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

अपने ऐप्लिकेशन से Google Cloud API को कॉल करने के लिए, आपको एक इंटरमीडिएट REST API बनाना होगा. यह API, अनुमति देने की प्रोसेस को मैनेज करता है और एपीआई पासकोड जैसी सीक्रेट वैल्यू को सुरक्षित रखता है. इसके बाद, आपको अपने मोबाइल ऐप्लिकेशन में कोड लिखना होगा, ताकि इस इंटरमीडिएट सेवा को पुष्टि की जा सके और इससे कम्यूनिकेट किया जा सके.

इस REST API को बनाने का एक तरीका है कि Firebase Authentication और Functions का इस्तेमाल किया जाए. इससे आपको Google Cloud API के लिए, मैनेज किया गया सर्वरलेस गेटवे मिलता है. यह गेटवे, अनुमति देने की प्रोसेस को मैनेज करता है और इसे पहले से बने एसडीके की मदद से, आपके मोबाइल ऐप्लिकेशन से कॉल किया जा सकता है.

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

शुरू करने से पहले

अपना प्रोजेक्ट कॉन्फ़िगर करना

Firebase की डिपेंडेंसी इंस्टॉल और मैनेज करने के लिए, Swift Package Manager का इस्तेमाल करें.

1. Xcode में, अपने ऐप्लिकेशन का प्रोजेक्ट खोलें. इसके बाद, फ़ाइल > पैकेज जोड़ें पर जाएं.
2. पूछे जाने पर, Firebase Apple प्लैटफ़ॉर्म एसडीके का रिपॉज़िटरी जोड़ें:

  https://github.com/firebase/firebase-ios-sdk.git

3. Firebase ML लाइब्रेरी चुनें.
4. अपने टारगेट की बिल्ड सेटिंग के Other Linker Flags सेक्शन में, -ObjC फ़्लैग जोड़ें.
5. इसके बाद, Xcode आपकी डिपेंडेंसी से जुड़ी समस्या को हल करना शुरू कर देगा और उन्हें बैकग्राउंड में डाउनलोड करेगा.

इसके बाद, ऐप्लिकेशन में सेटअप से जुड़े कुछ काम करें:

1. अपने ऐप्लिकेशन में, Firebase इंपोर्ट करें:

   Swift

   import FirebaseMLModelDownloader

   Objective-C

   @import FirebaseMLModelDownloader;

कुछ और कॉन्फ़िगरेशन के चरण पूरे करने के बाद, हम आगे बढ़ सकते हैं:

1. अगर आपने अपने प्रोजेक्ट के लिए, क्लाउड पर आधारित एपीआई अब तक चालू नहीं किए हैं, तो उन्हें अभी चालू करें:

   1. Firebase कंसोल में, Firebase ML API वाला पेज खोलें.

   2. अगर आपने अपने प्रोजेक्ट को, इस्तेमाल के हिसाब से पैसे चुकाने वाले Blaze प्लान पर अपग्रेड नहीं किया है, तो ऐसा करने के लिए, अपग्रेड करें पर क्लिक करें. (आपको अपग्रेड करने के लिए सिर्फ़ तब कहा जाएगा, जब आपका प्रोजेक्ट Blaze प्लान पर नहीं होगा.)

      सिर्फ़ Blaze प्लान वाले प्रोजेक्ट, क्लाउड पर आधारित एपीआई का इस्तेमाल कर सकते हैं.

   3. अगर क्लाउड पर आधारित एपीआई पहले से चालू नहीं हैं, तो क्लाउड पर आधारित एपीआई चालू करें पर क्लिक करें.
2. अपने मौजूदा Firebase API पासकोड को इस तरह कॉन्फ़िगर करें कि Cloud Vision API को ऐक्सेस न किया जा सके:
   1. Cloud Console का क्रेडेंशियल पेज खोलें.
   2. सूची में मौजूद हर एपीआई पासकोड के लिए, बदलाव करने वाला व्यू खोलें. इसके बाद, Key Restrictions सेक्शन में, सूची में मौजूद सभी एपीआई जोड़ें. हालांकि, इसमें Cloud Vision API को शामिल न करें.

कॉल किए जा सकने वाले फ़ंक्शन को डिप्लॉय करना

इसके बाद, Cloud Function को डिप्लॉय करें. इसका इस्तेमाल, अपने ऐप्लिकेशन और Cloud Vision API के बीच ब्रिज बनाने के लिए किया जाएगा. functions-samples रिपॉज़िटरी में, एक उदाहरण दिया गया है . इसका इस्तेमाल किया जा सकता है.

डिफ़ॉल्ट रूप से, इस फ़ंक्शन के ज़रिए Cloud Vision API को ऐक्सेस करने पर, सिर्फ़ आपके ऐप्लिकेशन के पुष्टि किए गए उपयोगकर्ता ही Cloud Vision API को ऐक्सेस कर पाएंगे. अलग-अलग ज़रूरतों के हिसाब से, फ़ंक्शन में बदलाव किया जा सकता है.

फ़ंक्शन को डिप्लॉय करने के लिए:

1. functions-samples repo को क्लोन करें या डाउनलोड करें. इसके बाद, Node-1st-gen/vision-annotate-image डायरेक्ट्री पर जाएं:

   git clone https://github.com/firebase/functions-samples
   cd Node-1st-gen/vision-annotate-image
   

2. डिपेंडेंसी इंस्टॉल करें:

   cd functions
   npm install
   cd ..

3. अगर आपके पास Firebase CLI नहीं है, तो इसे इंस्टॉल करें.
4. vision-annotate-image डायरेक्ट्री में, Firebase प्रोजेक्ट को शुरू करें. पूछे जाने पर, सूची में अपना प्रोजेक्ट चुनें.

   firebase init

5. फ़ंक्शन को डिप्लॉय करें:

   firebase deploy --only functions:annotateImage

अपने ऐप्लिकेशन में Firebase Auth जोड़ना

ऊपर डिप्लॉय किया गया कॉल किया जा सकने वाला फ़ंक्शन, आपके ऐप्लिकेशन के उन उपयोगकर्ताओं के किसी भी अनुरोध को अस्वीकार कर देगा जिनकी पुष्टि नहीं की गई है. अगर आपने ऐसा नहीं किया है, तो आपको अपने ऐप्लिकेशन में Firebase Auth जोड़ना होगा.

अपने ऐप्लिकेशन में ज़रूरी डिपेंडेंसी जोड़ना

Cloud Functions for Firebase लाइब्रेरी इंस्टॉल करने के लिए, Swift Package Manager का इस्तेमाल करें.

अब इमेज में टेक्स्ट की पहचान की जा सकती है.

1. इनपुट इमेज तैयार करना

guard let imageData = uiImage.jpegData(compressionQuality: 1.0) else { return }
let base64encodedImage = imageData.base64EncodedString()

NSData *imageData = UIImageJPEGRepresentation(uiImage, 1.0f);
NSString *base64encodedImage =
  [imageData base64EncodedStringWithOptions:NSDataBase64Encoding76CharacterLineLength];

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

1. सबसे पहले, Cloud Functions का कोई इंस्टेंस शुरू करें:

   Swift

   lazy var functions = Functions.functions()
   

   Objective-C

   @property(strong, nonatomic) FIRFunctions *functions;
   

2. अनुरोध बनाएं. Cloud Vision API, टेक्स्ट की पहचान करने के दो टाइप की सुविधा देता है: TEXT_DETECTION और DOCUMENT_TEXT_DETECTION. इन दोनों के इस्तेमाल के उदाहरणों के बीच का अंतर जानने के लिए, Cloud Vision OCR के दस्तावेज़ देखें.

   Swift

   let requestData = [
     "image": ["content": base64encodedImage],
     "features": ["type": "TEXT_DETECTION"],
     "imageContext": ["languageHints": ["en"]]
   ]
   

   Objective-C

   NSDictionary *requestData = @{
     @"image": @{@"content": base64encodedImage},
     @"features": @{@"type": @"TEXT_DETECTION"},
     @"imageContext": @{@"languageHints": @[@"en"]}
   };
   

3. आखिर में, फ़ंक्शन को लागू करें:

   Swift

   do {
     let result = try await functions.httpsCallable("annotateImage").call(requestData)
     print(result)
   } catch {
     if let error = error as NSError? {
       if error.domain == FunctionsErrorDomain {
         let code = FunctionsErrorCode(rawValue: error.code)
         let message = error.localizedDescription
         let details = error.userInfo[FunctionsErrorDetailsKey]
       }
       // ...
     }
   }
   

   Objective-C

   [[_functions HTTPSCallableWithName:@"annotateImage"]
                             callWithObject:requestData
                                 completion:^(FIRHTTPSCallableResult * _Nullable result, NSError * _Nullable error) {
           if (error) {
             if ([error.domain isEqualToString:@"com.firebase.functions"]) {
               FIRFunctionsErrorCode code = error.code;
               NSString *message = error.localizedDescription;
               NSObject *details = error.userInfo[@"details"];
             }
             // ...
           }
           // Function completed succesfully
           // Get information about labeled objects
   
         }];
   

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 मिलेगा. टेक्स्ट के एनोटेशन, fullTextAnnotation ऑब्जेक्ट में देखे जा सकते हैं.

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

let annotation = result.flatMap { $0.data as? [String: Any] }
    .flatMap { $0["fullTextAnnotation"] }
    .flatMap { $0 as? [String: Any] }
guard let annotation = annotation else { return }

if let text = annotation["text"] as? String {
  print("Complete annotation: \(text)")
}

NSDictionary *annotation = result.data[@"fullTextAnnotation"];
if (!annotation) { return; }
NSLog(@"\nComplete annotation:");
NSLog(@"\n%@", annotation[@"text"]);

इमेज के अलग-अलग हिस्सों से जुड़ी जानकारी भी पाई जा सकती है. हर block, paragraph, word, और symbol के लिए, उस हिस्से में पहचाना गया टेक्स्ट और उस हिस्से के बाउंडिंग कोऑर्डिनेट पाए जा सकते हैं. उदाहरण के लिए:

guard let pages = annotation["pages"] as? [[String: Any]] else { return }
for page in pages {
  var pageText = ""
  guard let blocks = page["blocks"] as? [[String: Any]] else { continue }
  for block in blocks {
    var blockText = ""
    guard let paragraphs = block["paragraphs"] as? [[String: Any]] else { continue }
    for paragraph in paragraphs {
      var paragraphText = ""
      guard let words = paragraph["words"] as? [[String: Any]] else { continue }
      for word in words {
        var wordText = ""
        guard let symbols = word["symbols"] as? [[String: Any]] else { continue }
        for symbol in symbols {
          let text = symbol["text"] as? String ?? ""
          let confidence = symbol["confidence"] as? Float ?? 0.0
          wordText += text
          print("Symbol text: \(text) (confidence: \(confidence)%n")
        }
        let confidence = word["confidence"] as? Float ?? 0.0
        print("Word text: \(wordText) (confidence: \(confidence)%n%n")
        let boundingBox = word["boundingBox"] as? [Float] ?? [0.0, 0.0, 0.0, 0.0]
        print("Word bounding box: \(boundingBox.description)%n")
        paragraphText += wordText
      }
      print("%nParagraph: %n\(paragraphText)%n")
      let boundingBox = paragraph["boundingBox"] as? [Float] ?? [0.0, 0.0, 0.0, 0.0]
      print("Paragraph bounding box: \(boundingBox)%n")
      let confidence = paragraph["confidence"] as? Float ?? 0.0
      print("Paragraph Confidence: \(confidence)%n")
      blockText += paragraphText
    }
    pageText += blockText
  }
}

for (NSDictionary *page in annotation[@"pages"]) {
  NSMutableString *pageText = [NSMutableString new];
  for (NSDictionary *block in page[@"blocks"]) {
    NSMutableString *blockText = [NSMutableString new];
    for (NSDictionary *paragraph in block[@"paragraphs"]) {
      NSMutableString *paragraphText = [NSMutableString new];
      for (NSDictionary *word in paragraph[@"words"]) {
        NSMutableString *wordText = [NSMutableString new];
        for (NSDictionary *symbol in word[@"symbols"]) {
          NSString *text = symbol[@"text"];
          [wordText appendString:text];
          NSLog(@"Symbol text: %@ (confidence: %@\n", text, symbol[@"confidence"]);
        }
        NSLog(@"Word text: %@ (confidence: %@\n\n", wordText, word[@"confidence"]);
        NSLog(@"Word bounding box: %@\n", word[@"boundingBox"]);
        [paragraphText appendString:wordText];
      }
      NSLog(@"\nParagraph: \n%@\n", paragraphText);
      NSLog(@"Paragraph bounding box: %@\n", paragraph[@"boundingBox"]);
      NSLog(@"Paragraph Confidence: %@\n", paragraph[@"confidence"]);
      [blockText appendString:paragraphText];
    }
    [pageText appendString:blockText];
  }
}