeviceOrientationPortrait:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationLeftTop;
      } else {
        return FIRVisionDetectorImageOrientationRightTop;
      }
    case UIDeviceOrientationLandscapeLeft:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationBottomLeft;
      } else {
        return FIRVisionDetectorImageOrientationTopLeft;
      }
    case UIDeviceOrientationPortraitUpsideDown:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationRightBottom;
      } else {
        return FIRVisionDetectorImageOrientationLeftBottom;
      }
    case UIDeviceOrientationLandscapeRight:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationTopRight;
      } else {
        return FIRVisionDetectorImageOrientationBottomRight;
      }
    default:
      return FIRVisionDetectorImageOrientationTopLeft;
  }
}

इसके बाद, मेटाडेटा ऑब्जेक्ट बनाएं:

Swift

let cameraPosition = AVCaptureDevice.Position.back  // Set to the capture device you used.
let metadata = VisionImageMetadata()
metadata.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition
)

Objective-C

FIRVisionImageMetadata *metadata = [[FIRVisionImageMetadata alloc] init];
AVCaptureDevicePosition cameraPosition =
    AVCaptureDevicePositionBack;  // Set to the capture device you used.
metadata.orientation =
    [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                 cameraPosition:cameraPosition];

CMSampleBufferRef ऑब्जेक्ट और रोटेशन मेटाडेटा का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं:
Swift
```
let image = VisionImage(buffer: sampleBuffer)
image.metadata = metadata
```
Objective-C
```
FIRVisionImage *image = [[FIRVisionImage alloc] initWithBuffer:sampleBuffer];
image.metadata = metadata;
```

इसके बाद, इमेज को process(_:completion:) तरीके से पास करें:

Swift

textRecognizer.process(visionImage) { result, error in
  guard error == nil, let result = result else {
    // ...
    return
  }

  // Recognized text
}

Objective-C

[textRecognizer processImage:image
                  completion:^(FIRVisionText *_Nullable result,
                               NSError *_Nullable error) {
  if (error != nil || result == nil) {
    // ...
    return;
  }

  // Recognized text
}];

2. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालना

अगर टेक्स्ट पहचानने की प्रोसेस पूरी हो जाती है, तो यह [`VisionText`][VisionText] ऑब्जेक्ट दिखाएगा. `VisionText` ऑब्जेक्ट में, इमेज में पहचाना गया पूरा टेक्स्ट और शून्य या उससे ज़्यादा [`VisionTextBlock`][VisionTextBlock] ऑब्जेक्ट होते हैं. हर `VisionTextBlock`, टेक्स्ट के रेक्टैंगुलर ब्लॉक को दिखाता है. इसमें शून्य या इससे ज़्यादा [`VisionTextLine`][VisionTextLine] ऑब्जेक्ट होते हैं. हर `VisionTextLine` ऑब्जेक्ट में, शून्य या उससे ज़्यादा [`VisionTextElement`][VisionTextElement] ऑब्जेक्ट होते हैं. ये ऑब्जेक्ट, शब्दों और शब्द जैसी इकाइयों (तारीखें, संख्याएं वगैरह) को दिखाते हैं. हर `VisionTextBlock`, `VisionTextLine`, और `VisionTextElement` ऑब्जेक्ट के लिए, आपको उस इलाके में पहचाना गया टेक्स्ट और उस इलाके के बाउंडिंग कोऑर्डिनेट मिल सकते हैं. उदाहरण के लिए:

Swift

let resultText = result.text
for block in result.blocks {
    let blockText = block.text
    let blockConfidence = block.confidence
    let blockLanguages = block.recognizedLanguages
    let blockCornerPoints = block.cornerPoints
    let blockFrame = block.frame
    for line in block.lines {
        let lineText = line.text
        let lineConfidence = line.confidence
        let lineLanguages = line.recognizedLanguages
        let lineCornerPoints = line.cornerPoints
        let lineFrame = line.frame
        for element in line.elements {
            let elementText = element.text
            let elementConfidence = element.confidence
            let elementLanguages = element.recognizedLanguages
            let elementCornerPoints = element.cornerPoints
            let elementFrame = element.frame
        }
    }
}

Objective-C

NSString *resultText = result.text;
for (FIRVisionTextBlock *block in result.blocks) {
  NSString *blockText = block.text;
  NSNumber *blockConfidence = block.confidence;
  NSArray<FIRVisionTextRecognizedLanguage *> *blockLanguages = block.recognizedLanguages;
  NSArray<NSValue *> *blockCornerPoints = block.cornerPoints;
  CGRect blockFrame = block.frame;
  for (FIRVisionTextLine *line in block.lines) {
    NSString *lineText = line.text;
    NSNumber *lineConfidence = line.confidence;
    NSArray<FIRVisionTextRecognizedLanguage *> *lineLanguages = line.recognizedLanguages;
    NSArray<NSValue *> *lineCornerPoints = line.cornerPoints;
    CGRect lineFrame = line.frame;
    for (FIRVisionTextElement *element in line.elements) {
      NSString *elementText = element.text;
      NSNumber *elementConfidence = element.confidence;
      NSArray<FIRVisionTextRecognizedLanguage *> *elementLanguages = element.recognizedLanguages;
      NSArray<NSValue *> *elementCornerPoints = element.cornerPoints;
      CGRect elementFrame = element.frame;
    }
  }
}

रीयल-टाइम परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

अगर आपको किसी ऐप्लिकेशन में रीयल-टाइम में टेक्स्ट पहचानने के लिए, डिवाइस पर मौजूद मॉडल का इस्तेमाल करना है, तो सबसे अच्छे फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:

टेक्स्ट पहचानने वाले टूल को किए जाने वाले कॉल की संख्या को सीमित करता है. अगर टेक्स्ट पहचानने की सुविधा चालू होने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध होता है, तो फ़्रेम को छोड़ दें.
अगर आपको इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, टेक्स्ट पहचानने वाले टूल के आउटपुट का इस्तेमाल करना है, तो पहले ML Kit से नतीजे पाएं. इसके बाद, इमेज रेंडर करें और उसे एक ही चरण में ओवरले करें. ऐसा करने से, हर इनपुट फ़्रेम के लिए डिसप्ले सर्फ़ेस पर सिर्फ़ एक बार रेंडर किया जाता है. उदाहरण के लिए, शोकेस सैंपल ऐप्लिकेशन में previewOverlayView और FIRDetectionOverlayView क्लास देखें.
इमेज को कम रिज़ॉल्यूशन में कैप्चर करें. हालांकि, इस एपीआई के इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तों का भी ध्यान रखें.

अगले चरण

Cloud API का इस्तेमाल करने वाले किसी ऐप्लिकेशन को प्रोडक्शन में डिप्लॉय करने से पहले, आपको कुछ और कार्रवाइयां करनी चाहिए. इससे एपीआई के अनधिकृत ऐक्सेस को रोकने और उसके असर को कम करने में मदद मिलती है.

दस्तावेज़ों की इमेज में मौजूद टेक्स्ट की पहचान करना

किसी दस्तावेज़ के टेक्स्ट को पहचानने के लिए, क्लाउड पर आधारित दस्तावेज़ के टेक्स्ट को पहचानने वाले टूल को कॉन्फ़िगर करें और उसे चलाएं. इसके लिए, यहां दिया गया तरीका अपनाएं.

दस्तावेज़ में मौजूद टेक्स्ट को पहचानने वाला एपीआई, नीचे बताया गया है. यह एक ऐसा इंटरफ़ेस उपलब्ध कराता है जो दस्तावेज़ों की इमेज के साथ काम करने के लिए ज़्यादा सुविधाजनक है. हालांकि, अगर आपको Sparse Text API का इंटरफ़ेस पसंद है, तो इसका इस्तेमाल किया जा सकता है. इसके लिए, Cloud Text Recognizer को कॉन्फ़िगर करके, डेंस टेक्स्ट मॉडल का इस्तेमाल करें.

दस्तावेज़ में मौजूद टेक्स्ट की पहचान करने वाले एपीआई का इस्तेमाल करने के लिए:

1. टेक्स्ट आइडेंटिफ़ायर को चालू करना

इमेज को UIImage या CMSampleBufferRef के तौर पर, VisionDocumentTextRecognizer के process(_:completion:) तरीके में पास करें:

cloudDocumentTextRecognizer को कॉल करके, VisionDocumentTextRecognizer का इंस्टेंस पाएं:

Swift

let vision = Vision.vision()
let textRecognizer = vision.cloudDocumentTextRecognizer()

// Or, to provide language hints to assist with language detection:
// See https://cloud.google.com/vision/docs/languages for supported languages
let options = VisionCloudDocumentTextRecognizerOptions()
options.languageHints = ["en", "hi"]
let textRecognizer = vision.cloudDocumentTextRecognizer(options: options)

Objective-C

FIRVision *vision = [FIRVision vision];
FIRVisionDocumentTextRecognizer *textRecognizer = [vision cloudDocumentTextRecognizer];

// Or, to provide language hints to assist with language detection:
// See https://cloud.google.com/vision/docs/languages for supported languages
FIRVisionCloudDocumentTextRecognizerOptions *options =
        [[FIRVisionCloudDocumentTextRecognizerOptions alloc] init];
options.languageHints = @[@"en", @"hi"];
FIRVisionDocumentTextRecognizer *textRecognizer = [vision cloudDocumentTextRecognizerWithOptions:options];

UIImage या CMSampleBufferRef का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं.

UIImage का इस्तेमाल करने के लिए:

अगर ज़रूरी हो, तो इमेज को घुमाएं, ताकि उसकी imageOrientation प्रॉपर्टी .up हो.
सही तरीके से घुमाए गए UIImage का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं. रोटेशन का कोई मेटाडेटा न डालें. डिफ़ॉल्ट वैल्यू .topLeft का इस्तेमाल करें.
Swift
```
let image = VisionImage(image: uiImage)
```
Objective-C
```
FIRVisionImage *image = [[FIRVisionImage alloc] initWithImage:uiImage];
```

CMSampleBufferRef का इस्तेमाल करने के लिए:

इमेज का ओरिएंटेशन पाने के लिए:

Swift

func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
    ) -> VisionDetectorImageOrientation {
    switch deviceOrientation {
    case .portrait:
        return cameraPosition == .front ? .leftTop : .rightTop
    case .landscapeLeft:
        return cameraPosition == .front ? .bottomLeft : .topLeft
    case .portraitUpsideDown:
        return cameraPosition == .front ? .rightBottom : .leftBottom
    case .landscapeRight:
        return cameraPosition == .front ? .topRight : .bottomRight
    case .faceDown, .faceUp, .unknown:
        return .leftTop
    }
}

Objective-C

- (FIRVisionDetectorImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
  switch (deviceOrientation) {
    case UIDeviceOrientationPortrait:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationLeftTop;
      } else {
        return FIRVisionDetectorImageOrientationRightTop;
      }
    case UIDeviceOrientationLandscapeLeft:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationBottomLeft;
      } else {
        return FIRVisionDetectorImageOrientationTopLeft;
      }
    case UIDeviceOrientationPortraitUpsideDown:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationRightBottom;
      } else {
        return FIRVisionDetectorImageOrientationLeftBottom;
      }
    case UIDeviceOrientationLandscapeRight:
      if (cameraPosition == AVCaptureDevicePositionFront) {
        return FIRVisionDetectorImageOrientationTopRight;
      } else {
        return FIRVisionDetectorImageOrientationBottomRight;
      }
    default:
      return FIRVisionDetectorImageOrientationTopLeft;
  }
}

इसके बाद, मेटाडेटा ऑब्जेक्ट बनाएं:

Swift

let cameraPosition = AVCaptureDevice.Position.back  // Set to the capture device you used.
let metadata = VisionImageMetadata()
metadata.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition
)

Objective-C

FIRVisionImageMetadata *metadata = [[FIRVisionImageMetadata alloc] init];
AVCaptureDevicePosition cameraPosition =
    AVCaptureDevicePositionBack;  // Set to the capture device you used.
metadata.orientation =
    [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                 cameraPosition:cameraPosition];

CMSampleBufferRef ऑब्जेक्ट और रोटेशन मेटाडेटा का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं:
Swift
```
let image = VisionImage(buffer: sampleBuffer)
image.metadata = metadata
```
Objective-C
```
FIRVisionImage *image = [[FIRVisionImage alloc] initWithBuffer:sampleBuffer];
image.metadata = metadata;
```

इसके बाद, इमेज को process(_:completion:) तरीके से पास करें:

Swift

textRecognizer.process(visionImage) { result, error in
  guard error == nil, let result = result else {
    // ...
    return
  }

  // Recognized text
}

Objective-C

[textRecognizer processImage:image
                  completion:^(FIRVisionDocumentText *_Nullable result,
                               NSError *_Nullable error) {
  if (error != nil || result == nil) {
    // ...
    return;
  }

    // Recognized text
}];

2. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालना

अगर टेक्स्ट की पहचान करने की प्रोसेस पूरी हो जाती है, तो यह VisionDocumentText ऑब्जेक्ट दिखाएगा. VisionDocumentText ऑब्जेक्ट में, इमेज में पहचाना गया पूरा टेक्स्ट और ऑब्जेक्ट का क्रम शामिल होता है. इससे पहचाने गए दस्तावेज़ के स्ट्रक्चर का पता चलता है:

हर VisionDocumentTextBlock, VisionDocumentTextParagraph, VisionDocumentTextWord, और VisionDocumentTextSymbol ऑब्जेक्ट के लिए, आपको उस क्षेत्र में पहचाना गया टेक्स्ट और उस क्षेत्र के बाउंडिंग कोऑर्डिनेट मिल सकते हैं.

उदाहरण के लिए:

Swift

let resultText = result.text
for block in result.blocks {
    let blockText = block.text
    let blockConfidence = block.confidence
    let blockRecognizedLanguages = block.recognizedLanguages
    let blockBreak = block.recognizedBreak
    let blockCornerPoints = block.cornerPoints
    let blockFrame = block.frame
    for paragraph in block.paragraphs {
        let paragraphText = paragraph.text
        let paragraphConfidence = paragraph.confidence
        let paragraphRecognizedLanguages = paragraph.recognizedLanguages
        let paragraphBreak = paragraph.recognizedBreak
        let paragraphCornerPoints = paragraph.cornerPoints
        let paragraphFrame = paragraph.frame
        for word in paragraph.words {
            let wordText = word.text
            let wordConfidence = word.confidence
            let wordRecognizedLanguages = word.recognizedLanguages
            let wordBreak = word.recognizedBreak
            let wordCornerPoints = word.cornerPoints
            let wordFrame = word.frame
            for symbol in word.symbols {
                let symbolText = symbol.text
                let symbolConfidence = symbol.confidence
                let symbolRecognizedLanguages = symbol.recognizedLanguages
                let symbolBreak = symbol.recognizedBreak
                let symbolCornerPoints = symbol.cornerPoints
                let symbolFrame = symbol.frame
            }
        }
    }
}

Objective-C

NSString *resultText = result.text;
for (FIRVisionDocumentTextBlock *block in result.blocks) {
  NSString *blockText = block.text;
  NSNumber *blockConfidence = block.confidence;
  NSArray<FIRVisionTextRecognizedLanguage *> *blockRecognizedLanguages = block.recognizedLanguages;
  FIRVisionTextRecognizedBreak *blockBreak = block.recognizedBreak;
  CGRect blockFrame = block.frame;
  for (FIRVisionDocumentTextParagraph *paragraph in block.paragraphs) {
    NSString *paragraphText = paragraph.text;
    NSNumber *paragraphConfidence = paragraph.confidence;
    NSArray<FIRVisionTextRecognizedLanguage *> *paragraphRecognizedLanguages = paragraph.recognizedLanguages;
    FIRVisionTextRecognizedBreak *paragraphBreak = paragraph.recognizedBreak;
    CGRect paragraphFrame = paragraph.frame;
    for (FIRVisionDocumentTextWord *word in paragraph.words) {
      NSString *wordText = word.text;
      NSNumber *wordConfidence = word.confidence;
      NSArray<FIRVisionTextRecognizedLanguage *> *wordRecognizedLanguages = word.recognizedLanguages;
      FIRVisionTextRecognizedBreak *wordBreak = word.recognizedBreak;
      CGRect wordFrame = word.frame;
      for (FIRVisionDocumentTextSymbol *symbol in word.symbols) {
        NSString *symbolText = symbol.text;
        NSNumber *symbolConfidence = symbol.confidence;
        NSArray<FIRVisionTextRecognizedLanguage *> *symbolRecognizedLanguages = symbol.recognizedLanguages;
        FIRVisionTextRecognizedBreak *symbolBreak = symbol.recognizedBreak;
        CGRect symbolFrame = symbol.frame;
      }
    }
  }
}

अगले चरण

Cloud API का इस्तेमाल करने वाले किसी ऐप्लिकेशन को प्रोडक्शन में डिप्लॉय करने से पहले, आपको कुछ और कार्रवाइयां करनी चाहिए. इससे एपीआई के अनधिकृत ऐक्सेस को रोकने और उसके असर को कम करने में मदद मिलती है.