Instructivo de reconocimiento óptico de caracteres (OCR)

Aprende cómo realizar el reconocimiento óptico de caracteres (OCR) en Google Cloud Platform. En este instructivo, se muestra como subir archivos de imagen a Google Cloud Storage, extraer texto de las imágenes con la API de Google Cloud Vision, traducir el texto con la API de Google Cloud Translation y volver a guardar tus traducciones en Cloud Storage. Google Cloud Pub/Sub se usa para poner en cola varias tareas y activar las funciones correctas de Cloud Functions a fin de realizarlas.

Objetivos

Costos

Este instructivo usa componentes facturables de Cloud Platform, incluidos los siguientes:

  • Google Cloud Functions
  • Google Cloud Pub/Sub
  • Google Cloud Storage
  • API de Google Cloud Translation
  • API de Google Cloud Vision

Usa la calculadora de precios para generar una estimación de los costos según el uso previsto.

Los usuarios nuevos de Cloud Platform pueden ser aptos para una prueba gratuita.

Antes de comenzar

  1. Sign in to your Google Account.

    If you don't already have one, sign up for a new account.

  2. Select or create a GCP project.

    Go to the Project selector page

  3. Comprueba que la facturación esté habilitada en tu proyecto.

    Descubre cómo puedes habilitar la facturación

  4. Habilita las Cloud Functions, Cloud Pub/Sub, Cloud Storage, Cloud Translation y Cloud Vision API necesarias.

    Habilita las API

  5. Actualiza y, luego, instala los componentes de gcloud:

    Node.js 6

    gcloud components update

    Node.js 8 (Beta)

    gcloud components update &&
    gcloud components install beta

    Python (Beta)

    gcloud components update &&
    gcloud components install beta
  6. Prepara tu entorno de programación.

Visualiza el flujo de datos

El flujo de datos en la aplicación de instructivo de OCR incluye varios pasos como se muestra a continuación:

  1. Se sube a Cloud Storage una imagen con texto en cualquier idioma (texto que aparece en la propia imagen).
  2. Se activa una función de Cloud Functions que usa la API de Vision para extraer texto y lo pone en cola para traducirlo a los idiomas de traducción configurados.
  3. Para cada traducción en cola, se activa una función de Cloud Functions que usa la API de Translate para traducir el texto y ponerlo en cola a fin de guardarlo en Cloud Storage.
  4. Por cada texto traducido, se activa una función de Cloud Functions que guarda el texto traducido en Cloud Storage.

El siguiente gráfico puede ayudarte a visualizar los pasos:

Prepara la aplicación

  1. Crea un depósito de Cloud Storage para subir tus imágenes, en el que YOUR_IMAGE_BUCKET_NAME es un nombre de depósito único a nivel global:

    gsutil mb gs://YOUR_IMAGE_BUCKET_NAME
    
  2. Crea un depósito de Cloud Storage para guardar las traducciones, en el que YOUR_TEXT_BUCKET_NAME es un nombre de depósito único a nivel global:

    gsutil mb gs://YOUR_TEXT_BUCKET_NAME
    
  3. Clona el repositorio de la app de muestra en tu máquina local:

    Node.js

    git clone https://github.com/GoogleCloudPlatform/nodejs-docs-samples.git

    De manera opcional, puedes descargar la muestra como un archivo zip y extraerla.

    Python (Beta)

    git clone https://github.com/GoogleCloudPlatform/python-docs-samples.git

    De manera opcional, puedes descargar la muestra como un archivo zip y extraerla.

  4. Ve al directorio que contiene el código de muestra de Cloud Functions, como sigue:

    Node.js

    cd nodejs-docs-samples/functions/ocr/app/

    Python (Beta)

    cd python-docs-samples/functions/ocr/app/

  5. Configura la app de la siguiente forma:

    Node.js

    Con el archivo config.default.json como plantilla, crea un archivo config.json en el directorio app con los siguientes contenidos:
    {
    "RESULT_TOPIC": "YOUR_RESULT_TOPIC_NAME",
    "RESULT_BUCKET": "YOUR_TEXT_BUCKET_NAME",
    "TRANSLATE_TOPIC": "YOUR_TRANSLATE_TOPIC_NAME",
    "TRANSLATE": true,
    "TO_LANG": ["en", "fr", "es", "ja", "ru"]
    }
    • Reemplaza YOUR_RESULT_TOPIC_NAME por un nombre de tema para usarlo a fin de guardar los resultados.
    • Reemplaza YOUR_TEXT_BUCKET_NAME por un nombre de depósito que se use para guardar los resultados.
    • Reemplaza YOUR_TRANSLATE_TOPIC_NAME por un nombre de tema que se use para guardar los resultados de traducción.

    Python (Beta)

    Edita el archivo config.json en el directorio app para que incluya los siguientes contenidos:
    {
    "RESULT_TOPIC": "YOUR_RESULT_TOPIC_NAME",
    "RESULT_BUCKET": "YOUR_TEXT_BUCKET_NAME",
    "TRANSLATE_TOPIC": "YOUR_TRANSLATE_TOPIC_NAME",
    "TRANSLATE": true,
    "TO_LANG": ["en", "fr", "es", "ja", "ru"]
    }
    • Reemplaza YOUR_RESULT_TOPIC_NAME por un nombre de tema para usarlo a fin de guardar los resultados.
    • Reemplaza YOUR_TEXT_BUCKET_NAME por un nombre de depósito que se use para guardar los resultados.
    • Reemplaza YOUR_TRANSLATE_TOPIC_NAME por un nombre de tema que se use para guardar los resultados de traducción.

Comprende el código

Importa dependencias

La aplicación debe importar varias dependencias con el fin de comunicarse con los servicios de Google Cloud Platform:

Node.js

const config = require('./config.json');

// Get a reference to the Pub/Sub component
const {PubSub} = require('@google-cloud/pubsub');
const pubsub = new PubSub();
// Get a reference to the Cloud Storage component
const {Storage} = require('@google-cloud/storage');
const storage = new Storage();

// Get a reference to the Cloud Vision API component
const Vision = require('@google-cloud/vision');
const vision = new Vision.ImageAnnotatorClient();

// Get a reference to the Translate API component
const {Translate} = require('@google-cloud/translate');
const translate = new Translate();

const Buffer = require('safe-buffer').Buffer;

Python (Beta)

import base64
import json
import os

from google.cloud import pubsub_v1
from google.cloud import storage
from google.cloud import translate
from google.cloud import vision

vision_client = vision.ImageAnnotatorClient()
translate_client = translate.Client()
publisher = pubsub_v1.PublisherClient()
storage_client = storage.Client()

project_id = os.environ['GCP_PROJECT']

with open('config.json') as f:
    data = f.read()
config = json.loads(data)

Procesa las imágenes

La siguiente función lee un archivo de imagen que se subió desde Cloud Storage y llama a la función para detectar si la imagen contiene texto, como se muestra a continuación:

Node.js

/**
 * This function is exported by index.js, and is executed when
 * a file is uploaded to the Cloud Storage bucket you created
 * for uploading images.
 *
 * @param {object} event.data (Node 6) A Google Cloud Storage File object.
 * @param {object} event (Node 8+) A Google Cloud Storage File object.
 */
exports.processImage = event => {
  let file = event.data || event;

  return Promise.resolve()
    .then(() => {
      if (file.resourceState === 'not_exists') {
        // This was a deletion event, we don't want to process this
        return;
      }

      if (!file.bucket) {
        throw new Error(
          'Bucket not provided. Make sure you have a "bucket" property in your request'
        );
      }
      if (!file.name) {
        throw new Error(
          'Filename not provided. Make sure you have a "name" property in your request'
        );
      }

      return detectText(file.bucket, file.name);
    })
    .then(() => {
      console.log(`File ${file.name} processed.`);
    });
};

Python (Beta)

def process_image(file, context):
    """Cloud Function triggered by Cloud Storage when a file is changed.
    Args:
        file (dict): Metadata of the changed file, provided by the triggering
                                 Cloud Storage event.
        context (google.cloud.functions.Context): Metadata of triggering event.
    Returns:
        None; the output is written to stdout and Stackdriver Logging
    """
    bucket = validate_message(file, 'bucket')
    name = validate_message(file, 'name')

    detect_text(bucket, name)

    print('File {} processed.'.format(file['name']))

La siguiente función extrae texto de la imagen con la API de Cloud Vision y lo pone en cola para su traducción.

Node.js

/**
 * Detects the text in an image using the Google Vision API.
 *
 * @param {string} bucketName Cloud Storage bucket name.
 * @param {string} filename Cloud Storage file name.
 * @returns {Promise}
 */
function detectText(bucketName, filename) {
  let text;

  console.log(`Looking for text in image ${filename}`);
  return vision
    .textDetection(`gs://${bucketName}/${filename}`)
    .then(([detections]) => {
      const annotation = detections.textAnnotations[0];
      text = annotation ? annotation.description : '';
      console.log(`Extracted text from image (${text.length} chars)`);
      return translate.detect(text);
    })
    .then(([detection]) => {
      if (Array.isArray(detection)) {
        detection = detection[0];
      }
      console.log(`Detected language "${detection.language}" for ${filename}`);

      // Submit a message to the bus for each language we're going to translate to
      const tasks = config.TO_LANG.map(lang => {
        let topicName = config.TRANSLATE_TOPIC;
        if (detection.language === lang) {
          topicName = config.RESULT_TOPIC;
        }
        const messageData = {
          text: text,
          filename: filename,
          lang: lang,
        };

        return publishResult(topicName, messageData);
      });

      return Promise.all(tasks);
    });
}

Python (Beta)

def detect_text(bucket, filename):
    print('Looking for text in image {}'.format(filename))

    futures = []

    text_detection_response = vision_client.text_detection({
        'source': {'image_uri': 'gs://{}/{}'.format(bucket, filename)}
    })
    annotations = text_detection_response.text_annotations
    if len(annotations) > 0:
        text = annotations[0].description
    else:
        text = ''
    print('Extracted text {} from image ({} chars).'.format(text, len(text)))

    detect_language_response = translate_client.detect_language(text)
    src_lang = detect_language_response['language']
    print('Detected language {} for text {}.'.format(src_lang, text))

    # Submit a message to the bus for each target language
    for target_lang in config.get('TO_LANG', []):
        topic_name = config['TRANSLATE_TOPIC']
        if src_lang == target_lang or src_lang == 'und':
            topic_name = config['RESULT_TOPIC']
        message = {
            'text': text,
            'filename': filename,
            'lang': target_lang,
            'src_lang': src_lang
        }
        message_data = json.dumps(message).encode('utf-8')
        topic_path = publisher.topic_path(project_id, topic_name)
        future = publisher.publish(topic_path, data=message_data)
        futures.append(future)
    for future in futures:
        future.result()

Traduce el texto

La siguiente función traduce el texto extraído y, luego, lo pone en cola para volver a guardarlo en Cloud Storage:

Node.js

/**
 * This function is exported by index.js, and is executed when
 * a message is published to the Cloud Pub/Sub topic specified
 * by the TRANSLATE_TOPIC value in the config.json file. The
 * function translates text using the Google Translate API.
 *
 * @param {object} event.data (Node 6) The Cloud Pub/Sub Message object.
 * @param {object} event (Node 8+) The Cloud Pub/Sub Message object.
 * @param {string} {messageObject}.data The "data" property of the Cloud Pub/Sub
 * Message. This property will be a base64-encoded string that you must decode.
 */
exports.translateText = event => {
  const pubsubData = event.data.data || event.data;
  const jsonStr = Buffer.from(pubsubData, 'base64').toString();
  const payload = JSON.parse(jsonStr);

  return Promise.resolve()
    .then(() => {
      if (!payload.text) {
        throw new Error(
          'Text not provided. Make sure you have a "text" property in your request'
        );
      }
      if (!payload.filename) {
        throw new Error(
          'Filename not provided. Make sure you have a "filename" property in your request'
        );
      }
      if (!payload.lang) {
        throw new Error(
          'Language not provided. Make sure you have a "lang" property in your request'
        );
      }

      console.log(`Translating text into ${payload.lang}`);
      return translate.translate(payload.text, payload.lang);
    })
    .then(([translation]) => {
      const messageData = {
        text: translation,
        filename: payload.filename,
        lang: payload.lang,
      };

      return publishResult(config.RESULT_TOPIC, messageData);
    })
    .then(() => {
      console.log(`Text translated to ${payload.lang}`);
    });
};

Python (Beta)

def translate_text(event, context):
    if event.get('data'):
        message_data = base64.b64decode(event['data']).decode('utf-8')
        message = json.loads(message_data)
    else:
        raise ValueError('Data sector is missing in the Pub/Sub message.')

    text = validate_message(message, 'text')
    filename = validate_message(message, 'filename')
    target_lang = validate_message(message, 'lang')
    src_lang = validate_message(message, 'src_lang')

    print('Translating text into {}.'.format(target_lang))
    translated_text = translate_client.translate(text,
                                                 target_language=target_lang,
                                                 source_language=src_lang)
    topic_name = config['RESULT_TOPIC']
    message = {
        'text': translated_text['translatedText'],
        'filename': filename,
        'lang': target_lang,
    }
    message_data = json.dumps(message).encode('utf-8')
    topic_path = publisher.topic_path(project_id, topic_name)
    future = publisher.publish(topic_path, data=message_data)
    future.result()

Guarda las traducciones

Finalmente, la siguiente función recibe el texto traducido y lo vuelve a guardar en Cloud Storage:

Node.js

/**
 * This function is exported by index.js, and is executed when
 * a message is published to the Cloud Pub/Sub topic specified
 * by the RESULT_TOPIC value in the config.json file. The
 * function saves the data packet to a file in GCS.
 *
 * @param {object} event.data (Node 6) The Cloud Pub/Sub Message object.
 * @param {object} event (Node 8+) The Cloud Pub/Sub Message object.
 * @param {string} {messageObject}.data The "data" property of the Cloud Pub/Sub
 * Message. This property will be a base64-encoded string that you must decode.
 */
exports.saveResult = event => {
  const pubsubData = event.data.data || event.data;
  const jsonStr = Buffer.from(pubsubData, 'base64').toString();
  const payload = JSON.parse(jsonStr);

  return Promise.resolve()
    .then(() => {
      if (!payload.text) {
        throw new Error(
          'Text not provided. Make sure you have a "text" property in your request'
        );
      }
      if (!payload.filename) {
        throw new Error(
          'Filename not provided. Make sure you have a "filename" property in your request'
        );
      }
      if (!payload.lang) {
        throw new Error(
          'Language not provided. Make sure you have a "lang" property in your request'
        );
      }

      console.log(`Received request to save file ${payload.filename}`);

      const bucketName = config.RESULT_BUCKET;
      const filename = renameImageForSave(payload.filename, payload.lang);
      const file = storage.bucket(bucketName).file(filename);

      console.log(`Saving result to ${filename} in bucket ${bucketName}`);

      return file.save(payload.text);
    })
    .then(() => {
      console.log(`File saved.`);
    });
};

Python (Beta)

def save_result(event, context):
    if event.get('data'):
        message_data = base64.b64decode(event['data']).decode('utf-8')
        message = json.loads(message_data)
    else:
        raise ValueError('Data sector is missing in the Pub/Sub message.')

    text = validate_message(message, 'text')
    filename = validate_message(message, 'filename')
    lang = validate_message(message, 'lang')

    print('Received request to save file {}.'.format(filename))

    bucket_name = config['RESULT_BUCKET']
    result_filename = '{}_{}.txt'.format(filename, lang)
    bucket = storage_client.get_bucket(bucket_name)
    blob = bucket.blob(result_filename)

    print('Saving result to {} in bucket {}.'.format(result_filename,
                                                     bucket_name))

    blob.upload_from_string(text)

    print('File saved.')

Implementa las funciones

En esta sección, se describe cómo implementar las funciones:

  1. A fin de implementar la función de procesamiento de imágenes con un activador de Cloud Storage, ejecuta el siguiente comando en el directorio app:

    Node.js 6

    gcloud functions deploy ocr-extract --runtime nodejs6 --trigger-bucket YOUR_IMAGE_BUCKET_NAME --entry-point processImage

    Node.js 8 (Beta)

    gcloud functions deploy ocr-extract --runtime nodejs8 --trigger-bucket YOUR_IMAGE_BUCKET_NAME --entry-point processImage

    Python (Beta)

    gcloud functions deploy ocr-extract --runtime python37 --trigger-bucket YOUR_IMAGE_BUCKET_NAME --entry-point process_image

    en el que YOUR_IMAGE_BUCKET_NAME es el nombre del depósito de Cloud Storage al que subirás las imágenes.

  2. Para implementar la función de traducción de texto con el activador de Cloud Pub/Sub, ejecuta el siguiente comando en el directorio app:

    Node.js 6

    gcloud functions deploy ocr-translate --runtime nodejs6 --trigger-topic YOUR_TRANSLATE_TOPIC_NAME --entry-point translateText

    Node.js 8 (Beta)

    gcloud functions deploy ocr-translate --runtime nodejs8 --trigger-topic YOUR_TRANSLATE_TOPIC_NAME --entry-point translateText

    Python (Beta)

    gcloud functions deploy ocr-translate  --runtime python37 --trigger-topic YOUR_TRANSLATE_TOPIC_NAME --entry-point translate_text

    en el que YOUR_TRANSLATE_TOPIC_NAME es el nombre de tu tema de Cloud Pub/Sub con el cual se activarán las traducciones.

  3. Para implementar la función que guarda resultados en Cloud Storage con un activador de Cloud Pub/Sub, ejecuta el siguiente comando en el directorio app:

    Node.js 6

    gcloud functions deploy ocr-save --runtime nodejs6 --trigger-topic YOUR_RESULT_TOPIC_NAME --entry-point saveResult

    Node.js 8 (Beta)

    gcloud functions deploy ocr-save --runtime nodejs8 --trigger-topic YOUR_RESULT_TOPIC_NAME --entry-point saveResult

    Python (Beta)

    gcloud functions deploy ocr-save --runtime python37 --trigger-topic YOUR_RESULT_TOPIC_NAME --entry-point save_result

    en el que YOUR_RESULT_TOPIC_NAME es el nombre de tu tema de Cloud Pub/Sub con el que se activará la función para guardar resultados.

Sube una imagen

  1. Sube una imagen a tu depósito de imágenes de Cloud Storage:

    gsutil cp PATH_TO_IMAGE gs://YOUR_IMAGE_BUCKET_NAME
    

    en el que:

    • PATH_TO_IMAGE es una ruta al archivo de imagen (que contiene texto) en tu sistema local.
    • YOUR_IMAGE_BUCKET_NAME es el nombre del depósito al que subes las imágenes.

    Puedes descargar una de las imágenes desde el proyecto de muestra.

  2. Revisa los registros para asegurarte de que las ejecuciones se completaron:

    gcloud functions logs read --limit 100
    
  3. Puedes ver las traducciones guardadas en el depósito de Cloud Storage que especifica el valor RESULT_BUCKET en tu archivo de configuración.

Limpieza

Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud Platform por los recursos que usaste en este instructivo:

Cómo borrar el proyecto

La manera más fácil de eliminar la facturación es borrar el proyecto que creaste para el instructivo.

Para borrar el proyecto, haz lo siguiente:

  1. In the GCP Console, go to the Projects page.

    Go to the Projects page

  2. In the project list, select the project you want to delete and click Delete .
  3. In the dialog, type the project ID, and then click Shut down to delete the project.

Borra las funciones de Cloud Functions

Borrar las funciones de Cloud Functions no quita ningún recurso almacenado en Cloud Storage.

Para borrar una función de Cloud, ejecuta el siguiente comando:

gcloud functions delete NAME_OF_FUNCTION

en el que NAME_OF_FUNCTION es el nombre de la función que se borrará.

También puedes borrar las funciones de Cloud Functions desde Google Cloud Platform Console.

¿Te ha resultado útil esta página? Enviar comentarios:

Enviar comentarios sobre...

Documentación de Cloud Functions