Watch demos on how to build & run AI-powered apps with Firebase at Demo Day '24. Watch now.

इस पेज का अनुवाद Cloud Translation API से किया गया है.

Android पर Firebase की पुष्टि और फ़ंक्शन का इस्तेमाल करके, Cloud Vision की मदद से इमेज में मौजूद टेक्स्ट की पहचान करें

किसी इमेज में Firebase ML के लिए recognizing text Firebase ML Vision SDK टूल अब काम नहीं करता (पुराने दस्तावेज़ यहां देखें). इस पेज पर बताया गया है कि इस्तेमाल नहीं किए जा रहे SDK टूल के विकल्प के तौर पर, Firebase Auth और Firebase Functions का इस्तेमाल करके, Cloud Vision API को कैसे कॉल किया जा सकता है. इससे, सिर्फ़ पुष्टि किए गए उपयोगकर्ताओं को API को ऐक्सेस करने की अनुमति मिलती है.

अपने ऐप्लिकेशन से Google Cloud API को कॉल करने के लिए, आपको एक इंटरमीडियरी REST API बनाना होगा. यह अनुमति को मैनेज करता है और एपीआई कुंजियों जैसी गोपनीय वैल्यू को सुरक्षित रखता है. इसके बाद, आपको अपने मोबाइल ऐप्लिकेशन में कोड लिखना होगा, ताकि इस इंटरमीडियरी सेवा की पुष्टि की जा सके और उससे संपर्क किया जा सके.

Firebase Authentication और Functions का इस्तेमाल करके, इस REST API को बनाने का एक तरीका है. इससे आपको Google Cloud API के लिए, मैनेज किया जाने वाला और सर्वर-लेस गेटवे मिलता है. यह गेटवे, पुष्टि की प्रोसेस को मैनेज करता है. साथ ही, इसे पहले से बने SDK टूल की मदद से, अपने मोबाइल ऐप्लिकेशन से कॉल किया जा सकता है.

इस गाइड में, अपने ऐप्लिकेशन से Cloud Vision API को कॉल करने के लिए, इस तकनीक का इस्तेमाल करने का तरीका बताया गया है. इस तरीके से, पुष्टि किए गए सभी उपयोगकर्ता आपके Cloud प्रोजेक्ट के ज़रिए, Cloud Vision की बिलिंग वाली सेवाओं को ऐक्सेस कर पाएंगे. इसलिए, आगे बढ़ने से पहले यह देख लें कि पुष्टि करने का यह तरीका, आपके इस्तेमाल के उदाहरण के लिए सही है या नहीं.

शुरू करने से पहले

अपना प्रोजेक्ट कॉन्फ़िगर करना

अगर आपने पहले से ऐसा नहीं किया है, तो अपने Android प्रोजेक्ट में Firebase जोड़ें.
अगर आपने अब तक अपने प्रोजेक्ट के लिए, क्लाउड पर काम करने वाले एपीआई चालू नहीं किए हैं, तो अभी ऐसा करें:
1. Firebase कंसोल का Firebase ML एपीआई पेज खोलें.
2. अगर आपने अब तक अपने प्रोजेक्ट को Blaze की कीमत वाले प्लान पर अपग्रेड नहीं किया है, तो ऐसा करने के लिए अपग्रेड करें पर क्लिक करें. (आपको अपग्रेड करने के लिए तब ही कहा जाएगा, जब आपका प्रोजेक्ट Blaze प्लान पर नहीं होगा.)
  
  सिर्फ़ Blaze-लेवल के प्रोजेक्ट, क्लाउड-आधारित एपीआई का इस्तेमाल कर सकते हैं.
3. अगर क्लाउड-आधारित एपीआई पहले से चालू नहीं हैं, तो क्लाउड-आधारित एपीआई चालू करें पर क्लिक करें.
Cloud Vision API का ऐक्सेस न देने के लिए, अपनी मौजूदा Firebase एपीआई कुंजियों को कॉन्फ़िगर करें:
1. Cloud Console का क्रेडेंशियल पेज खोलें.
2. सूची में मौजूद हर एपीआई पासकोड के लिए, बदलाव करने वाला व्यू खोलें. इसके बाद, पासकोड पर लगी पाबंदियों वाले सेक्शन में, Cloud Vision API के अलावा सभी उपलब्ध एपीआई को सूची में जोड़ें.

कॉल किए जा सकने वाले फ़ंक्शन को डिप्लॉय करना

इसके बाद, वह Cloud फ़ंक्शन डिप्लॉय करें जिसका इस्तेमाल करके, अपने ऐप्लिकेशन और Cloud Vision API को जोड़ा जा सकेगा. functions-samples रिपॉज़िटरी में एक उदाहरण है, जिसका इस्तेमाल किया जा सकता है.

डिफ़ॉल्ट रूप से, इस फ़ंक्शन की मदद से Cloud Vision API को ऐक्सेस करने पर, आपके ऐप्लिकेशन के सिर्फ़ वे उपयोगकर्ता ही Cloud Vision API को ऐक्सेस कर पाएंगे जिन्होंने पुष्टि कराई है. अलग-अलग ज़रूरतों के लिए, फ़ंक्शन में बदलाव किया जा सकता है.

फ़ंक्शन को डिप्लॉय करने के लिए:

functions-samples repo को क्लोन या डाउनलोड करें और Node-1st-gen/vision-annotate-image डायरेक्ट्री पर जाएं:
```
git clone https://github.com/firebase/functions-samples
cd Node-1st-gen/vision-annotate-image
```
डिपेंडेंसी इंस्टॉल करें:
```
cd functions
npm install
cd ..
```
अगर आपके पास Firebase CLI नहीं है, तो इसे इंस्टॉल करें.
vision-annotate-image डायरेक्ट्री में Firebase प्रोजेक्ट शुरू करें. जब कहा जाए, तब सूची में अपना प्रोजेक्ट चुनें.
```
firebase init
```
फ़ंक्शन को डिप्लॉय करें:
```
firebase deploy --only functions:annotateImage
```

अपने ऐप्लिकेशन में Firebase Auth जोड़ना

ऊपर डिप्लॉय किया गया कॉल करने लायक फ़ंक्शन, आपके ऐप्लिकेशन के ऐसे उपयोगकर्ताओं के किसी भी अनुरोध को अस्वीकार कर देगा जिनकी पुष्टि नहीं हुई है. अगर आपने ऐसा पहले नहीं किया है, तो आपको अपने ऐप्लिकेशन में Firebase Auth जोड़ना होगा.

अपने ऐप्लिकेशन में ज़रूरी डिपेंडेंसी जोड़ना

मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर <project>/<app-module>/build.gradle.kts या <project>/<app-module>/build.gradle) में, Firebase के लिए Cloud Functions (क्लाइंट) और gson Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें:

implementation("com.google.firebase:firebase-functions:21.1.0")
implementation("com.google.code.gson:gson:2.8.6")

अब आप इमेज में टेक्स्ट की पहचान करने के लिए तैयार हैं.

1. इनपुट इमेज तैयार करना

Cloud Vision को कॉल करने के लिए, इमेज को base64 कोड में बदला जाना चाहिए. सेव की गई फ़ाइल के यूआरआई से इमेज को प्रोसेस करने के लिए:

इमेज को Bitmap ऑब्जेक्ट के तौर पर पाएं:

Kotlin

var bitmap: Bitmap = MediaStore.Images.Media.getBitmap(contentResolver, uri)

Java

Bitmap bitmap = MediaStore.Images.Media.getBitmap(getContentResolver(), uri);

इसके अलावा, बैंडविड्थ बचाने के लिए, इमेज को छोटा भी किया जा सकता है. Cloud Vision के लिए इमेज के सुझाए गए साइज़ देखें.

Kotlin

private fun scaleBitmapDown(bitmap: Bitmap, maxDimension: Int): Bitmap {
    val originalWidth = bitmap.width
    val originalHeight = bitmap.height
    var resizedWidth = maxDimension
    var resizedHeight = maxDimension
    if (originalHeight > originalWidth) {
        resizedHeight = maxDimension
        resizedWidth =
            (resizedHeight * originalWidth.toFloat() / originalHeight.toFloat()).toInt()
    } else if (originalWidth > originalHeight) {
        resizedWidth = maxDimension
        resizedHeight =
            (resizedWidth * originalHeight.toFloat() / originalWidth.toFloat()).toInt()
    } else if (originalHeight == originalWidth) {
        resizedHeight = maxDimension
        resizedWidth = maxDimension
    }
    return Bitmap.createScaledBitmap(bitmap, resizedWidth, resizedHeight, false)
}

Java

private Bitmap scaleBitmapDown(Bitmap bitmap, int maxDimension) {
    int originalWidth = bitmap.getWidth();
    int originalHeight = bitmap.getHeight();
    int resizedWidth = maxDimension;
    int resizedHeight = maxDimension;

    if (originalHeight > originalWidth) {
        resizedHeight = maxDimension;
        resizedWidth = (int) (resizedHeight * (float) originalWidth / (float) originalHeight);
    } else if (originalWidth > originalHeight) {
        resizedWidth = maxDimension;
        resizedHeight = (int) (resizedWidth * (float) originalHeight / (float) originalWidth);
    } else if (originalHeight == originalWidth) {
        resizedHeight = maxDimension;
        resizedWidth = maxDimension;
    }
    return Bitmap.createScaledBitmap(bitmap, resizedWidth, resizedHeight, false);
}

Kotlin

// Scale down bitmap size
bitmap = scaleBitmapDown(bitmap, 640)

Java

// Scale down bitmap size
bitmap = scaleBitmapDown(bitmap, 640);

बिटमैप ऑब्जेक्ट को base64 कोड में बदली गई स्ट्रिंग में बदलना:

Kotlin

// Convert bitmap to base64 encoded string
val byteArrayOutputStream = ByteArrayOutputStream()
bitmap.compress(Bitmap.CompressFormat.JPEG, 100, byteArrayOutputStream)
val imageBytes: ByteArray = byteArrayOutputStream.toByteArray()
val base64encoded = Base64.encodeToString(imageBytes, Base64.NO_WRAP)

Java

// Convert bitmap to base64 encoded string
ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
bitmap.compress(Bitmap.CompressFormat.JPEG, 100, byteArrayOutputStream);
byte[] imageBytes = byteArrayOutputStream.toByteArray();
String base64encoded = Base64.encodeToString(imageBytes, Base64.NO_WRAP);

Bitmap

2. टेक्स्ट की पहचान करने के लिए, कॉल किए जा सकने वाले फ़ंक्शन को लागू करना

किसी इमेज में टेक्स्ट की पहचान करने के लिए, कॉल किए जा सकने वाले फ़ंक्शन को JSON Cloud Vision अनुरोध भेजकर चालू करें.

सबसे पहले, Cloud Functions का इंस्टेंस शुरू करें:

Kotlin

private lateinit var functions: FirebaseFunctions
// ...
functions = Firebase.functions

Java

private FirebaseFunctions mFunctions;
// ...
mFunctions = FirebaseFunctions.getInstance();

फ़ंक्शन को लागू करने का तरीका तय करें:

Kotlin

private fun annotateImage(requestJson: String): Task<JsonElement> {
    return functions
        .getHttpsCallable("annotateImage")
        .call(requestJson)
        .continueWith { task ->
            // This continuation runs on either success or failure, but if the task
            // has failed then result will throw an Exception which will be
            // propagated down.
            val result = task.result?.data
            JsonParser.parseString(Gson().toJson(result))
        }
}

Java

private Task<JsonElement> annotateImage(String requestJson) {
    return mFunctions
            .getHttpsCallable("annotateImage")
            .call(requestJson)
            .continueWith(new Continuation<HttpsCallableResult, JsonElement>() {
                @Override
                public JsonElement then(@NonNull Task<HttpsCallableResult> task) {
                    // This continuation runs on either success or failure, but if the task
                    // has failed then getResult() will throw an Exception which will be
                    // propagated down.
                    return JsonParser.parseString(new Gson().toJson(task.getResult().getData()));
                }
            });
}

JSON अनुरोध बनाएं. Cloud Vision API, टेक्स्ट का पता लगाने के दो टाइप के साथ काम करता है: TEXT_DETECTION और DOCUMENT_TEXT_DETECTION. इस्तेमाल के इन दो उदाहरणों के बीच के अंतर के बारे में जानने के लिए, Cloud Vision ओसीआर दस्तावेज़ देखें.

Kotlin

// Create json request to cloud vision
val request = JsonObject()
// Add image to request
val image = JsonObject()
image.add("content", JsonPrimitive(base64encoded))
request.add("image", image)
// Add features to the request
val feature = JsonObject()
feature.add("type", JsonPrimitive("TEXT_DETECTION"))
// Alternatively, for DOCUMENT_TEXT_DETECTION:
// feature.add("type", JsonPrimitive("DOCUMENT_TEXT_DETECTION"))
val features = JsonArray()
features.add(feature)
request.add("features", features)

Java

// Create json request to cloud vision
JsonObject request = new JsonObject();
// Add image to request
JsonObject image = new JsonObject();
image.add("content", new JsonPrimitive(base64encoded));
request.add("image", image);
//Add features to the request
JsonObject feature = new JsonObject();
feature.add("type", new JsonPrimitive("TEXT_DETECTION"));
// Alternatively, for DOCUMENT_TEXT_DETECTION:
//feature.add("type", new JsonPrimitive("DOCUMENT_TEXT_DETECTION"));
JsonArray features = new JsonArray();
features.add(feature);
request.add("features", features);

इसके अलावा, भाषा की पहचान करने में मदद करने के लिए, भाषा के बारे में सुझाव दें. इस्तेमाल की जा सकने वाली भाषाएं देखें:

Kotlin

val imageContext = JsonObject()
val languageHints = JsonArray()
languageHints.add("en")
imageContext.add("languageHints", languageHints)
request.add("imageContext", imageContext)

Java

JsonObject imageContext = new JsonObject();
JsonArray languageHints = new JsonArray();
languageHints.add("en");
imageContext.add("languageHints", languageHints);
request.add("imageContext", imageContext);

आखिर में, फ़ंक्शन को लागू करें:

Kotlin

annotateImage(request.toString())
    .addOnCompleteListener { task ->
        if (!task.isSuccessful) {
            // Task failed with an exception
            // ...
        } else {
            // Task completed successfully
            // ...
        }
    }

Java

annotateImage(request.toString())
        .addOnCompleteListener(new OnCompleteListener<JsonElement>() {
            @Override
            public void onComplete(@NonNull Task<JsonElement> task) {
                if (!task.isSuccessful()) {
                    // Task failed with an exception
                    // ...
                } else {
                    // Task completed successfully
                    // ...
                }
            }
        });

3. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालना

अगर टेक्स्ट की पहचान करने की प्रोसेस पूरी हो जाती है, तो टास्क के नतीजे में BatchAnnotateImagesResponse का JSON रिस्पॉन्स दिखेगा. टेक्स्ट एनोटेशन, fullTextAnnotation ऑब्जेक्ट में देखे जा सकते हैं.

पहचाने गए टेक्स्ट को text फ़ील्ड में स्ट्रिंग के तौर पर देखा जा सकता है. उदाहरण के लिए:

Kotlin

val annotation = task.result!!.asJsonArray[0].asJsonObject["fullTextAnnotation"].asJsonObject
System.out.format("%nComplete annotation:")
System.out.format("%n%s", annotation["text"].asString)

Java

JsonObject annotation = task.getResult().getAsJsonArray().get(0).getAsJsonObject().get("fullTextAnnotation").getAsJsonObject();
System.out.format("%nComplete annotation:%n");
System.out.format("%s%n", annotation.get("text").getAsString());

आपको इमेज के अलग-अलग हिस्सों की जानकारी भी मिल सकती है. हर block, paragraph, word, और symbol के लिए, आपको उस इलाके में पहचाने गए टेक्स्ट और इलाके के बाउंडिंग निर्देशांक मिल सकते हैं. उदाहरण के लिए:

Kotlin

for (page in annotation["pages"].asJsonArray) {
    var pageText = ""
    for (block in page.asJsonObject["blocks"].asJsonArray) {
        var blockText = ""
        for (para in block.asJsonObject["paragraphs"].asJsonArray) {
            var paraText = ""
            for (word in para.asJsonObject["words"].asJsonArray) {
                var wordText = ""
                for (symbol in word.asJsonObject["symbols"].asJsonArray) {
                    wordText += symbol.asJsonObject["text"].asString
                    System.out.format(
                        "Symbol text: %s (confidence: %f)%n",
                        symbol.asJsonObject["text"].asString,
                        symbol.asJsonObject["confidence"].asFloat,
                    )
                }
                System.out.format(
                    "Word text: %s (confidence: %f)%n%n",
                    wordText,
                    word.asJsonObject["confidence"].asFloat,
                )
                System.out.format("Word bounding box: %s%n", word.asJsonObject["boundingBox"])
                paraText = String.format("%s%s ", paraText, wordText)
            }
            System.out.format("%nParagraph: %n%s%n", paraText)
            System.out.format("Paragraph bounding box: %s%n", para.asJsonObject["boundingBox"])
            System.out.format("Paragraph Confidence: %f%n", para.asJsonObject["confidence"].asFloat)
            blockText += paraText
        }
        pageText += blockText
    }
}

Java

for (JsonElement page : annotation.get("pages").getAsJsonArray()) {
    StringBuilder pageText = new StringBuilder();
    for (JsonElement block : page.getAsJsonObject().get("blocks").getAsJsonArray()) {
        StringBuilder blockText = new StringBuilder();
        for (JsonElement para : block.getAsJsonObject().get("paragraphs").getAsJsonArray()) {
            StringBuilder paraText = new StringBuilder();
            for (JsonElement word : para.getAsJsonObject().get("words").getAsJsonArray()) {
                StringBuilder wordText = new StringBuilder();
                for (JsonElement symbol : word.getAsJsonObject().get("symbols").getAsJsonArray()) {
                    wordText.append(symbol.getAsJsonObject().get("text").getAsString());
                    System.out.format("Symbol text: %s (confidence: %f)%n", symbol.getAsJsonObject().get("text").getAsString(), symbol.getAsJsonObject().get("confidence").getAsFloat());
                }
                System.out.format("Word text: %s (confidence: %f)%n%n", wordText.toString(), word.getAsJsonObject().get("confidence").getAsFloat());
                System.out.format("Word bounding box: %s%n", word.getAsJsonObject().get("boundingBox"));
                paraText.append(wordText.toString()).append(" ");
            }
            System.out.format("%nParagraph:%n%s%n", paraText);
            System.out.format("Paragraph bounding box: %s%n", para.getAsJsonObject().get("boundingBox"));
            System.out.format("Paragraph Confidence: %f%n", para.getAsJsonObject().get("confidence").getAsFloat());
            blockText.append(paraText);
        }
        pageText.append(blockText);
    }
}