Подключиться
Yandex Vision

Как начать работать c Vision

Статья создана

Этот раздел описывает, как начать использовать Vision API для анализа изображений.

Перед началом

Чтобы воспользоваться примерами, установите cURL и получите данные вашего аккаунта для авторизации:

  1. На странице биллинга убедитесь, что платежный аккаунт находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.
  2. Получите IAM-токен, необходимый для аутентификации.
  3. Получите идентификатор любого каталога, на который у вашего аккаунта есть роль editor или выше.

  1. Выберите способ аутентификации:

    • Получите IAM-токен, используемый в примерах.

    • Создайте API-ключ. Передайте API-ключ в заголовке Authorization в следующем формате:

      Authorization: Api-Key <API-ключ>

  2. Назначьте сервисному аккаунту роль editor или выше на каталог, в котором он был создан.

    Не указывайте в запросах идентификатор каталога — сервис использует каталог, в котором был создан сервисный аккаунт.

  1. Аутентифицируйтесь в CLI от имени федеративного пользователя.

  2. С помощью CLI получите IAM-токен, необходимый для аутентификации:

    $ yc iam create-token

  3. Получите идентификатор любого каталога, на который у вашего аккаунта есть роль editor или выше.

Проанализируйте изображение

Вы можете использовать любые возможности для анализа из списка. Для примера, воспользуемся возможностью Распознавание текста:

  1. Подготовьте файл изображения, соответствующий требованиям:

    • Поддерживаемые форматы файлов: JPEG, PNG, PDF.

      MIME-тип файла вы указываете в свойстве mime_type. По умолчанию image.

    • Максимальный размер файла: 1 МБ.

    • Размер изображения не должен превышать 20 мегапикселей (длина x ширина).

    Примечание

    Нужен пример изображения? Скачайте изображение дорожного знака, предупреждающего о пингвинах.

  2. Кодируйте файл в формат Base64:

    $ base64 -i input.jpg > output.txt

    C:> Base64.exe -e input.jpg > output.txt

    [Convert]::ToBase64String([IO.File]::ReadAllBytes("./input.jpg")) > output.txt

    # Импортируйте библиотеку для кодирования в Base64
import base64

# Создайте функцию, которая кодирует файл и возвращает результат.
def encode_file(file):
  file_content = file.read()
  return base64.b64encode(file_content)

    // Считайте содержимое файла в память.
var fs = require('fs');
var file = fs.readFileSync('/path/to/file');

// Получите содержимое файла в формате Base64.
var encoded = Buffer.from(file).toString('base64');

    // Импортируйте библиотеку для кодирования в Base64.
import org.apache.commons.codec.binary.Base64;

// Получите содержимое файла в формате Base64.
byte[] fileData = Base64.encodeBase64(yourFile.getBytes());

    import (
    "bufio"
    "encoding/base64"
    "io/ioutil"
    "os"
)

// Откройте файл
f, _ := os.Open("/path/to/file")

// Прочитайте содержимое файла.
reader := bufio.NewReader(f)
content, _ := ioutil.ReadAll(reader)

// Получите содержимое файла в формате Base64.
base64.StdEncoding.EncodeToString(content)

  3. Создайте файл с телом запроса, например body.json. В свойстве content укажите изображение, кодированное в Base64.

    Чтобы сервис автоматически определил язык текста, укажите в конфигурации свойство "language_codes": ["*"].

    body.json:

    {
    "folderId": "b1gvmob95yysaplct532",
    "analyze_specs": [{
        "content": "iVBORw0KGgo...",
        "features": [{
            "type": "TEXT_DETECTION",
            "text_detection_config": {
                "language_codes": ["*"]
            }
        }]
    }]
}

  4. Отправьте запрос с помощью метода batchAnalyze и сохраните ответ в файл, например output.json:

    $ export IAM_TOKEN=CggaATEVAgA...
$ curl -X POST \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer ${IAM_TOKEN}" \
    -d '@body.json' \
    https://vision.api.cloud.yandex.net/vision/v1/batchAnalyze > output.json

    Ответ будет состоять из распознанных блоков текста, строк и слов с указанием их местоположения на изображении:

    {
  "results": [{
    "results": [{
      "textDetection": {
        "pages": [{
          "blocks": [{
            "boundingBox": { ... },
            "lines": [{
                "boundingBox": { ... },
                "words": [{
                  "boundingBox": {
                    "vertices": [{
                        "x": "504",
                        "y": "760"
                      },
                      {
                        "x": "504",
                        "y": "836"
                      },
                      {
                        "x": "826",
                        "y": "836"
                      },
                      {
                        "x": "826",
                        "y": "760"
                      }
                    ]
                  },
                  "languages": [{
                    "languageCode": "en",
                    "confidence": 0.9520227313
                  }],
                  "text": "PENGUINS",
                  "confidence": 0.9520227313
                }],
                "confidence": 0.9520227313
              },
              ...
            ]
          }],
          "width": "1920",
          "height": "1280"
        }]
      }
    }]
  }]
}

  5. Чтобы получить все распознанные слова с изображения, найдите все строки с свойством text, например с помощью grep:

    $ grep -o "\"text\":\s\".*\"" output.json
"text": "PENGUINS"
"text": "CROSSING"
"text": "SLOW"

Что дальше

В этой статье: