Recognize Printed Text - Recognize Printed Text

Referencia

Service:: Cognitive Services - Computer Vision

API Version:: 2.1

Az optikai karakterfelismerés (OCR) észleli a képeken lévő szöveget, és a felismert karaktereket egy géppel használható karakterfolyamba nyeri ki. A sikeresség után a rendszer visszaadja az OCR-eredményeket. Hiba esetén a rendszer a hibaüzenettel együtt adja vissza a hibakódot. A hibakód lehet az InvalidImageUrl, InvalidImageFormat, InvalidImageSize, NotSupportedImage, NotSupportedLanguage vagy InternalServerError hibakód.

POST {Endpoint}/vision/v2.1/ocr?detectOrientation={detectOrientation}

With optional parameters:

POST {Endpoint}/vision/v2.1/ocr?detectOrientation={detectOrientation}&language={language}

URI-paraméterek

Name	In	Kötelező	Típus	Description
Endpoint	path	True	string	Támogatott Cognitive Services-végpontok.
detectOrientation	query	True	boolean	Azt jelzi, hogy észleli-e a szöveg tájolását a képen. A detectOrientation=true értékkel az OCR szolgáltatás megpróbálja észlelni a kép tájolását, és javítani a további feldolgozás előtt (például fejjel lefelé).
language	query		OcrLanguages	A képen észlelendő szöveg BCP-47 nyelvi kódja. Az alapértelmezett érték a "unk".

Kérelem fejléce

Name	Kötelező	Típus	Description
Ocp-Apim-Subscription-Key	True	string

Kérelem törzse

Name	Kötelező	Típus	Description
url	True	string	Egy kép nyilvánosan elérhető URL-címe.

Válaszok

Name	Típus	Description
200 OK	OcrResult	Az OCR a régió/sor/szó hierarchiáját eredményezi. Az eredmények közé tartozik a szöveg, a régiók, a vonalak és a szavak határolókerete. Az észlelt szöveg szöge radiánban a legközelebbi vízszintes vagy függőleges irányban. Miután az óramutató járásával megegyező irányban elforgatta a bemeneti képet, a felismert szövegvonalak vízszintessé vagy függőlegessé válnak. A tájolás tulajdonsággal kombinálva a felismerési eredmények megfelelően átfedhetők az eredeti képen, az eredeti kép vagy a felismerés eredményeinek megfelelő szögben az eredeti kép közepe körül elforgatva. Ha a szög nem észlelhető magabiztosan, ez a tulajdonság nem jelenik meg. Ha a kép eltérő szögben tartalmaz szöveget, a rendszer csak a szöveg egy részét ismeri fel megfelelően.
Other Status Codes	ComputerVisionError	Hibaválasz.

Biztonság

Ocp-Apim-Subscription-Key

Type: apiKey
In: header

Példák

Successful RecognizePrintedText request

Sample Request

HTTP

POST https://westus.api.cognitive.microsoft.com/vision/v2.1/ocr?detectOrientation=true&language=en


"{url}"

Sample Response

Status code:: 200

{
  "language": "en",
  "textAngle": -2.0000000000000338,
  "orientation": "Up",
  "regions": [
    {
      "boundingBox": "462,379,497,258",
      "lines": [
        {
          "boundingBox": "462,379,497,74",
          "words": [
            {
              "boundingBox": "462,379,41,73",
              "text": "A"
            },
            {
              "boundingBox": "523,379,153,73",
              "text": "GOAL"
            },
            {
              "boundingBox": "694,379,265,74",
              "text": "WITHOUT"
            }
          ]
        },
        {
          "boundingBox": "565,471,289,74",
          "words": [
            {
              "boundingBox": "565,471,41,73",
              "text": "A"
            },
            {
              "boundingBox": "626,471,150,73",
              "text": "PLAN"
            },
            {
              "boundingBox": "801,472,53,73",
              "text": "IS"
            }
          ]
        },
        {
          "boundingBox": "519,563,375,74",
          "words": [
            {
              "boundingBox": "519,563,149,74",
              "text": "JUST"
            },
            {
              "boundingBox": "683,564,41,72",
              "text": "A"
            },
            {
              "boundingBox": "741,564,153,73",
              "text": "WISH"
            }
          ]
        }
      ]
    }
  ]
}

Definíciók

Name	Description
ComputerVisionError	Az API-kérelem hibájának részletei.
ComputerVisionErrorCodes	A hibakód.
ImageUrl
OcrLanguages	A képen észlelendő szöveg BCP-47 nyelvi kódja. Az alapértelmezett érték a "unk".
OcrLine	Egyetlen felismert szövegsort leíró objektum.
OcrRegion	A régió több sorból áll (például egy többoszlopos dokumentumban lévő szövegoszlopból).
OcrResult
OcrWord	Egy felismert szóra vonatkozó információk.

ComputerVisionError

Az API-kérelem hibájának részletei.

Name	Típus	Description
code	ComputerVisionErrorCodes	A hibakód.
message	string	A szolgáltatás által jelentett hibát magyarázó üzenet.
requestId	string	Egyedi kérésazonosító.

ComputerVisionErrorCodes

A hibakód.

Name	Típus	Description
BadArgument	string
CancelledRequest	string
DetectFaceError	string
FailedToProcess	string
InternalServerError	string
InvalidDetails	string
InvalidImageFormat	string
InvalidImageSize	string
InvalidImageUrl	string
InvalidModel	string
InvalidThumbnailSize	string
NotSupportedFeature	string
NotSupportedImage	string
NotSupportedLanguage	string
NotSupportedVisualFeature	string
StorageException	string
Timeout	string
Unspecified	string
UnsupportedMediaType	string

ImageUrl

Name	Típus	Description
url	string	Egy kép nyilvánosan elérhető URL-címe.

OcrLanguages

A képen észlelendő szöveg BCP-47 nyelvi kódja. Az alapértelmezett érték a "unk".

Name	Típus	Description
ar	string
cs	string
da	string
de	string
el	string
en	string
es	string
fi	string
fr	string
hu	string
it	string
ja	string
ko	string
nb	string
nl	string
pl	string
pt	string
ro	string
ru	string
sk	string
sr-Cyrl	string
sr-Latn	string
sv	string
tr	string
unk	string
zh-Hans	string
zh-Hant	string

OcrLine

Egyetlen felismert szövegsort leíró objektum.

Name	Típus	Description
boundingBox	string	Felismert vonal határolókerete. A négy egész szám a bal szél x koordinátáját, a határolókeret felső szélének y koordinátáját, szélességét és magasságát jelöli a bemeneti kép koordinátarendszerében, miután a középen az észlelt szövegszög szerint elforgatták (lásd a textAngle tulajdonságot), a bal felső sarokban lévő forrás és az y tengely lefelé mutatva.
words	OcrWord[]	Objektumok tömbje, ahol minden objektum egy felismert szót jelöl.

OcrRegion

A régió több sorból áll (például egy többoszlopos dokumentumban lévő szövegoszlopból).

Name	Típus	Description
boundingBox	string	Felismert régió határolókerete. A négy egész szám a bal szél x koordinátáját, a határolókeret felső szélének y koordinátáját, szélességét és magasságát jelöli a bemeneti kép koordinátarendszerében, miután a középen az észlelt szövegszög szerint elforgatták (lásd a textAngle tulajdonságot), a bal felső sarokban lévő forrás és az y tengely lefelé mutatva.
lines	OcrLine[]	Felismert szövegsorok tömbje.

OcrResult

Name	Típus	Description
language	string	A kép szövegének BCP-47 nyelvi kódja.
orientation	string	Ha szükséges, a képen felismert szöveg tájolása. Az érték (fel, le, balra vagy jobbra) arra az irányra utal, amellyel a felismert szöveg teteje felé néz, miután a kép a középen az észlelt szövegszög szerint elforgatva lett (lásd: textAngle tulajdonság). Ha a tájolás észlelését nem kérték, vagy nem észlelhető szöveg, az érték "NotDetected".
regions	OcrRegion[]	Objektumok tömbje, ahol minden objektum felismert szövegterületet jelöl.
textAngle	number	Az észlelt szöveg szöge radiánban a legközelebbi vízszintes vagy függőleges irányban. Miután az óramutató járásával megegyező irányban elforgatta a bemeneti képet, a felismert szövegvonalak vízszintessé vagy függőlegessé válnak. A tájolás tulajdonsággal kombinálva a felismerési eredmények megfelelően átfedhetők az eredeti képen, az eredeti kép vagy a felismerés eredményeinek megfelelő szögben az eredeti kép közepe körül elforgatva. Ha a szög nem észlelhető magabiztosan, ez a tulajdonság nem jelenik meg. Ha a kép eltérő szögben tartalmaz szöveget, a rendszer csak a szöveg egy részét ismeri fel megfelelően.

OcrWord

Egy felismert szóra vonatkozó információk.

Name	Típus	Description
boundingBox	string	Felismert szó határolókerete. A négy egész szám a bal szél x koordinátáját, a határolókeret felső szélének y koordinátáját, szélességét és magasságát jelöli a bemeneti kép koordinátarendszerében, miután a középen az észlelt szövegszög szerint elforgatták (lásd a textAngle tulajdonságot), a bal felső sarokban lévő forrás és az y tengely lefelé mutatva.
text	string	Egy felismert szó sztringértéke.

Megosztás a következőn keresztül: