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

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

एमएल किट का इस्तेमाल, इमेज या वीडियो में मौजूद टेक्स्ट की पहचान करने के लिए किया जा सकता है. जैसे, स्ट्रीट साइन का टेक्स्ट. इस सुविधा की मुख्य विशेषताएं ये हैं:

यह एपीआई या तो ऐसी बंडल की गई लाइब्रेरी का इस्तेमाल करके उपलब्ध है जिसे इस्तेमाल करने से पहले डाउनलोड करना ज़रूरी है. इसके अलावा, आप बंडल की गई किसी लाइब्रेरी का भी इस्तेमाल कर सकते हैं, जो आपके ऐप्लिकेशन का साइज़ बढ़ाती है. इंस्टॉल करने के दो विकल्पों के बीच के फ़र्क़ के बारे में ज़्यादा जानने के लिए, यह गाइड देखें.

सुविधा	बंडल से बाहर किया गया	बंडल किए गए
लाइब्रेरी का नाम	com.google.android.gms:play-services-mlkit-text-recognition com.google.android.gms:play-services-mlkit-text-recognition-chinese com.google.android.gms:play-services-mlkit-text-recognition-devanagari com.google.android.gms:play-services-mlkit-text-recognition-japanese com.google.android.gms:play-services-mlkit-text-recognition-korean	com.google.mlkit:text-recognition com.google.mlkit:text-recognition-chinese com.google.mlkit:text-recognition-devanagari com.google.mlkit:text-recognition-japanese com.google.mlkit:text-recognition-korean
लागू करने का तरीका	मॉडल को Google Play services से डाइनैमिक तौर पर डाउनलोड किया जाता है.	बिल्ड के समय मॉडल, आपके ऐप्लिकेशन से स्टैटिक रूप से लिंक होता है.
ऐप्लिकेशन का साइज़	हर स्क्रिप्ट आर्किटेक्चर के हिसाब से करीब 260 केबी का साइज़ बढ़ सकता है.	हर स्क्रिप्ट के लिए, हर आर्किटेक्चर में करीब 4 एमबी की फ़ाइल का साइज़ बढ़ाना.
शुरू होने का समय	पहली बार इस्तेमाल करने से पहले मॉडल के डाउनलोड होने का इंतज़ार करना पड़ सकता है.	मॉडल तुरंत उपलब्ध है.
परफ़ॉर्मेंस	लैटिन स्क्रिप्ट लाइब्रेरी के लिए ज़्यादातर डिवाइसों पर रीयल-टाइम, अन्य डिवाइसों के लिए धीमा.	लैटिन स्क्रिप्ट लाइब्रेरी के लिए ज़्यादातर डिवाइसों पर रीयल-टाइम, अन्य डिवाइसों के लिए धीमा.

इसे आज़माएं

इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, सैंपल ऐप्लिकेशन पर जाएं.
कोडलैब की मदद से, खुद कोड आज़माकर देखें.

शुरू करने से पहले

इस एपीआई के लिए, Android एपीआई लेवल 21 या उसके बाद का वर्शन ज़रूरी है. पक्का करें कि आपके ऐप्लिकेशन की बिल्ड फ़ाइल, 21 या उससे ज़्यादा की minSdkVersion वैल्यू का इस्तेमाल करती हो.

प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, अपने buildscript और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी शामिल करना न भूलें.

ML Kit की Android लाइब्रेरी के लिए, अपने मॉड्यूल के ऐप्लिकेशन-लेवल की ग्रेडल फ़ाइल में डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल app/build.gradle होती है:

अपने ऐप्लिकेशन से मॉडल को बंडल करने के लिए:

dependencies {
  // To recognize Latin script
  implementation 'com.google.mlkit:text-recognition:16.0.0'

  // To recognize Chinese script
  implementation 'com.google.mlkit:text-recognition-chinese:16.0.0'

  // To recognize Devanagari script
  implementation 'com.google.mlkit:text-recognition-devanagari:16.0.0'

  // To recognize Japanese script
  implementation 'com.google.mlkit:text-recognition-japanese:16.0.0'

  // To recognize Korean script
  implementation 'com.google.mlkit:text-recognition-korean:16.0.0'
}

Google Play services में मॉडल इस्तेमाल करने के लिए:

dependencies {
  // To recognize Latin script
  implementation 'com.google.android.gms:play-services-mlkit-text-recognition:19.0.0'

  // To recognize Chinese script
  implementation 'com.google.android.gms:play-services-mlkit-text-recognition-chinese:16.0.0'

  // To recognize Devanagari script
  implementation 'com.google.android.gms:play-services-mlkit-text-recognition-devanagari:16.0.0'

  // To recognize Japanese script
  implementation 'com.google.android.gms:play-services-mlkit-text-recognition-japanese:16.0.0'

  // To recognize Korean script
  implementation 'com.google.android.gms:play-services-mlkit-text-recognition-korean:16.0.0'
}

अगर Google Play Services में इस मॉडल को इस्तेमाल किया जाता है, तो Play Store से ऐप्लिकेशन इंस्टॉल होने के बाद, ऐप्लिकेशन को इस तरह से कॉन्फ़िगर किया जा सकता है कि वह डिवाइस पर अपने-आप डाउनलोड हो जाए. 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" >
      
</application>
```
आपके पास मॉडल की उपलब्धता की जानकारी देखने और उसे डाउनलोड करने का अनुरोध करने का विकल्प भी है. इसके लिए, Google Play services ModuleInstallClient API का इस्तेमाल करें. अगर इंस्टॉल-टाइम मॉडल डाउनलोड करने की सुविधा चालू नहीं की जाती है या अश्लील डाउनलोड का अनुरोध नहीं किया जाता है, तो पहली बार स्कैनर चलाने पर मॉडल डाउनलोड हो जाता है. डाउनलोड पूरा होने से पहले किए गए अनुरोधों का कोई नतीजा नहीं मिलता.

1. `TextRecognizer` का एक इंस्टेंस बनाएं

आपने जिस लाइब्रेरी पर डिपेंडेंसी बताई है उसके विकल्पों को पास करते हुए, TextRecognizer का एक इंस्टेंस बनाएं:

Kotlin

// When using Latin script library
val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)

// When using Chinese script library
val recognizer = TextRecognition.getClient(ChineseTextRecognizerOptions.Builder().build())

// When using Devanagari script library
val recognizer = TextRecognition.getClient(DevanagariTextRecognizerOptions.Builder().build())

// When using Japanese script library
val recognizer = TextRecognition.getClient(JapaneseTextRecognizerOptions.Builder().build())

// When using Korean script library
val recognizer = TextRecognition.getClient(KoreanTextRecognizerOptions.Builder().build())

Java

// When using Latin script library
TextRecognizer recognizer =
  TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS);

// When using Chinese script library
TextRecognizer recognizer =
  TextRecognition.getClient(new ChineseTextRecognizerOptions.Builder().build());

// When using Devanagari script library
TextRecognizer recognizer =
  TextRecognition.getClient(new DevanagariTextRecognizerOptions.Builder().build());

// When using Japanese script library
TextRecognizer recognizer =
  TextRecognition.getClient(new JapaneseTextRecognizerOptions.Builder().build());

// When using Korean script library
TextRecognizer recognizer =
  TextRecognition.getClient(new KoreanTextRecognizerOptions.Builder().build());

2. इनपुट इमेज तैयार करना

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 के processImage तरीके में पास करें.

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

`media.Image` का इस्तेमाल करना

किसी media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, जैसे कि डिवाइस के कैमरे से इमेज कैप्चर करने पर, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() पर पास करें.

अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, 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 की रोटेशन डिग्री देती है, तो आप इसकी गणना डिवाइस की रोटेशन डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन से कर 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
}MLKitVisionImage.kt

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)MLKitVisionImage.kt

Java

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

फ़ाइल यूआरआई का इस्तेमाल करना

किसी फ़ाइल यूआरआई से InputImage ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन का कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() पर पास करें. यह तब काम आता है, जब ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से उनके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध किया जाता है.

Kotlin

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

Java

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

`ByteBuffer` या `ByteArray` का इस्तेमाल करना

किसी ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज के रोटेशन की डिग्री का हिसाब लगाएं, जैसा कि media.Image इनपुट के लिए पहले बताया गया था. इसके बाद, बफ़र या अरे की मदद से InputImage ऑब्जेक्ट बनाएं. इसके लिए, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग, और रोटेशन डिग्री का इस्तेमाल करें:

Kotlin

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

Java

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

`Bitmap` का इस्तेमाल करना

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

Kotlin

val image = InputImage.fromBitmap(bitmap, 0)MLKitVisionImage.kt

Java

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

इमेज को Bitmap ऑब्जेक्ट के ज़रिए रोटेशन डिग्री के साथ दिखाया गया है.

3. इमेज 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
            // ...
        }TextRecognitionActivity.kt

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
                                // ...
                            }
                        });TextRecognitionActivity.java

ध्यान दें: अगर CameraX एपीआई का इस्तेमाल किया जा रहा है, तो ImageProxy का इस्तेमाल पूरा होने पर उसे बंद करना न भूलें. उदाहरण के लिए,process तरीके से लौटाए गए Task में OnCompleteListener जोड़कर. उदाहरण के लिए, VisionProcessorBase क्विकस्टार्ट ऐप्लिकेशन में क्लास देखें.

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

अगर टेक्स्ट की पहचान कर ली जाती है, तो सक्सेस लिसनर को Text ऑब्जेक्ट भेजा जाता है. Text ऑब्जेक्ट में, इमेज में पहचाना गया पूरा टेक्स्ट होता है. साथ ही, शून्य या उससे ज़्यादा TextBlock ऑब्जेक्ट होते हैं.

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

हर एक TextBlock, Line, Element, और Symbol ऑब्जेक्ट के लिए, क्षेत्र में टेक्स्ट की पहचान की जा सकती है, क्षेत्र के बाउंडिंग कोऑर्डिनेट, और कई दूसरे एट्रिब्यूट, जैसे कि रोटेशन की जानकारी, कॉन्फ़िडेंस स्कोर वगैरह की पहचान की जा सकती है.

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
        }
    }
}TextRecognitionActivity.kt

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();
            }
        }
    }
}TextRecognitionActivity.java

इनपुट इमेज के लिए दिशा-निर्देश

ML किट सही से टेक्स्ट की पहचान कर सके, इसके लिए इनपुट इमेज में ऐसा टेक्स्ट होना चाहिए जिसे काफ़ी 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 वर्णों को ज़्यादा सटीक बनाने का कोई फ़ायदा नहीं होता.

उदाहरण के लिए, एक 640x480 साइज़ की इमेज, एक ऐसे बिज़नेस कार्ड को स्कैन कर सकती है जो इमेज की पूरी चौड़ाई का इस्तेमाल करे. लेटर साइज़ के पेपर पर प्रिंट किए गए दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सल की इमेज की ज़रूरत पड़ सकती है.
खराब इमेज फ़ोकस, टेक्स्ट की पहचान के सटीक होने पर असर डाल सकता है. अगर आपको सही नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता से इमेज को फिर से कैप्चर करने के लिए कहें.
अगर रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान की जा रही है, तो इनपुट इमेज के सभी डाइमेंशन को ध्यान में रखें. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इंतज़ार का समय कम करने के लिए, पक्का करें कि टेक्स्ट, इमेज का ज़्यादा से ज़्यादा हिस्सा इस्तेमाल करे. साथ ही, कम रिज़ॉल्यूशन वाली इमेज कैप्चर करें. इस बात को ध्यान में रखते हुए कि टेक्स्ट कितनी सटीक है ज़्यादा जानकारी के लिए, परफ़ॉर्मेंस 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 डिटेक्टर को कॉल थ्रॉटल करें. अगर डिटेक्टर के चालू होने के दौरान, कोई नया वीडियो फ़्रेम उपलब्ध हो, तो फ़्रेम को छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
अगर CameraX एपीआई का इस्तेमाल किया जाता है, तो पक्का करें कि बैकप्रेशर रणनीति की वैल्यू, ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST डिफ़ॉल्ट वैल्यू पर सेट हो. इससे यह गारंटी मिलती है कि एक बार में विश्लेषण के लिए सिर्फ़ एक इमेज ही डिलीवर की जाएगी. अगर ऐनालाइज़र के व्यस्त होने पर और इमेज बनाई जाती हैं, तो उन्हें अपने-आप हटा दिया जाएगा और डिलीवरी के लिए सूची में नहीं रखा जाएगा. जिस इमेज की जांच की जा रही है उसे Imageप्रॉक्सी.close() को कॉल करके बंद करने के बाद, अगली सबसे नई इमेज डिलीवर की जाएगी.
अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो सबसे पहले एमएल किट से नतीजा पाएं. इसके बाद, एक ही चरण में इमेज और ओवरले को रेंडर करें. यह हर इनपुट फ़्रेम के लिए, डिसप्ले प्लैटफ़ॉर्म पर सिर्फ़ एक बार रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
अगर Camera2 एपीआई का इस्तेमाल किया जा रहा है, तो ImageFormat.YUV_420_888 फ़ॉर्मैट में इमेज कैप्चर करें. अगर पुराने Camera API का इस्तेमाल किया जा रहा है, तो इमेज को ImageFormat.NV21 फ़ॉर्मैट में कैप्चर करें.
इससे कम रिज़ॉल्यूशन वाली इमेज कैप्चर की जा सकती हैं. हालांकि, इस एपीआई की इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तों का भी ध्यान रखें.

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

इसे आज़माएं

शुरू करने से पहले

1. TextRecognizer का एक इंस्टेंस बनाएं

Kotlin

Java

2. इनपुट इमेज तैयार करना

media.Image का इस्तेमाल करना

Kotlin

Java

Kotlin

Java

Kotlin

Java

फ़ाइल यूआरआई का इस्तेमाल करना

Kotlin

Java

ByteBuffer या ByteArray का इस्तेमाल करना

Kotlin

Java

Bitmap का इस्तेमाल करना

Kotlin

Java

3. इमेज प्रोसेस करें

Kotlin

Java

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

Kotlin

Java

इनपुट इमेज के लिए दिशा-निर्देश

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

1. `TextRecognizer` का एक इंस्टेंस बनाएं

`media.Image` का इस्तेमाल करना

`ByteBuffer` या `ByteArray` का इस्तेमाल करना

`Bitmap` का इस्तेमाल करना