Vision API では、画像からテキストを検出、抽出できます。OCR をサポートするアノテーション機能が 2 つあります。
-
TEXT_DETECTIONは、任意の画像からテキストを検出、抽出します。たとえば、写真に道路名や交通標識が写っていれば、抽出された文字列全体、個々の単語、それらの境界ボックスが JSON レスポンスに含まれます。
-
DOCUMENT_TEXT_DETECTIONも画像からテキストを抽出しますが、高密度のテキストやドキュメントに応じてレスポンスが最適化され、ページ、ブロック、段落、単語、改行の情報が JSON に含まれます。
言語の指定
どちらのタイプの OCR リクエストでも、画像内の任意のテキストの言語を指定する 1 つ以上の languageHints がサポートされています。しかし、ほとんどの場合、値を空にして自動言語検出を有効にしておくことによって最善の結果が得られます。ラテン アルファベット系の言語の場合、languageHints の設定は不要です。画像中のテキストの言語がわかっている場合などに、ヒントを設定すると結果が少し良くなります（逆に、ヒントを間違えると大きな障害となります）。サポートされる言語以外の言語が 1 つでも指定されていると、テキスト検出でエラーが返されます。
テキスト検出のリクエスト
OCR リクエストを作成するには、POST リクエストを作成し、適切なリクエスト本文を指定します。
POST https://vision.googleapis.com/v1/images:annotate?key=YOUR_API_KEY
{
"requests": [
{
"image": {
"content": "/9j/7QBEUGhvdG9zaG9...base64-encoded-image-content...fXNWzvDEeYxxxzj/Coa6Bax//Z"
},
"features": [
{
"type": "TEXT_DETECTION"
}
]
}
]
}
ドキュメント テキスト検出の場合は、上記のリクエストの機能を "type": "DOCUMENT_TEXT_DETECTION" に置き換えてください。
画像は 3 種類の方法（base64 エンコード文字列（前述）、Google Cloud Storage URI、ウェブ URL）で渡すことができます。詳しくは、リクエストの作成をご覧ください。
リクエスト本文の設定について詳しくは、AnnotateImageRequest のリファレンス ドキュメントをご覧ください。
コードサンプル
さまざまなプログラミング言語でのサンプルについては、以下をご覧ください。
テキスト検出のレスポンス
リクエストが成功すると、サーバーは 200 OK HTTP ステータス コードと JSON 形式のレスポンスを返します。
TEXT_DETECTION レスポンスには、検出されたフレーズ、その境界ボックス、および個々の単語とその境界ボックスが含まれています。
{
"responses": [
{
"textAnnotations": [
{
"locale": "en",
"description": "ABBEY\nROAD NW8\nCITY OF WESTMINSTER\n",
"boundingPoly": {
"vertices": [
{
"x": 45,
"y": 43
},
{
"x": 269,
"y": 43
},
{
"x": 269,
"y": 178
},
{
"x": 45,
"y": 178
}
]
}
},
{
"description": "ABBEY",
"boundingPoly": {
"vertices": [
{
"x": 45,
"y": 50
},
{
"x": 181,
"y": 43
},
{
"x": 183,
"y": 80
},
{
"x": 47,
"y": 87
}
]
}
},
{
"description": "ROAD",
"boundingPoly": {
"vertices": [
{
"x": 48,
"y": 96
},
{
"x": 155,
"y": 96
},
{
"x": 155,
"y": 132
},
{
"x": 48,
"y": 132
}
]
}
},
{
"description": "NW8",
"boundingPoly": {
"vertices": [
{
"x": 182,
"y": 95
},
{
"x": 269,
"y": 95
},
{
"x": 269,
"y": 130
},
{
"x": 182,
"y": 130
}
]
}
},
{
"description": "CITY",
"boundingPoly": {
"vertices": [
{
"x": 51,
"y": 162
},
{
"x": 85,
"y": 161
},
{
"x": 85,
"y": 177
},
{
"x": 51,
"y": 178
}
]
}
},
{
"description": "OF",
"boundingPoly": {
"vertices": [
{
"x": 95,
"y": 162
},
{
"x": 111,
"y": 162
},
{
"x": 111,
"y": 176
},
{
"x": 95,
"y": 176
}
]
}
},
{
"description": "WESTMINSTER",
"boundingPoly": {
"vertices": [
{
"x": 124,
"y": 162
},
{
"x": 249,
"y": 160
},
{
"x": 249,
"y": 174
},
{
"x": 124,
"y": 176
}
]
}
}
]
}
]
}
DOCUMENT_TEXT_DETECTION のレスポンスには、ページ、ブロック、段落、単語、および改行の情報など、付加的なレイアウト情報が含まれています。（以下のサンプルでは簡素化された例が使用されています。高密度ドキュメントのレスポンスは長すぎるため、このページに表示できません）。
{
"responses": [
{
"textAnnotations": [
{
"locale": "en",
"description": "O Google Cloud Platform\n",
"boundingPoly": {
"vertices": [
{
"x": 14, "y": 11
},
{
"x": 279, "y": 11
},
{
"x": 279, "y": 37
},
{
"x": 14, "y": 37
}
]
}
},
],
"fullTextAnnotation": {
"pages": [
{
"property": {
"detectedLanguages": [
{
"languageCode": "en"
}
]
},
"width": 281,
"height": 44,
"blocks": [
{
"property": {
"detectedLanguages": [
{
"languageCode": "en"
}
]
},
"boundingBox": {
"vertices": [
{
"x": 14, "y": 11
},
{
"x": 279, "y": 11
},
{
"x": 279, "y": 37
},
{
"x": 14, "y": 37
}
]
},
"paragraphs": [
{
"property": {
"detectedLanguages": [
{
"languageCode": "en"
}
]
},
"boundingBox": {
"vertices": [
{
"x": 14, "y": 11
},
{
"x": 279, "y": 11
},
{
"x": 279, "y": 37
},
{
"x": 14, "y": 37
}
]
},
"words": [
{
"property": {
"detectedLanguages": [
{
"languageCode": "en"
}
]
},
"boundingBox": {
"vertices": [
{
"x": 14, "y": 11
},
{
"x": 23, "y": 11
},
{
"x": 23, "y": 37
},
{
"x": 14, "y": 37
}
]
},
"symbols": [
{
"property": {
"detectedLanguages": [
{
"languageCode": "en"
}
],
"detectedBreak": {
"type": "SPACE"
}
},
"boundingBox": {
"vertices": [
{
"x": 14, "y": 11
},
{
"x": 23, "y": 11
},
{
"x": 23, "y": 37
},
{
"x": 14, "y": 37
}
]
},
"text": "O"
}
]
},
]
}
],
"blockType": "TEXT"
}
]
}
],
"text": "Google Cloud Platform\n"
}
}
]
}
