Público-alvo
Nossa meta neste tutorial é ajudá-lo a desenvolver aplicativos usando a detecção de texto do documento da API Google Cloud Vision. Pressupomos que você tenha familiaridade com construtos e técnicas básicas de programação. No entanto, mesmo que seja um programador iniciante, você pode acompanhar e executar o tutorial sem dificuldade, além de usar a documentação de referência da API Cloud Vision para criar aplicativos básicos.
Pré-requisitos
- Configure um projeto da API Cloud Vision no Console do Google Cloud.
Configure o ambiente para usar o Application Default Credentials.
Python
- Instale o Python.
- Instale o pip.
- Instale a biblioteca de cliente do Google Cloud e a biblioteca de imagens do Python.
Como anotar uma imagem usando o OCR de texto de documento
Neste tutorial, apresentamos um aplicativo básico da API Vision que faz uma solicitação DOCUMENT_TEXT_DETECTION
e processa a resposta fullTextAnnotation
.
fullTextAnnotation
é uma resposta hierárquica estruturada para o texto UTF-8 extraído da imagem, organizada como Páginas → Blocos → Parágrafos → Palavras → Símbolos:
Page
é uma coleção de blocos, além de metainformações sobre a página: tamanhos, resoluções. As resoluções X e Y podem ser diferentes.Block
representa um elemento "lógico" da página. Por exemplo, uma área coberta por texto, uma imagem ou um separador entre colunas. Os blocos de texto e tabela contêm as principais informações necessárias para extrair o texto.Paragraph
é uma unidade estrutural do texto que representa uma sequência ordenada de palavras. Por padrão, as palavras são separadas por quebras.Word
é a menor unidade do texto. Ela é representada como um conjunto de símbolos.Symbol
representa um caractere ou um sinal de pontuação.
fullTextAnnotation
também pode fornecer URLs para imagens da Web que correspondam parcial ou totalmente à imagem na solicitação.
Listagem de código completa
Durante a leitura do código, recomendamos que você consulte a referência da API do Cloud Vision para Python.
Esse aplicativo simples:
- Importa as bibliotecas necessárias para executar o aplicativo
- Transmite três argumentos para a função
main()
:image_file
: o arquivo de imagem de entrada a ser anotadooutput_file
: o nome de arquivo de saída em que o Cloud Vision gerará uma imagem de saída com as polyboxes desenhadas
- Cria uma instância
ImageAnnotatorClient
para interagir com o serviço. - Envia a solicitação e retorna uma resposta.
- Cria uma imagem de saída com caixas desenhadas em torno do texto.
Mais detalhes sobre o código
Como importar bibliotecas
Importamos bibliotecas padrão:
argparse
para permitir que o aplicativo aceite nomes de arquivo de entrada como argumentos;enum
para a enumeração deFeatureType
;io
para E/S de arquivos.
Outras importações:
- A classe
ImageAnnotatorClient
na bibliotecagoogle.cloud.vision
para acessar a API Vision. - O módulo
types
na bibliotecagoogle.cloud.vision
para criar solicitações. - As bibliotecas
Image
eImageDraw
da bibliotecaPIL
são usadas para criar a imagem de saída com caixas desenhadas na imagem de entrada.
Como executar o aplicativo
Neste caso, simplesmente analisamos os argumentos transmitidos e os passamos para a função render_doc_text()
.
Como autenticar com a API
Antes de se comunicar com a API do Vision, você precisa autenticar seu serviço usando as credenciais já adquiridas. A maneira mais simples de receber credenciais em um aplicativo é usar o Application Default Credentials (ADC). Por padrão, a biblioteca de cliente do Cloud tentará receber as credenciais da variável de ambiente GOOGLE_APPLICATION_CREDENTIALS
. Ela precisa ser configurada para indicar o arquivo de chave JSON da conta de serviço. Para mais informações, consulte Como configurar uma conta de serviço.
Como fazer a solicitação de API e ler limites de texto na resposta
Agora que nosso serviço da API Vision está pronto, podemos acessá-lo chamando o método document_text_detection
da instância ImageAnnotatorClient
.
A biblioteca de cliente inclui os detalhes das solicitações e respostas para a API. Consulte a Referência da API do Vision para saber informações sobre a estrutura de uma solicitação.
Depois que a solicitação tiver sido processada pela biblioteca de cliente, a resposta conterá um AnnotateImageResponse para cada imagem enviada. Ele consiste em uma lista de resultados das "Anotações de imagem". Como enviamos apenas uma imagem na solicitação, verificamos todo o TextAnnotation e coletamos os limites para o recurso do documento especificado.
Como executar o aplicativo
Para executar o aplicativo, faça o download deste arquivo receipt.jpg
(talvez seja necessário clicar com o botão direito no link) e transmita o local onde você fez o download do arquivo em sua máquina local para o aplicativo do tutorial (doctext.py
).
Este é o comando do Python, seguido das imagens de saída da anotação de texto.
$ python doctext.py receipt.jpg -out_file out.jpg
A imagem a seguir mostra palavras em caixas amarelas e frases em vermelhas.
Parabéns! Você fez a detecção de texto usando as anotações de texto completo do Google Cloud Vision.