অ্যান্ড্রয়েডে ফায়ারবেস প্রমাণীকরণ এবং ফাংশন ব্যবহার করে ক্লাউড ভিশনের মাধ্যমে সুরক্ষিতভাবে চিত্রগুলিতে পাঠ্য সনাক্ত করুন

আপনার অ্যাপ থেকে গুগল ক্লাউড এপিআই কল করার জন্য, আপনাকে একটি মধ্যবর্তী REST API তৈরি করতে হবে যা অনুমোদন পরিচালনা করে এবং এপিআই কী-এর মতো গোপনীয় মান সুরক্ষিত রাখে। এরপর, এই মধ্যবর্তী পরিষেবাটির সাথে প্রমাণীকরণ ও যোগাযোগের জন্য আপনাকে আপনার মোবাইল অ্যাপে কোড লিখতে হবে।

এই REST API তৈরি করার একটি উপায় হলো Firebase Authentication and Functions ব্যবহার করা, যা আপনাকে Google Cloud API-এর জন্য একটি পরিচালিত, সার্ভারবিহীন গেটওয়ে প্রদান করে। এই গেটওয়েটি অথেনটিকেশন পরিচালনা করে এবং আগে থেকে তৈরি SDK ব্যবহার করে আপনার মোবাইল অ্যাপ থেকে এটিকে কল করা যায়।

এই নির্দেশিকাটি দেখায় কিভাবে আপনার অ্যাপ থেকে ক্লাউড ভিশন এপিআই কল করার জন্য এই কৌশলটি ব্যবহার করতে হয়। এই পদ্ধতিটি সমস্ত প্রমাণীকৃত ব্যবহারকারীকে আপনার ক্লাউড প্রকল্পের মাধ্যমে ক্লাউড ভিশনের বিলযোগ্য পরিষেবাগুলি অ্যাক্সেস করার অনুমতি দেবে, তাই এগিয়ে যাওয়ার আগে বিবেচনা করুন যে এই প্রমাণীকরণ ব্যবস্থাটি আপনার ব্যবহারের ক্ষেত্রে যথেষ্ট কিনা।

শুরু করার আগে

আপনার প্রজেক্ট কনফিগার করুন

  1. যদি আগে থেকে না করে থাকেন, তাহলে আপনার অ্যান্ড্রয়েড প্রজেক্টে ফায়ারবেস যোগ করুন ।

  2. আপনি যদি আপনার প্রোজেক্টের জন্য এখনও ক্লাউড-ভিত্তিক এপিআই চালু না করে থাকেন, তবে এখনই তা করুন:

    1. Firebase কনসোলে Firebase ML APIs পৃষ্ঠাটি খুলুন।

    2. আপনি যদি এখনও আপনার প্রজেক্টটি পে-অ্যাজ-ইউ-গো ব্লেজ প্রাইসিং প্ল্যানে আপগ্রেড না করে থাকেন, তাহলে তা করার জন্য 'আপগ্রেড' বাটনে ক্লিক করুন। (শুধুমাত্র যদি আপনার প্রজেক্টটি ব্লেজ প্রাইসিং প্ল্যানে না থাকে, তবেই আপনাকে আপগ্রেড করার জন্য অনুরোধ করা হবে।)

      শুধুমাত্র ব্লেজ প্রাইসিং প্ল্যানে থাকা প্রজেক্টগুলোই ক্লাউড-ভিত্তিক এপিআই ব্যবহার করতে পারে।

    3. যদি ক্লাউড-ভিত্তিক এপিআই আগে থেকে সক্রিয় করা না থাকে, তাহলে ‘ক্লাউড-ভিত্তিক এপিআই সক্রিয় করুন’ এ ক্লিক করুন।
  3. ক্লাউড ভিশন এপিআই-তে অ্যাক্সেস বন্ধ করতে আপনার বিদ্যমান ফায়ারবেস এপিআই কীগুলি কনফিগার করুন:
    1. ক্লাউড কনসোলের ক্রেডেনশিয়ালস পৃষ্ঠাটি খুলুন।
    2. তালিকার প্রতিটি এপিআই কী-এর জন্য, এডিটিং ভিউ খুলুন এবং 'কী রেস্ট্রিকশনস' বিভাগে ক্লাউড ভিশন এপিআই ছাড়া বাকি সমস্ত উপলব্ধ এপিআই তালিকায় যুক্ত করুন।

কলযোগ্য ফাংশনটি স্থাপন করুন

এরপরে, আপনার অ্যাপ এবং ক্লাউড ভিশন এপিআই-এর মধ্যে সংযোগ স্থাপনের জন্য যে ক্লাউড ফাংশনটি ব্যবহার করবেন, সেটি ডিপ্লয় করুন। functions-samples রিপোজিটরিতে একটি উদাহরণ রয়েছে যা আপনি ব্যবহার করতে পারেন।

ডিফল্টরূপে, এই ফাংশনের মাধ্যমে ক্লাউড ভিশন এপিআই অ্যাক্সেস করলে শুধুমাত্র আপনার অ্যাপের প্রমাণীকৃত ব্যবহারকারীরাই এটি ব্যবহার করতে পারবেন। আপনি বিভিন্ন প্রয়োজন অনুযায়ী ফাংশনটি পরিবর্তন করতে পারেন।

ফাংশনটি স্থাপন করতে:

  1. functions-samples রিপোটি ক্লোন বা ডাউনলোড করুন এবং Node-1st-gen/vision-annotate-image ডিরেক্টরিতে যান: 
    git clone https://github.com/firebase/functions-samples
cd Node-1st-gen/vision-annotate-image
  2. নির্ভরতা ইনস্টল করুন: 
    cd functions
npm install
cd ..
  3. আপনার যদি Firebase CLI না থাকে, তবে এটি ইনস্টল করুন ।
  4. vision-annotate-image ডিরেক্টরিতে একটি Firebase প্রজেক্ট শুরু করুন। অনুরোধ করা হলে, তালিকা থেকে আপনার প্রজেক্টটি নির্বাচন করুন। 
    firebase init
  5. ফাংশনটি স্থাপন করুন: 
    firebase deploy --only functions:annotateImage

আপনার অ্যাপে Firebase Auth যোগ করুন

উপরে ব্যবহৃত কলযোগ্য ফাংশনটি আপনার অ্যাপের প্রমাণীকৃত নয় এমন ব্যবহারকারীদের যেকোনো অনুরোধ প্রত্যাখ্যান করবে। যদি আপনি ইতিমধ্যে তা না করে থাকেন, তাহলে আপনাকে আপনার অ্যাপে Firebase Auth যোগ করতে হবে।

আপনার অ্যাপে প্রয়োজনীয় নির্ভরতা যোগ করুন

  • আপনার মডিউল (অ্যাপ-লেভেল) Gradle ফাইলে (সাধারণত <project>/<app-module>/build.gradle.kts অথবা <project>/<app-module>/build.gradle ) Cloud Functions for Firebase (client) এবং gson Android লাইব্রেরির ডিপেন্ডেন্সিগুলো যোগ করুন: 
    implementation("com.google.firebase:firebase-functions:22.1.0")
implementation("com.google.code.gson:gson:2.8.6")

    • এখন আপনি ছবির মধ্যে থাকা লেখা শনাক্ত করা শুরু করতে প্রস্তুত।

    ১. ইনপুট চিত্রটি প্রস্তুত করুন।

    ক্লাউড ভিশন কল করার জন্য, ছবিটিকে অবশ্যই একটি বেস৬৪-এনকোডেড স্ট্রিং হিসাবে ফরম্যাট করতে হবে। একটি সংরক্ষিত ফাইল URI থেকে ছবি প্রসেস করতে:
    1. ছবিটি একটি Bitmap অবজেক্ট হিসেবে নিন:

      Kotlin 

      var bitmap: Bitmap = MediaStore.Images.Media.getBitmap(contentResolver, uri)

      Java 

      Bitmap bitmap = MediaStore.Images.Media.getBitmap(getContentResolver(), uri);
    2. ঐচ্ছিকভাবে, ব্যান্ডউইথ সাশ্রয় করতে ছবির আকার ছোট করে নিন। ক্লাউড ভিশনের প্রস্তাবিত ছবির আকারগুলো দেখুন।

      Kotlin 

      private fun scaleBitmapDown(bitmap: Bitmap, maxDimension: Int): Bitmap {
    val originalWidth = bitmap.width
    val originalHeight = bitmap.height
    var resizedWidth = maxDimension
    var resizedHeight = maxDimension
    if (originalHeight > originalWidth) {
        resizedHeight = maxDimension
        resizedWidth =
            (resizedHeight * originalWidth.toFloat() / originalHeight.toFloat()).toInt()
    } else if (originalWidth > originalHeight) {
        resizedWidth = maxDimension
        resizedHeight =
            (resizedWidth * originalHeight.toFloat() / originalWidth.toFloat()).toInt()
    } else if (originalHeight == originalWidth) {
        resizedHeight = maxDimension
        resizedWidth = maxDimension
    }
    return Bitmap.createScaledBitmap(bitmap, resizedWidth, resizedHeight, false)
}

      Java 

      private Bitmap scaleBitmapDown(Bitmap bitmap, int maxDimension) {
    int originalWidth = bitmap.getWidth();
    int originalHeight = bitmap.getHeight();
    int resizedWidth = maxDimension;
    int resizedHeight = maxDimension;

    if (originalHeight > originalWidth) {
        resizedHeight = maxDimension;
        resizedWidth = (int) (resizedHeight * (float) originalWidth / (float) originalHeight);
    } else if (originalWidth > originalHeight) {
        resizedWidth = maxDimension;
        resizedHeight = (int) (resizedWidth * (float) originalHeight / (float) originalWidth);
    } else if (originalHeight == originalWidth) {
        resizedHeight = maxDimension;
        resizedWidth = maxDimension;
    }
    return Bitmap.createScaledBitmap(bitmap, resizedWidth, resizedHeight, false);
}

      Kotlin 

      // Scale down bitmap size
bitmap = scaleBitmapDown(bitmap, 640)

      Java 

      // Scale down bitmap size
bitmap = scaleBitmapDown(bitmap, 640);
    3. বিটম্যাপ অবজেক্টটিকে বেস৬৪ এনকোডেড স্ট্রিং-এ রূপান্তর করুন:

      Kotlin 

      // Convert bitmap to base64 encoded string
val byteArrayOutputStream = ByteArrayOutputStream()
bitmap.compress(Bitmap.CompressFormat.JPEG, 100, byteArrayOutputStream)
val imageBytes: ByteArray = byteArrayOutputStream.toByteArray()
val base64encoded = Base64.encodeToString(imageBytes, Base64.NO_WRAP)

      Java 

      // Convert bitmap to base64 encoded string
ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
bitmap.compress(Bitmap.CompressFormat.JPEG, 100, byteArrayOutputStream);
byte[] imageBytes = byteArrayOutputStream.toByteArray();
String base64encoded = Base64.encodeToString(imageBytes, Base64.NO_WRAP);
      4. Bitmap অবজেক্ট দ্বারা উপস্থাপিত চিত্রটি অবশ্যই খাড়া হতে হবে, এর জন্য কোনো অতিরিক্ত ঘূর্ণনের প্রয়োজন নেই।

    ২. টেক্সট শনাক্ত করার জন্য কলযোগ্য ফাংশনটি আহ্বান করুন।

    কোনো ইমেজের মধ্যে থাকা টেক্সট শনাক্ত করতে, একটি JSON ক্লাউড ভিশন রিকোয়েস্ট পাস করে কলযোগ্য ফাংশনটি চালু করুন।

    1. প্রথমে, ক্লাউড ফাংশনসের একটি ইনস্ট্যান্স তৈরি করুন:

      Kotlin 

      private lateinit var functions: FirebaseFunctions
// ...
functions = Firebase.functions

      Java 

      private FirebaseFunctions mFunctions;
// ...
mFunctions = FirebaseFunctions.getInstance();

    2. ফাংশনটি কল করার জন্য একটি মেথড সংজ্ঞায়িত করুন:

      Kotlin 

      private fun annotateImage(requestJson: String): Task<JsonElement> {
    return functions
        .getHttpsCallable("annotateImage")
        .call(requestJson)
        .continueWith { task ->
            // This continuation runs on either success or failure, but if the task
            // has failed then result will throw an Exception which will be
            // propagated down.
            val result = task.result?.data
            JsonParser.parseString(Gson().toJson(result))
        }
}

      Java 

      private Task<JsonElement> annotateImage(String requestJson) {
    return mFunctions
            .getHttpsCallable("annotateImage")
            .call(requestJson)
            .continueWith(new Continuation<HttpsCallableResult, JsonElement>() {
                @Override
                public JsonElement then(@NonNull Task<HttpsCallableResult> task) {
                    // This continuation runs on either success or failure, but if the task
                    // has failed then getResult() will throw an Exception which will be
                    // propagated down.
                    return JsonParser.parseString(new Gson().toJson(task.getResult().getData()));
                }
            });
}

    3. JSON অনুরোধটি তৈরি করুন। ক্লাউড ভিশন এপিআই দুই ধরনের টেক্সট ডিটেকশন সমর্থন করে: TEXT_DETECTION এবং DOCUMENT_TEXT_DETECTION । এই দুটি ব্যবহারের ক্ষেত্রের মধ্যে পার্থক্য জানতে ক্লাউড ভিশন ওসিআর ডক্স দেখুন।

      Kotlin 

      // Create json request to cloud vision
val request = JsonObject()
// Add image to request
val image = JsonObject()
image.add("content", JsonPrimitive(base64encoded))
request.add("image", image)
// Add features to the request
val feature = JsonObject()
feature.add("type", JsonPrimitive("TEXT_DETECTION"))
// Alternatively, for DOCUMENT_TEXT_DETECTION:
// feature.add("type", JsonPrimitive("DOCUMENT_TEXT_DETECTION"))
val features = JsonArray()
features.add(feature)
request.add("features", features)

      Java 

      // Create json request to cloud vision
JsonObject request = new JsonObject();
// Add image to request
JsonObject image = new JsonObject();
image.add("content", new JsonPrimitive(base64encoded));
request.add("image", image);
//Add features to the request
JsonObject feature = new JsonObject();
feature.add("type", new JsonPrimitive("TEXT_DETECTION"));
// Alternatively, for DOCUMENT_TEXT_DETECTION:
//feature.add("type", new JsonPrimitive("DOCUMENT_TEXT_DETECTION"));
JsonArray features = new JsonArray();
features.add(feature);
request.add("features", features);

      ঐচ্ছিকভাবে, ভাষা শনাক্তকরণে সহায়তার জন্য ভাষার ইঙ্গিত প্রদান করুন ( সমর্থিত ভাষাগুলো দেখুন):

      Kotlin 

      val imageContext = JsonObject()
val languageHints = JsonArray()
languageHints.add("en")
imageContext.add("languageHints", languageHints)
request.add("imageContext", imageContext)

      Java 

      JsonObject imageContext = new JsonObject();
JsonArray languageHints = new JsonArray();
languageHints.add("en");
imageContext.add("languageHints", languageHints);
request.add("imageContext", imageContext);

    4. অবশেষে, ফাংশনটি কল করুন:

      Kotlin 

      annotateImage(request.toString())
    .addOnCompleteListener { task ->
        if (!task.isSuccessful) {
            // Task failed with an exception
            // ...
        } else {
            // Task completed successfully
            // ...
        }
    }

      Java 

      annotateImage(request.toString())
        .addOnCompleteListener(new OnCompleteListener<JsonElement>() {
            @Override
            public void onComplete(@NonNull Task<JsonElement> task) {
                if (!task.isSuccessful()) {
                    // Task failed with an exception
                    // ...
                } else {
                    // Task completed successfully
                    // ...
                }
            }
        });

    ৩. শনাক্তকৃত টেক্সটের ব্লকগুলো থেকে টেক্সট বের করুন।

    টেক্সট শনাক্তকরণ অপারেশন সফল হলে, টাস্কের ফলাফলে BatchAnnotateImagesResponse নামের একটি JSON রেসপন্স ফেরত দেওয়া হবে। টেক্সট অ্যানোটেশনগুলো fullTextAnnotation অবজেক্টের মধ্যে পাওয়া যাবে।

    আপনি text ফিল্ডে শনাক্তকৃত টেক্সটটি একটি স্ট্রিং হিসেবে পেতে পারেন। উদাহরণস্বরূপ:

    Kotlin 

    val annotation = task.result!!.asJsonArray[0].asJsonObject["fullTextAnnotation"].asJsonObject
System.out.format("%nComplete annotation:")
System.out.format("%n%s", annotation["text"].asString)

    Java 

    JsonObject annotation = task.getResult().getAsJsonArray().get(0).getAsJsonObject().get("fullTextAnnotation").getAsJsonObject();
System.out.format("%nComplete annotation:%n");
System.out.format("%s%n", annotation.get("text").getAsString());

    আপনি ছবির নির্দিষ্ট অঞ্চল সম্পর্কিত তথ্যও পেতে পারেন। প্রতিটি block , paragraph , word এবং symbol জন্য, আপনি সেই অঞ্চলে শনাক্তকৃত লেখা এবং সেই অঞ্চলের সীমানার স্থানাঙ্ক পেতে পারেন। উদাহরণস্বরূপ:

    Kotlin 

    for (page in annotation["pages"].asJsonArray) {
    var pageText = ""
    for (block in page.asJsonObject["blocks"].asJsonArray) {
        var blockText = ""
        for (para in block.asJsonObject["paragraphs"].asJsonArray) {
            var paraText = ""
            for (word in para.asJsonObject["words"].asJsonArray) {
                var wordText = ""
                for (symbol in word.asJsonObject["symbols"].asJsonArray) {
                    wordText += symbol.asJsonObject["text"].asString
                    System.out.format(
                        "Symbol text: %s (confidence: %f)%n",
                        symbol.asJsonObject["text"].asString,
                        symbol.asJsonObject["confidence"].asFloat,
                    )
                }
                System.out.format(
                    "Word text: %s (confidence: %f)%n%n",
                    wordText,
                    word.asJsonObject["confidence"].asFloat,
                )
                System.out.format("Word bounding box: %s%n", word.asJsonObject["boundingBox"])
                paraText = String.format("%s%s ", paraText, wordText)
            }
            System.out.format("%nParagraph: %n%s%n", paraText)
            System.out.format("Paragraph bounding box: %s%n", para.asJsonObject["boundingBox"])
            System.out.format("Paragraph Confidence: %f%n", para.asJsonObject["confidence"].asFloat)
            blockText += paraText
        }
        pageText += blockText
    }
}

    Java 

    for (JsonElement page : annotation.get("pages").getAsJsonArray()) {
    StringBuilder pageText = new StringBuilder();
    for (JsonElement block : page.getAsJsonObject().get("blocks").getAsJsonArray()) {
        StringBuilder blockText = new StringBuilder();
        for (JsonElement para : block.getAsJsonObject().get("paragraphs").getAsJsonArray()) {
            StringBuilder paraText = new StringBuilder();
            for (JsonElement word : para.getAsJsonObject().get("words").getAsJsonArray()) {
                StringBuilder wordText = new StringBuilder();
                for (JsonElement symbol : word.getAsJsonObject().get("symbols").getAsJsonArray()) {
                    wordText.append(symbol.getAsJsonObject().get("text").getAsString());
                    System.out.format("Symbol text: %s (confidence: %f)%n", symbol.getAsJsonObject().get("text").getAsString(), symbol.getAsJsonObject().get("confidence").getAsFloat());
                }
                System.out.format("Word text: %s (confidence: %f)%n%n", wordText.toString(), word.getAsJsonObject().get("confidence").getAsFloat());
                System.out.format("Word bounding box: %s%n", word.getAsJsonObject().get("boundingBox"));
                paraText.append(wordText.toString()).append(" ");
            }
            System.out.format("%nParagraph:%n%s%n", paraText);
            System.out.format("Paragraph bounding box: %s%n", para.getAsJsonObject().get("boundingBox"));
            System.out.format("Paragraph Confidence: %f%n", para.getAsJsonObject().get("confidence").getAsFloat());
            blockText.append(paraText);
        }
        pageText.append(blockText);
    }
}