Android पर एमएल किट की मदद से इमेज में मौजूद टेक्स्ट की पहचान करना

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

आप एमएल किट का इस्तेमाल करके इमेज या वीडियो में दिए गए टेक्स्ट को पहचान सकते हैं, जैसे कि स्ट्रीट साइन का टेक्स्ट. इस सुविधा की मुख्य विशेषताएं ये हैं:

टेक्स्ट की पहचान करने की सुविधा का एपीआई
जानकारीइमेज या वीडियो में लैटिन स्क्रिप्ट वाले टेक्स्ट को पहचानें.
लाइब्रेरी का नामcom.google.android.gms:play-services-mlkit-text-recognition
लागू करनाGoogle Play सेवाओं के ज़रिए लाइब्रेरी डाइनैमिक तौर पर डाउनलोड की जाती है.
ऐप्लिकेशन के साइज़ पर असर260 केबी
शुरू होने का समयलाइब्रेरी को पहली बार इस्तेमाल करने से पहले डाउनलोड करने के लिए इंतज़ार करना पड़ सकता है.
परफ़ॉर्मेंसज़्यादातर डिवाइसों पर रीयल-टाइम में जानकारी मिलती है.

टेक्स्ट की पहचान करने की सुविधा के एपीआई में, एक ऐसी बंडल लाइब्रेरी का इस्तेमाल किया जाता है जिसे डाउनलोड करना ज़रूरी है. ऐप्लिकेशन इंस्टॉल होने पर या उसे पहली बार लॉन्च करने पर या Google Play सेवाओं के ज़रिए ModuleInstallClient API डाउनलोड करके, आप यह डाउनलोड कर सकते हैं. कई मामलों में दूसरे Android ऐप्लिकेशन ने भी पहले ही यह चरण पूरा कर लिया होगा. ऐसे में, एपीआई तुरंत उपलब्ध हो जाता है.

शुरू करने से पहले

  1. अपने प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, पक्का करें कि आपके buildscript और allprojects, दोनों सेक्शन में Google का Maven डेटा स्टोर किया गया हो.
  2. अपने मॉड्यूल में मौजूद एमएल किट Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें जो आम तौर पर app/build.gradle होती है:
    dependencies {
      // ...
    
      implementation 'com.google.android.gms:play-services-mlkit-text-recognition:18.0.2'
    }
    
  3. ज़रूरी नहीं, लेकिन सुझाया गया: Play Store से ऐप्लिकेशन इंस्टॉल किए जाने के बाद, ऐप्लिकेशन को अपने-आप डिवाइस पर एमएल मॉडल डाउनलोड करने के लिए कॉन्फ़िगर किया जा सकता है. ऐसा करने के लिए, अपने ऐप्लिकेशन की AndroidManifest.xml फ़ाइल में यह एलान जोड़ें:

    <application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="ocr" />
      <!-- To use multiple models: android:value="ocr,model2,model3" -->
    </application>
    
    अगर आप इंस्टॉल के समय के मॉडल को डाउनलोड करने की सुविधा चालू नहीं करते हैं, तो आपके डिवाइस पर पहली बार मॉडल डिटेक्टर चलाने पर मॉडल डाउनलोड हो जाएगा. डाउनलोड पूरा होने से पहले किए गए अनुरोधों की वजह से, कोई नतीजा नहीं मिलेगा.

1. TextRecognizer का इंस्टेंस बनाएं

TextRecognizer का एक इंस्टेंस बनाएं:

Kotlin

val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)

Java

TextRecognizer recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS);

2. इनपुट इमेज तैयार करें

किसी इमेज में मौजूद टेक्स्ट की पहचान करने के लिए, Bitmap, media.Image, ByteBuffer, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल से InputImage ऑब्जेक्ट बनाएं. इसके बाद, InputImage ऑब्जेक्ट को TextRecognizer's processImage के तरीके से पास करें.

अलग-अलग सोर्स से InputImage ऑब्जेक्ट बनाया जा सकता है. हर ऑब्जेक्ट के बारे में यहां बताया गया है.

media.Image का इस्तेमाल करके

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, जैसे जब आप किसी डिवाइस के कैमरे से इमेज कैप्चर करते हैं, तो media.Image ऑब्जेक्ट और इमेज के व्यू को InputImage.fromMediaImage() पर घुमाएं.

अगर आप CameraX लाइब्रेरी का इस्तेमाल करते हैं, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लास आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं.

Kotlin

private class YourImageAnalyzer : ImageAnalysis.Analyzer {

    override fun analyze(imageProxy: ImageProxy) {
        val mediaImage = imageProxy.image
        if (mediaImage != null) {
            val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
            // Pass image to an ML Kit Vision API
            // ...
        }
    }
}

Java

private class YourAnalyzer implements ImageAnalysis.Analyzer {

    @Override
    public void analyze(ImageProxy imageProxy) {
        Image mediaImage = imageProxy.getImage();
        if (mediaImage != null) {
          InputImage image =
                InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees());
          // Pass image to an ML Kit Vision API
          // ...
        }
    }
}

अगर आप ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं करते हैं जो आपको इमेज और इमेज की घुमाव डिग्री देती है, तो आप डिवाइस की मदद से, डिवाइस की कैमरा डिग्री और कैमरे के सेंसर की ओरिएंटेशन का पता लगा सकते हैं:

Kotlin

private val ORIENTATIONS = SparseIntArray()

init {
    ORIENTATIONS.append(Surface.ROTATION_0, 0)
    ORIENTATIONS.append(Surface.ROTATION_90, 90)
    ORIENTATIONS.append(Surface.ROTATION_180, 180)
    ORIENTATIONS.append(Surface.ROTATION_270, 270)
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    val deviceRotation = activity.windowManager.defaultDisplay.rotation
    var rotationCompensation = ORIENTATIONS.get(deviceRotation)

    // Get the device's sensor orientation.
    val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager
    val sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION)!!

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360
    }
    return rotationCompensation
}

Java

private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
    ORIENTATIONS.append(Surface.ROTATION_0, 0);
    ORIENTATIONS.append(Surface.ROTATION_90, 90);
    ORIENTATIONS.append(Surface.ROTATION_180, 180);
    ORIENTATIONS.append(Surface.ROTATION_270, 270);
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing)
        throws CameraAccessException {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
    int rotationCompensation = ORIENTATIONS.get(deviceRotation);

    // Get the device's sensor orientation.
    CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE);
    int sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION);

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360;
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360;
    }
    return rotationCompensation;
}

इसके बाद, media.Image ऑब्जेक्ट और रोटेशन डिग्री वैल्यू को InputImage.fromMediaImage() पर पास करें:

Kotlin

val image = InputImage.fromMediaImage(mediaImage, rotation)

Java

InputImage image = InputImage.fromMediaImage(mediaImage, rotation);

फ़ाइल यूआरआई का इस्तेमाल करना

फ़ाइल यूआरआई से InputImage ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() में पास करें. यह तब फ़ायदेमंद होता है, जब आप ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता को उनकी गैलरी के ऐप्लिकेशन से कोई इमेज चुनने के लिए कहते हैं.

Kotlin

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}

Java

InputImage image;
try {
    image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}

ByteBuffer या ByteArray का इस्तेमाल करके

InputImage ऑब्जेक्ट को ByteBuffer या ByteArray से बनाने के लिए, पहले इमेज रोटेशन का हिसाब लगाएं, जैसा कि media.Image इनपुट के लिए पहले बताया गया है. इसके बाद, बफ़र या अरे के साथ इमेज और # ऊंचाई, चौड़ाई, रंग एन्कोडिंग फ़ॉर्मैट, और घुमाव डिग्री के साथ InputImage ऑब्जेक्ट बनाएं:

Kotlin

val image = InputImage.fromByteBuffer(
        byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
// Or:
val image = InputImage.fromByteArray(
        byteArray,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)

Java

InputImage image = InputImage.fromByteBuffer(byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);
// Or:
InputImage image = InputImage.fromByteArray(
        byteArray,
        /* image width */480,
        /* image height */360,
        rotation,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);

Bitmap का इस्तेमाल करके

Bitmap ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, यह एलान करें:

Kotlin

val image = InputImage.fromBitmap(bitmap, 0)

Java

InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);

इमेज को घूमने के डिग्री के साथ Bitmap ऑब्जेक्ट से दिखाया जाता है.

3. इमेज को प्रोसेस करें

इमेज को process तरीके से पास करें:

Kotlin

val result = recognizer.process(image)
        .addOnSuccessListener { visionText ->
            // Task completed successfully
            // ...
        }
        .addOnFailureListener { e ->
            // Task failed with an exception
            // ...
        }

Java

Task<Text> result =
        recognizer.process(image)
                .addOnSuccessListener(new OnSuccessListener<Text>() {
                    @Override
                    public void onSuccess(Text visionText) {
                        // Task completed successfully
                        // ...
                    }
                })
                .addOnFailureListener(
                        new OnFailureListener() {
                            @Override
                            public void onFailure(@NonNull Exception e) {
                                // Task failed with an exception
                                // ...
                            }
                        });

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

टेक्स्ट की पहचान करने वाली कार्रवाई सफल होने पर, Text ऑब्जेक्ट को सक्सेस लिसनर के पास पास किया जाता है. Text ऑब्जेक्ट में, इमेज में पूरा पूरा टेक्स्ट और शून्य या उससे ज़्यादा TextBlock ऑब्जेक्ट होते हैं.

हर TextBlock टेक्स्ट के एक आयताकार ब्लॉक के बारे में बताता है, जिसमें शून्य या उससे ज़्यादा Line ऑब्जेक्ट होते हैं. हर Line ऑब्जेक्ट, टेक्स्ट की एक लाइन को दिखाता है, जिसमें शून्य या ज़्यादा Element ऑब्जेक्ट होते हैं. हर Element ऑब्जेक्ट, कोई शब्द या शब्द जैसी इकाई दिखाता है. इसमें शून्य या उससे ज़्यादा Symbol ऑब्जेक्ट होते हैं. हर Symbol ऑब्जेक्ट एक वर्ण, अंक या शब्द जैसी इकाई को दिखाता है.

हर TextBlock, Line, Element और Symbol ऑब्जेक्ट के लिए, आप क्षेत्र में पहचाना गया टेक्स्ट पा सकते हैं, क्षेत्र के बाउंडिंग कोऑर्डिनेट और कॉन्फ़िडेंस स्कोर जैसे कई दूसरे एट्रिब्यूट पा सकते हैं.

उदाहरण के लिए:

Kotlin

val resultText = result.text
for (block in result.textBlocks) {
    val blockText = block.text
    val blockCornerPoints = block.cornerPoints
    val blockFrame = block.boundingBox
    for (line in block.lines) {
        val lineText = line.text
        val lineCornerPoints = line.cornerPoints
        val lineFrame = line.boundingBox
        for (element in line.elements) {
            val elementText = element.text
            val elementCornerPoints = element.cornerPoints
            val elementFrame = element.boundingBox
        }
    }
}

Java

String resultText = result.getText();
for (Text.TextBlock block : result.getTextBlocks()) {
    String blockText = block.getText();
    Point[] blockCornerPoints = block.getCornerPoints();
    Rect blockFrame = block.getBoundingBox();
    for (Text.Line line : block.getLines()) {
        String lineText = line.getText();
        Point[] lineCornerPoints = line.getCornerPoints();
        Rect lineFrame = line.getBoundingBox();
        for (Text.Element element : line.getElements()) {
            String elementText = element.getText();
            Point[] elementCornerPoints = element.getCornerPoints();
            Rect elementFrame = element.getBoundingBox();
            for (Text.Symbol symbol : element.getSymbols()) {
                String symbolText = symbol.getText();
                Point[] symbolCornerPoints = symbol.getCornerPoints();
                Rect symbolFrame = symbol.getBoundingBox();
            }
        }
    }
}

इनपुट इमेज के लिए दिशा-निर्देश

  • टेक्स्ट को सही तरीके से पहचानने के लिए, एमएल किट में ऐसा टेक्स्ट होना चाहिए जो ज़रूरी पिक्सल डेटा से दिखाया गया हो. आम तौर पर, हर वर्ण कम से कम 16x16 पिक्सल का होना चाहिए. आम तौर पर, 24x24 पिक्सल से बड़े वर्ण इस्तेमाल करने के लिए, सटीक जानकारी उपलब्ध नहीं होती है.

    इसलिए, उदाहरण के लिए, 640x480 डिग्री वाली इमेज उस बिज़नेस कार्ड को स्कैन करने के लिए अच्छा काम कर सकती है जिसमें इमेज की पूरी चौड़ाई होती है. लेटर-साइज़ के पेपर पर प्रिंट किए गए दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सल की इमेज की ज़रूरत पड़ सकती है.

  • इमेज का खराब फ़ोकस, टेक्स्ट की पहचान के सटीक होने पर असर डाल सकता है. अगर आपको स्वीकार किए जाने वाले नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता से इमेज को फिर से लोड करने के लिए कहें.

  • अगर आप रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान कर रहे हैं, तो आपको इनपुट इमेज के सभी डाइमेंशन को ध्यान में रखना चाहिए. छोटी इमेज तेज़ी से प्रोसेस की जा सकती हैं. इंतज़ार का समय कम करने के लिए, पक्का करें कि टेक्स्ट के साथ इमेज ज़्यादा से ज़्यादा शामिल हो. साथ ही, इमेज को कम रिज़ॉल्यूशन में कैप्चर करें (ध्यान रखें कि ऊपर बताई गई सटीक जानकारी का इस्तेमाल किया जाए). ज़्यादा जानकारी के लिए, परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह देखें.

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

  • अगर Camera या camera2 एपीआई का इस्तेमाल किया जा रहा है, तो पहचान करने वालों को थ्रॉटल करें. अगर पहचान करने वाले की सुविधा चालू होने पर, कोई नया वीडियो फ़्रेम उपलब्ध होता है, तो फ़्रेम को छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
  • अगर आप CameraX एपीआई का इस्तेमाल करते हैं, तो पक्का करें कि बैकप्रेस रणनीति को डिफ़ॉल्ट वैल्यू ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST पर सेट किया गया है. यह गारंटी देता है कि एक बार में विश्लेषण के लिए सिर्फ़ एक इमेज डिलीवर की जाएगी. अगर एनालिस्ट के व्यस्त होने पर ज़्यादा इमेज बनाई जाती हैं, तो उन्हें अपने-आप छोड़ दिया जाएगा और उन्हें डिलीवरी के लिए सूची में नहीं रखा जाएगा. जब इमेज का विश्लेषण किया जा रहा हो, तो ImageProxy. Close() को कॉल करके बंद कर दिया जाता है. इसके बाद, अगली नई इमेज डिलीवर हो जाती है.
  • अगर आप इनपुट इमेज पर ग्राफ़िक दिखाने के लिए पहचानकर्ता का इस्तेमाल करते हैं, तो पहले एमएल किट से नतीजा पाएं. इसके बाद, एक ही चरण में इमेज और ओवरले को रेंडर करें. यह डिसप्ले के हर फ़्रेम के लिए, डिसप्ले प्लैटफ़ॉर्म को सिर्फ़ एक बार रेंडर करता है. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
  • अगर आप Camera2 एपीआई का इस्तेमाल करते हैं, तो इमेज को ImageFormat.YUV_420_888 फ़ॉर्मैट में कैप्चर करें. अगर आप पुराने Camera API का इस्तेमाल करते हैं, तो इमेज को ImageFormat.NV21 फ़ॉर्मैट में कैप्चर करें.
  • कम रिज़ॉल्यूशन वाली इमेज कैप्चर करें. हालांकि, इस एपीआई की इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तों को भी ध्यान में रखें.