[PYTHON] Verwendung der Cloud Vision API von GCP

Das Dokument war etwas verwirrend, deshalb werde ich es zusammenfassen.

API-Parameter

1. Type
2. maxResults
3. model

Es gibt zwei Arten von GCP Cloud Vision API TYPE.

1. Texterkennung "TEXT_DETECTION" (optimiert für spärliche Textbereiche in großen Bildern)
2. Dokumenttexterkennung "DOCUMENT_TEXT_DETECTION" (geeignet für Text mit hoher Dichte)

Beide OCR-Ausgangsstrukturen sind

TextAnnotation -> Page -> Block -> Paragraph -> Word -> Symbol

Es ist geworden

Importieren Sie, was Sie brauchen

import base64
import json
from requests import Request, Session
from io import BytesIO
from PIL import Image
import numpy as np

Erwerb des API-Schlüssels

Erkennen von Zeichen aus Python mithilfe der OCR der Google Cloud Vision-API

Verwendung der API

def recognize_image1(input_image):#Schließlich str_encode_Zur Datei wechseln

    #Beim Wechsel vom Pfad zur Basis64
    def pil_image_to_base64(img_path):
        pil_image = Image.open(img_path)
        buffered = BytesIO()
        pil_image.save(buffered, format="PNG")
        str_encode_file = base64.b64encode(buffered.getvalue()).decode("utf-8")
        return str_encode_file

    #Beim Wechsel von Array zu Base64
    def array_to_base64(img_array):
        pil_image = Image.fromarray(np.uint8(img_array))
        buffered = BytesIO()
        pil_image.save(buffered, format="PNG")
        str_encode_file = base64.b64encode(buffered.getvalue()).decode("utf-8")
        return str_encode_file 
    
    def get_fullTextAnnotation(json_data):
        text_dict = json.loads(json_data)
        try:
            text = text_dict["responses"][0]["fullTextAnnotation"]["text"]
            return text
        except:
            print(None)
            return None
        
   


    str_encode_file = pil_image_to_base64(input_image) # input_Wählen Sie diese Option, wenn Sie das Bild auf den Bildpfad setzen möchten
    #str_encode_file = array_to_base64(input_image)# input_Wählen Sie diese Option, wenn Sie das Bild zu einem Array machen möchten
    str_url = "https://vision.googleapis.com/v1/images:annotate?key="
    str_api_key = ""#Geben Sie hier den API-Schlüssel ein
    str_headers = {'Content-Type': 'application/json'}
    str_json_data = {
        'requests': [
            {
                'image': {
                    'content': str_encode_file
                },
                'features': [
                    {
                        'type': "DOCUMENT_TEXT_DETECTION",#Wählen Sie hier den Typ
                        'maxResults': 1
                    }
                ]
            }
        ]
    }

    obj_session = Session()
    obj_request = Request("POST",
                            str_url + str_api_key,
                            data=json.dumps(str_json_data),
                            headers=str_headers
                            )
    obj_prepped = obj_session.prepare_request(obj_request)
    obj_response = obj_session.send(obj_prepped,
                                    verify=True,
                                    timeout=60
                                    )

    if obj_response.status_code == 200:
        text = get_fullTextAnnotation(obj_response.text)
        
        return text
    else:
        return "error"

Referenz

Versionshinweise Feature Vertikalen Text mit Google Cloud Vision erkennen