Как начать работать c Vision

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:

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:

   UNIX

   Windows

   PowerShell

   Python

   Node.js

   Java

   Go

   $ 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

• Узнайте обо всех возможностях сервиса
• Узнайте про способы аутентификации в API
• Найдите лица на фото
• Оцените качество изображения
• Модерируйте изображения