برچسب گذاری ایمن تصاویر با Cloud Vision با استفاده از Firebase Auth و توابع در پلتفرم های اپل
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
برای فراخوانی Google Cloud API از برنامه خود، باید یک REST API میانی ایجاد کنید که مجوزها را کنترل می کند و از مقادیر مخفی مانند کلیدهای API محافظت می کند. سپس برای احراز هویت و برقراری ارتباط با این سرویس میانی، باید کدی را در اپلیکیشن موبایل خود بنویسید.
یکی از راه‌های ایجاد این API REST استفاده از احراز هویت و توابع Firebase است که یک دروازه مدیریت‌شده و بدون سرور به APIهای Google Cloud ارائه می‌کند که احراز هویت را مدیریت می‌کند و می‌تواند از برنامه تلفن همراه شما با SDKهای از پیش ساخته شده فراخوانی شود.
این راهنما نشان می دهد که چگونه از این تکنیک برای فراخوانی Cloud Vision API از برنامه خود استفاده کنید. این روش به همه کاربران احراز هویت شده اجازه می‌دهد از طریق پروژه Cloud شما به خدمات صورت‌حساب Cloud Vision دسترسی داشته باشند، بنابراین قبل از ادامه، بررسی کنید که آیا این مکانیسم تأیید برای مورد استفاده شما کافی است یا خیر.
قبل از شروع
پروژه خود را پیکربندی کنید
اگر قبلاً Firebase را به برنامه خود اضافه نکرده اید، این کار را با دنبال کردن مراحل راهنمای شروع کار انجام دهید.
برای نصب و مدیریت وابستگی های Firebase از Swift Package Manager استفاده کنید.
در Xcode، با باز بودن پروژه برنامه، به File > Add Packages بروید.
هنگامی که از شما خواسته شد، مخزن SDK پلتفرم های Apple Firebase را اضافه کنید:
https://github.com/firebase/firebase-ios-sdk.git
کتابخانه Firebase ML را انتخاب کنید.
پرچم -ObjC را به بخش Other Linker Flags تنظیمات ساخت هدف خود اضافه کنید.
پس از اتمام، Xcode به طور خودکار شروع به حل و دانلود وابستگی های شما در پس زمینه می کند.
در مرحله بعد، تنظیمات درون برنامه ای را انجام دهید:
اگر قبلاً پروژه خود را به طرح قیمت گذاری Blaze ارتقاء نداده اید، برای انجام این کار، روی ارتقا کلیک کنید. (فقط اگر پروژه شما در طرح قیمت گذاری Blaze نباشد، از شما خواسته می شود که ارتقا دهید.)
فقط پروژه هایی که در طرح قیمت گذاری Blaze هستند می توانند از API های مبتنی بر ابر استفاده کنند.
اگر APIهای مبتنی بر Cloud قبلاً فعال نشده‌اند، روی Enable Cloud-based APIs کلیک کنید.
کلیدهای Firebase API موجود خود را برای جلوگیری از دسترسی به Cloud Vision API پیکربندی کنید:
برای هر کلید API در لیست، نمای ویرایش را باز کنید و در قسمت Key Restrictions، همه API های موجود به جز Cloud Vision API را به لیست اضافه کنید.
تابع فراخوانی را اجرا کنید
در مرحله بعد، Cloud Function را که برای پل زدن برنامه خود و Cloud Vision API استفاده خواهید کرد، مستقر کنید. مخزن functions-samples حاوی مثالی است که می توانید از آن استفاده کنید.
به‌طور پیش‌فرض، دسترسی به Cloud Vision API از طریق این تابع به کاربران تأیید شده برنامه شما اجازه می‌دهد به Cloud Vision API دسترسی داشته باشند. شما می توانید عملکرد را برای نیازهای مختلف تغییر دهید.
برای استقرار تابع:
مخزن functions-samples را کلون یا دانلود کنید و به دایرکتوری Node-1st-gen/vision-annotate-image تغییر دهید:
یک پروژه Firebase را در دایرکتوری vision-annotate-image راه اندازی کنید. وقتی از شما خواسته شد، پروژه خود را در لیست انتخاب کنید.
firebase init
استقرار تابع:
firebase deploy --only functions:annotateImage
Firebase Auth را به برنامه خود اضافه کنید
تابع قابل فراخوانی که در بالا مستقر شده است، هر درخواستی را که از سوی کاربران احراز هویت نشده برنامه شما انجام شود رد می کند. اگر قبلاً این کار را نکرده‌اید، باید Firebase Auth را به برنامه خود اضافه کنید.
وابستگی های لازم را به برنامه خود اضافه کنید
از Swift Package Manager برای نصب کتابخانه Cloud Functions برای Firebase استفاده کنید.
اکنون آماده برچسب گذاری تصاویر هستید.
1. تصویر ورودی را آماده کنید
برای فراخوانی Cloud Vision، تصویر باید به عنوان یک رشته کدگذاری شده با base64 فرمت شود. برای پردازش یک UIImage :
[[_functionsHTTPSCallableWithName:@"annotateImage"]callWithObject:requestDatacompletion:^(FIRHTTPSCallableResult*_Nullableresult,NSError*_Nullableerror){if(error){if([error.domainisEqualToString:@"com.firebase.functions"]){FIRFunctionsErrorCodecode=error.code;NSString*message=error.localizedDescription;NSObject*details=error.userInfo[@"details"];}// ...}// Function completed succesfully// Get information about labeled objects}];
3. اطلاعاتی در مورد اشیاء برچسب دار دریافت کنید
اگر عملیات برچسب‌گذاری تصویر با موفقیت انجام شود، یک پاسخ JSON از BatchAnnotateImagesResponse در نتیجه کار برگردانده می‌شود. هر شیء در آرایه labelAnnotations نشان دهنده چیزی است که در تصویر برچسب گذاری شده است. برای هر برچسب، می‌توانید شرح متن برچسب، شناسه گراف دانش آن (در صورت موجود بودن)، و امتیاز اطمینان مطابقت را دریافت کنید. به عنوان مثال:
تاریخ آخرین بهروزرسانی 2025-09-06 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-09-06 بهوقت ساعت هماهنگ جهانی."],[],[],null,["| The Firebase ML Vision SDK for labeling objects in an image is\n| now deprecated\n| [(See the\n| outdated docs here).](/docs/ml/ios/label-images-deprecated)\n| This page describes how, as an alternative to the deprecated SDK, you can\n| call Cloud Vision APIs using Firebase Auth and Firebase Functions to allow\n| only authenticated users to access the API.\n\n\nIn order to call a Google Cloud API from your app, you need to create an intermediate\nREST API that handles authorization and protects secret values such as API keys. You then need to\nwrite code in your mobile app to authenticate to and communicate with this intermediate service.\n\n\nOne way to create this REST API is by using Firebase Authentication and Functions, which gives you a managed, serverless gateway to\nGoogle Cloud APIs that handles authentication and can be called from your mobile app with\npre-built SDKs.\n\n\nThis guide demonstrates how to use this technique to call the Cloud Vision API from your app.\nThis method will allow all authenticated users to access Cloud Vision billed services through your Cloud project, so\nconsider whether this auth mechanism is sufficient for your use case before proceeding.\n| Use of the Cloud Vision APIs is subject to the [Google Cloud Platform License\n| Agreement](https://cloud.google.com/terms/) and [Service\n| Specific Terms](https://cloud.google.com/terms/service-terms), and billed accordingly. For billing information, see the [Pricing](https://cloud.google.com/vision/pricing) page.\n| **Looking for on-device image labeling?** Try the [standalone ML Kit library](https://developers.google.com/ml-kit/vision/image-labeling).\n\n\u003cbr /\u003e\n\nBefore you begin\n\n\u003cbr /\u003e\n\nConfigure your project If you have not already added Firebase to your app, do so by following the steps in the [getting started guide](/docs/ios/setup).\n\nUse Swift Package Manager to install and manage Firebase dependencies.\n| Visit [our installation guide](/docs/ios/installation-methods) to learn about the different ways you can add Firebase SDKs to your Apple project, including importing frameworks directly and using CocoaPods.\n\n1. In Xcode, with your app project open, navigate to **File \\\u003e Add Packages**.\n2. When prompted, add the Firebase Apple platforms SDK repository: \n\n```text\n https://github.com/firebase/firebase-ios-sdk.git\n```\n| **Note:** New projects should use the default (latest) SDK version, but you can choose an older version if needed.\n3. Choose the Firebase ML library.\n4. Add the `-ObjC` flag to the *Other Linker Flags* section of your target's build settings.\n5. When finished, Xcode will automatically begin resolving and downloading your dependencies in the background.\n\n\nNext, perform some in-app setup:\n\n1. In your app, import Firebase:\n\n Swift \n\n ```swift\n import FirebaseMLModelDownloader\n ```\n\n Objective-C \n\n ```objective-c\n @import FirebaseMLModelDownloader;\n ```\n\n\nA few more configuration steps, and we're ready to go:\n\n1. If you haven't already enabled Cloud-based APIs for your project, do so\n now:\n\n 1. Open the [Firebase ML\n APIs page](//console.firebase.google.com/project/_/ml/apis) in the Firebase console.\n 2. If you haven't already upgraded your project to the\n [pay-as-you-go Blaze pricing plan](/pricing), click **Upgrade** to do so. (You'll be\n prompted to upgrade only if your project isn't on the\n Blaze pricing plan.)\n\n Only projects on the Blaze pricing plan can use\n Cloud-based APIs.\n 3. If Cloud-based APIs aren't already enabled, click **Enable Cloud-based APIs**.\n2. Configure your existing Firebase API keys to disallow access to the Cloud Vision API:\n 1. Open the [Credentials](https://console.cloud.google.com/apis/credentials?project=_) page of the Cloud console.\n 2. For each API key in the list, open the editing view, and in the Key Restrictions section, add all of the available APIs *except* the Cloud Vision API to the list.\n\nDeploy the callable function\n\nNext, deploy the Cloud Function you will use to bridge your app and the Cloud\nVision API. The `functions-samples` repository contains an example\nyou can use.\n\nBy default, accessing the Cloud Vision API through this function will allow\nonly authenticated users of your app access to the Cloud Vision API. You can\nmodify the function for different requirements.\n\nTo deploy the function:\n\n1. Clone or download the [functions-samples repo](https://github.com/firebase/functions-samples) and change to the `Node-1st-gen/vision-annotate-image` directory: \n\n git clone https://github.com/firebase/functions-samples\n cd Node-1st-gen/vision-annotate-image\n\n2. Install dependencies: \n\n cd functions\n npm install\n cd ..\n\n3. If you don't have the Firebase CLI, [install it](/docs/cli#setup_update_cli).\n4. Initialize a Firebase project in the `vision-annotate-image` directory. When prompted, select your project in the list. \n\n ```\n firebase init\n ```\n5. Deploy the function: \n\n ```\n firebase deploy --only functions:annotateImage\n ```\n\nAdd Firebase Auth to your app\n\nThe callable function deployed above will reject any request from non-authenticated\nusers of your app. If you have not already done so, you will need to [add Firebase\nAuth to your app.](https://firebase.google.com/docs/auth/ios/start#add_to_your_app)\n\nAdd necessary dependencies to your app\n\n\nUse Swift Package Manager to install the Cloud Functions for Firebase library.\n\nNow you are ready to label images.\n\n1. Prepare the input image In order to call Cloud Vision, the image must be formatted as a base64-encoded string. To process a `UIImage`: \n\nSwift \n\n```swift\nguard let imageData = uiImage.jpegData(compressionQuality: 1.0) else { return }\nlet base64encodedImage = imageData.base64EncodedString()\n```\n\nObjective-C \n\n```objective-c\nNSData *imageData = UIImageJPEGRepresentation(uiImage, 1.0f);\nNSString *base64encodedImage =\n [imageData base64EncodedStringWithOptions:NSDataBase64Encoding76CharacterLineLength];\n```\n\n2. Invoke the callable function to label the image To label objects in an image, invoke the callable function passing a [JSON Cloud Vision request](https://cloud.google.com/vision/docs/request#json_request_format).\n\n\u003cbr /\u003e\n\n1. First, initialize an instance of Cloud Functions:\n\n Swift \n\n lazy var functions = Functions.functions()\n\n Objective-C \n\n @property(strong, nonatomic) FIRFunctions *functions;\n\n2. Create a request with [Type](https://cloud.google.com/vision/docs/reference/rest/v1/Feature#type) set to `LABEL_DETECTION`:\n\n Swift \n\n let requestData = [\n \"image\": [\"content\": base64encodedImage],\n \"features\": [\"maxResults\": 5, \"type\": \"LABEL_DETECTION\"]\n ]\n\n Objective-C \n\n NSDictionary *requestData = @{\n @\"image\": @{@\"content\": base64encodedImage},\n @\"features\": @{@\"maxResults\": @5, @\"type\": @\"LABEL_DETECTION\"}\n };\n\n3. Finally, invoke the function:\n\n Swift \n\n do {\n let result = try await functions.httpsCallable(\"annotateImage\").call(requestData)\n print(result)\n } catch {\n if let error = error as NSError? {\n if error.domain == FunctionsErrorDomain {\n let code = FunctionsErrorCode(rawValue: error.code)\n let message = error.localizedDescription\n let details = error.userInfo[FunctionsErrorDetailsKey]\n }\n // ...\n }\n }\n\n Objective-C \n\n [[_functions HTTPSCallableWithName:@\"annotateImage\"]\n callWithObject:requestData\n completion:^(FIRHTTPSCallableResult * _Nullable result, NSError * _Nullable error) {\n if (error) {\n if ([error.domain isEqualToString:@\"com.firebase.functions\"]) {\n FIRFunctionsErrorCode code = error.code;\n NSString *message = error.localizedDescription;\n NSObject *details = error.userInfo[@\"details\"];\n }\n // ...\n }\n // Function completed succesfully\n // Get information about labeled objects\n\n }];\n\n3. Get information about labeled objects If the image labeling operation succeeds, a JSON response of [BatchAnnotateImagesResponse](https://cloud.google.com/vision/docs/reference/rest/v1/BatchAnnotateImagesResponse) will be returned in the task's result. Each object in the `labelAnnotations` array represents something that was labeled in the image. For each label, you can get the label's text description, its [Knowledge Graph entity ID](https://developers.google.com/knowledge-graph/) (if available), and the confidence score of the match. For example:\n\n\u003cbr /\u003e\n\nSwift \n\n if let labelArray = (result?.data as? [String: Any])?[\"labelAnnotations\"] as? [[String:Any]] {\n for labelObj in labelArray {\n let text = labelObj[\"description\"]\n let entityId = labelObj[\"mid\"]\n let confidence = labelObj[\"score\"]\n }\n }\n\nObjective-C \n\n NSArray *labelArray = result.data[@\"labelAnnotations\"];\n for (NSDictionary *labelObj in labelArray) {\n NSString *text = labelObj[@\"description\"];\n NSString *entityId = labelObj[@\"mid\"];\n NSNumber *confidence = labelObj[@\"score\"];\n }"]]
