Guia de início rápido: Análise de Imagem

Artigo
11/05/2024

Este artigo explica como configurar um script básico de marcação de imagens usando a API REST da Análise de Imagem ou as bibliotecas de clientes. O serviço de Análise de Imagem fornece algoritmos de IA para processamento de imagens e fornecimento de informações sobre características visuais. Siga essas etapas para instalar um pacote no seu aplicativo e experimentar o código de exemplo.

Use a biblioteca de clientes da Análise de Imagem para C# para analisar as marcas de conteúdo de uma imagem. Este início rápido define um método, AnalyzeImageUrl, que usa o objeto de cliente para analisar uma imagem remota e imprimir os resultados.

Documentação de referência | Código-fonte da biblioteca | Pacote (NuGet) | Exemplos

Dica

Você também pode analisar uma imagem local. Confira os métodos de ComputerVisionClient, como AnalyzeImageInStreamAsync. Ou veja o código de exemplo no GitHub para obter cenários que envolvam imagens locais.

Dica

A API da Análise de Imagem pode realizar muitas operações diferentes, além de gerar tags de imagem. Consulte o guia de instruções da Análise de Imagem para obter exemplos que mostram todos os recursos disponíveis.

Pré-requisitos

Uma assinatura do Azure. É possível criar uma gratuitamente.
O IDE do Visual Studio ou a versão atual do .NET Core.
Depois de obter sua assinatura do Azure, crie um recurso da Pesquisa Visual Computacional no portal do Azure para obter a chave e o ponto de extremidade. Após a implantação, selecione Ir para recurso.
- Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure.
- Use o tipo de preço gratuito (F0) para experimentar o serviço e atualizar mais tarde para um nível pago para produção.

Criar variáveis de ambiente

Nesse exemplo, grave as credenciais em variáveis de ambiente no computador local que executa o aplicativo.

Acesse o portal do Azure. Se o recurso que você criou na seção Pré-requisitos tiver sido implantado com sucesso, selecione Ir para o Recurso em Próximas Etapas. Encontre a chave e o ponto de extremidade em Gerenciamento de Recursos na página Chaves e ponto de extremidade. Sua chave de recurso não é igual à sua ID de assinatura do Azure.

Para definir a variável de ambiente da chave e do ponto de extremidade, abra uma janela do console e siga as instruções para o sistema operacional e o ambiente de desenvolvimento.

Para definir a variável de ambiente VISION_KEY, substitua <your_key> por uma das chaves do recurso.
Para definir a variável de ambiente VISION_ENDPOINT, substitua <your_endpoint> pelo ponto de extremidade do recurso.

Importante

Se você usar uma chave de API, armazene-a com segurança em outro lugar, como no Azure Key Vault. Não inclua a chave da API diretamente no seu código e nunca a publique publicamente.

Para obter mais informações sobre a segurança dos serviços de IA, veja Autenticar solicitações para serviços de IA do Azure.

Windows
Linux

setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Depois de adicionar as variáveis de ambiente, é aconselhável reiniciar todos os programas em execução que precisarem lê-las, incluindo a janela do console.

export VISION_KEY=<your_key>

export VISION_ENDPOINT=<your_endpoint>

Depois de adicionar as variáveis de ambiente, execute source ~/.bashrc na janela do console para que as alterações entrem em vigor.

Analisar a imagem

Criar um aplicativo em C#.
- Visual Studio IDE
- CLI
Usando o Visual Studio, crie um aplicativo .NET Core.

Instalar a biblioteca de clientes

Depois de criar um projeto, instale a biblioteca de clientes clicando com o botão direito do mouse na solução do projeto no Gerenciador de Soluções e selecionando Gerenciar pacotes NuGet. No gerenciador de pacotes aberto, selecione Procurar, marque Incluir pré-lançamento e pesquise Microsoft.Azure.CognitiveServices.Vision.ComputerVision. Selecione a versão 7.0.0 e, em seguida, Instalar.
Em uma janela de console (como cmd, PowerShell ou Bash), use o comando dotnet new para criar um novo aplicativo do console com o nome computer-vision-quickstart. Este comando cria um projeto C# Olá, Mundo simples com um único arquivo de origem: Program.cs.
```
dotnet new console -n computer-vision-quickstart
```
Altere o diretório para a pasta do aplicativo recém-criado. É possível criar o aplicativo com:
```
dotnet build
```
A saída de compilação não deve conter nenhum aviso ou erro.
```
...
Build succeeded.
 0 Warning(s)
 0 Error(s)
...
```
Instalar a biblioteca de clientes

No diretório do aplicativo, instale a biblioteca do cliente de Visão de IA do Azure para .NET com o seguinte comando:
```
dotnet add package Microsoft.Azure.CognitiveServices.Vision.ComputerVision --version 7.0.0
```

No diretório do projeto, abra o arquivo Program.cs no IDE ou no editor de sua preferência. Cole o código a seguir:

using System;
using System.Collections.Generic;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.Threading.Tasks;
using System.IO;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.Threading;
using System.Linq;

namespace ComputerVisionQuickstart
{
    class Program
    {
        // Add your Computer Vision key and endpoint
        static string key = Environment.GetEnvironmentVariable("VISION_KEY");
        static string endpoint = Environment.GetEnvironmentVariable("VISION_ENDPOINT");

        // URL image used for analyzing an image (image of puppy)
        private const string ANALYZE_URL_IMAGE = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/ComputerVision/Images/landmark.jpg";

        static void Main(string[] args)
        {
            Console.WriteLine("Azure Cognitive Services Computer Vision - .NET quickstart example");
            Console.WriteLine();

            // Create a client
            ComputerVisionClient client = Authenticate(endpoint, key);

            // Analyze an image to get features and other properties.
            AnalyzeImageUrl(client, ANALYZE_URL_IMAGE).Wait();
        }

        /*
         * AUTHENTICATE
         * Creates a Computer Vision client used by each example.
         */
        public static ComputerVisionClient Authenticate(string endpoint, string key)
        {
            ComputerVisionClient client =
              new ComputerVisionClient(new ApiKeyServiceClientCredentials(key))
              { Endpoint = endpoint };
            return client;
        }
       
        public static async Task AnalyzeImageUrl(ComputerVisionClient client, string imageUrl)
        {
            Console.WriteLine("----------------------------------------------------------");
            Console.WriteLine("ANALYZE IMAGE - URL");
            Console.WriteLine();

            // Creating a list that defines the features to be extracted from the image. 

            List<VisualFeatureTypes?> features = new List<VisualFeatureTypes?>()
            {
                VisualFeatureTypes.Tags
            };

            Console.WriteLine($"Analyzing the image {Path.GetFileName(imageUrl)}...");
            Console.WriteLine();
            // Analyze the URL image 
            ImageAnalysis results = await client.AnalyzeImageAsync(imageUrl, visualFeatures: features);

            // Image tags and their confidence score
            Console.WriteLine("Tags:");
            foreach (var tag in results.Tags)
            {
                Console.WriteLine($"{tag.Name} {tag.Confidence}");
            }
            Console.WriteLine();
        }
    }
}

Importante

Lembre-se de remover a chave do seu código quando terminar e nunca poste-a publicamente. Para produção, use uma maneira segura de armazenar e acessar suas credenciais, como o Azure Key Vault. Para obter mais informações, confira a segurança dos serviços de IA do Azure.

Executar o aplicativo
- Visual Studio IDE
- CLI
Execute o aplicativo clicando no botão Depurar na parte superior da janela do IDE.
Execute o aplicativo no diretório de aplicativo usando o comando dotnet run.
```
dotnet run
```

Saída

A saída da operação deve ser semelhante ao exemplo a seguir.

----------------------------------------------------------
ANALYZE IMAGE - URL

Analyzing the image sample16.png...

Tags:
grass 0.9957543611526489
dog 0.9939157962799072
mammal 0.9928356409072876
animal 0.9918001890182495
dog breed 0.9890419244766235
pet 0.974603533744812
outdoor 0.969241738319397
companion dog 0.906731367111206
small greek domestic dog 0.8965123891830444
golden retriever 0.8877675533294678
labrador retriever 0.8746421337127686
puppy 0.872604250907898
ancient dog breeds 0.8508287668228149
field 0.8017748594284058
retriever 0.6837497353553772
brown 0.6581960916519165

Limpar os recursos

Se quiser limpar e remover uma assinatura dos Serviços de IA do Azure, você poderá excluir o recurso ou grupo de recursos. Excluir o grupo de recursos também exclui todos os recursos associados a ele.

Neste guia de início rápido, você aprendeu a instalar a biblioteca de clientes da Análise de Imagem e a fazer chamadas básicas de análise de imagem. Em seguida, saiba mais sobre os recursos da API da Análise de Imagem.

Chamar a API de Análise de Imagem

Use a biblioteca de clientes da Análise de Imagem para Python para analisar as marcas de conteúdo de uma imagem remota.

Dica

Você também pode analisar uma imagem local. Confira os métodos de ComputerVisionClientOperationsMixin, como analyze_image_in_stream. Ou veja o código de exemplo no GitHub para obter cenários que envolvam imagens locais.

Dica

Documentação de referência | Código-fonte da biblioteca | Pacote (PiPy) | Exemplos

Pré-requisitos

Uma assinatura do Azure. É possível criar uma gratuitamente.
Python 3.x.
- A instalação do Python deve incluir o pip. Você pode executar pip --version na linha de comando para verificar se o pip está instalado. Instale a versão mais recente do Python para obter o pip.
Depois de obter sua assinatura do Azure, crie um recurso da Pesquisa Visual Computacional no portal do Azure para obter a chave e o ponto de extremidade. Após a implantação, selecione Ir para recurso.
- Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure.
- Use o tipo de preço gratuito (F0) para experimentar o serviço e atualizar mais tarde para um nível pago para produção.

Criar variáveis de ambiente

Nesse exemplo, grave as credenciais em variáveis de ambiente no computador local que executa o aplicativo.

Para definir a variável de ambiente da chave e do ponto de extremidade, abra uma janela do console e siga as instruções para o sistema operacional e o ambiente de desenvolvimento.

Para definir a variável de ambiente VISION_KEY, substitua <your_key> por uma das chaves do recurso.
Para definir a variável de ambiente VISION_ENDPOINT, substitua <your_endpoint> pelo ponto de extremidade do recurso.

Importante

Se você usar uma chave de API, armazene-a com segurança em outro lugar, como no Azure Key Vault. Não inclua a chave da API diretamente no seu código e nunca a publique publicamente.

Para obter mais informações sobre a segurança dos serviços de IA, veja Autenticar solicitações para serviços de IA do Azure.

Windows
Linux

setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Depois de adicionar as variáveis de ambiente, é aconselhável reiniciar todos os programas em execução que precisarem lê-las, incluindo a janela do console.

export VISION_KEY=<your_key>

export VISION_ENDPOINT=<your_endpoint>

Depois de adicionar as variáveis de ambiente, execute source ~/.bashrc na janela do console para que as alterações entrem em vigor.

Analisar a imagem

Instalar a biblioteca de clientes.

É possível instalar a biblioteca de clientes com:
```
pip install --upgrade azure-cognitiveservices-vision-computervision
```
Instale também a biblioteca Pillow.
```
pip install pillow
```
Criar um novo aplicativo Python.

Crie um arquivo Python. Ele pode ser chamado de quickstart-file.py, por exemplo.

Abra quickstart-file.py em um editor de texto ou IDE e cole o código a seguir.

from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from azure.cognitiveservices.vision.computervision.models import OperationStatusCodes
from azure.cognitiveservices.vision.computervision.models import VisualFeatureTypes
from msrest.authentication import CognitiveServicesCredentials

from array import array
import os
from PIL import Image
import sys
import time

'''
Authenticate
Authenticates your credentials and creates a client.
'''
subscription_key = os.environ["VISION_KEY"]
endpoint = os.environ["VISION_ENDPOINT"]

computervision_client = ComputerVisionClient(endpoint, CognitiveServicesCredentials(subscription_key))
'''
END - Authenticate
'''

'''
Quickstart variables
These variables are shared by several examples
'''
# Images used for the examples: Describe an image, Categorize an image, Tag an image, 
# Detect faces, Detect adult or racy content, Detect the color scheme, 
# Detect domain-specific content, Detect image types, Detect objects
images_folder = os.path.join (os.path.dirname(os.path.abspath(__file__)), "images")
remote_image_url = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/ComputerVision/Images/landmark.jpg"
'''
END - Quickstart variables
'''


'''
Tag an Image - remote
This example returns a tag (key word) for each thing in the image.
'''
print("===== Tag an image - remote =====")
# Call API with remote image
tags_result_remote = computervision_client.tag_image(remote_image_url )

# Print results with confidence score
print("Tags in the remote image: ")
if (len(tags_result_remote.tags) == 0):
    print("No tags detected.")
else:
    for tag in tags_result_remote.tags:
        print("'{}' with confidence {:.2f}%".format(tag.name, tag.confidence * 100))
print()
'''
END - Tag an Image - remote
'''
print("End of Computer Vision quickstart.")

Execute o aplicativo usando o comando python no arquivo de início rápido.
```
python quickstart-file.py
```

Saída

A saída da operação deve ser semelhante ao exemplo a seguir.

===== Tag an image - remote =====
Tags in the remote image:
'outdoor' with confidence 99.00%
'building' with confidence 98.81%
'sky' with confidence 98.21%
'stadium' with confidence 98.17%
'ancient rome' with confidence 96.16%
'ruins' with confidence 95.04%
'amphitheatre' with confidence 93.99%
'ancient roman architecture' with confidence 92.65%
'historic site' with confidence 89.55%
'ancient history' with confidence 89.54%
'history' with confidence 86.72%
'archaeological site' with confidence 84.41%
'travel' with confidence 65.85%
'large' with confidence 61.02%
'city' with confidence 56.57%

End of Azure AI Vision quickstart.

Limpar os recursos

Próxima etapa

Neste guia de início rápido, você aprendeu a instalar a biblioteca de clientes da Análise de Imagem e a fazer chamadas básicas de análise de imagem. A seguir, saiba mais sobre os recursos da API de Análise de Imagem.

Chamar a API de Análise de Imagem

Use a biblioteca de clientes da Análise de Imagem para Java a fim de analisar uma imagem remota em busca de tags, descrição de texto, rostos, conteúdo adulto e muito mais.

Dica

Você também pode analisar uma imagem local. Confira os métodos ComputerVision, como AnalyzeImage. Ou veja o código de exemplo no GitHub para obter cenários que envolvam imagens locais.

Dica

Documentação de referência | Código-fonte da biblioteca |Artefato (Maven) | Exemplos

Pré-requisitos

Uma assinatura do Azure. É possível criar uma gratuitamente.
A versão atual do JDK (Java Development Kit).
A ferramenta de build Gradle ou outro gerenciador de dependência.
Depois de obter sua assinatura do Azure, crie um recurso da Pesquisa Visual Computacional no portal do Azure para obter a chave e o ponto de extremidade. Após a implantação, selecione Ir para recurso.
- Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure.
- Use o tipo de preço gratuito (F0) para experimentar o serviço e atualizar mais tarde para um nível pago para produção.

Criar variáveis de ambiente

Nesse exemplo, grave as credenciais em variáveis de ambiente no computador local que executa o aplicativo.

Para definir a variável de ambiente da chave e do ponto de extremidade, abra uma janela do console e siga as instruções para o sistema operacional e o ambiente de desenvolvimento.

Para definir a variável de ambiente VISION_KEY, substitua <your_key> por uma das chaves do recurso.
Para definir a variável de ambiente VISION_ENDPOINT, substitua <your_endpoint> pelo ponto de extremidade do recurso.

Importante

Se você usar uma chave de API, armazene-a com segurança em outro lugar, como no Azure Key Vault. Não inclua a chave da API diretamente no seu código e nunca a publique publicamente.

Para obter mais informações sobre a segurança dos serviços de IA, veja Autenticar solicitações para serviços de IA do Azure.

Windows
Linux

setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Depois de adicionar as variáveis de ambiente, é aconselhável reiniciar todos os programas em execução que precisarem lê-las, incluindo a janela do console.

export VISION_KEY=<your_key>

export VISION_ENDPOINT=<your_endpoint>

Depois de adicionar as variáveis de ambiente, execute source ~/.bashrc na janela do console para que as alterações entrem em vigor.

Analisar a imagem

Criar um novo projeto Gradle.

Em uma janela de console (como cmd, PowerShell ou Bash), crie um novo diretório para seu aplicativo e navegue até ele.
```
mkdir myapp && cd myapp
```
Execute o comando gradle init em seu diretório de trabalho. Esse comando cria arquivos de build essenciais para o Gradle, incluindo o build.gradle.kts, que é usado no runtime para criar e configurar seu aplicativo.
```
gradle init --type basic
```
Quando solicitado a escolher uma DSL, escolha Kotlin.
Instalar a biblioteca de clientes.

Este início rápido usa o gerenciador de dependência do Gradle. Você pode encontrar a biblioteca de clientes e informações para outros gerenciadores de dependência no Repositório Central do Maven.

Localize o build.gradle.kts e abra-o com seu IDE ou editor de texto preferencial. Em seguida, copie e cole a configuração de compilação a seguir no arquivo. Essa configuração define o projeto como um aplicativo Java cujo ponto de entrada é a classe ImageAnalysisQuickstart. Isso importa a biblioteca da Visão de IA do Azure.
```
plugins {
    java
    application
}
application { 
    mainClass.set("ImageAnalysisQuickstart")
}
repositories {
    mavenCentral()
}
dependencies {
    implementation(group = "com.microsoft.azure.cognitiveservices", name = "azure-cognitiveservices-computervision", version = "1.0.9-beta")
}
```
Criar um arquivo Java.

Em seu diretório de trabalho, execute o comando a seguir para criar uma pasta de origem do projeto:
```
mkdir -p src/main/java
```
Navegue até a nova pasta e crie um arquivo chamado ImageAnalysisQuickstart.java.

Abra ImageAnalysisQuickstart.java em seu editor ou IDE de preferência e cole o código a seguir.

import com.microsoft.azure.cognitiveservices.vision.computervision.*;
import com.microsoft.azure.cognitiveservices.vision.computervision.implementation.ComputerVisionImpl;
import com.microsoft.azure.cognitiveservices.vision.computervision.models.*;

import java.io.*;
import java.nio.file.Files;

import java.util.ArrayList;
import java.util.List;
import java.util.UUID;

public class ImageAnalysisQuickstart {

    // Use environment variables
    static String key = System.getenv("VISION_KEY");
    static String endpoint = System.getenv("VISION_ENDPOINT");

    public static void main(String[] args) {
        
        System.out.println("\nAzure Cognitive Services Computer Vision - Java Quickstart Sample");

        // Create an authenticated Computer Vision client.
        ComputerVisionClient compVisClient = Authenticate(key, endpoint); 

        // Analyze local and remote images
        AnalyzeRemoteImage(compVisClient);

    }

    public static ComputerVisionClient Authenticate(String key, String endpoint){
        return ComputerVisionManager.authenticate(key).withEndpoint(endpoint);
    }


    public static void AnalyzeRemoteImage(ComputerVisionClient compVisClient) {
        /*
         * Analyze an image from a URL:
         *
         * Set a string variable equal to the path of a remote image.
         */
        String pathToRemoteImage = "https://github.com/Azure-Samples/cognitive-services-sample-data-files/raw/master/ComputerVision/Images/faces.jpg";

        // This list defines the features to be extracted from the image.
        List<VisualFeatureTypes> featuresToExtractFromRemoteImage = new ArrayList<>();
        featuresToExtractFromRemoteImage.add(VisualFeatureTypes.TAGS);

        System.out.println("\n\nAnalyzing an image from a URL ...");

        try {
            // Call the Computer Vision service and tell it to analyze the loaded image.
            ImageAnalysis analysis = compVisClient.computerVision().analyzeImage().withUrl(pathToRemoteImage)
                    .withVisualFeatures(featuresToExtractFromRemoteImage).execute();


            // Display image tags and confidence values.
            System.out.println("\nTags: ");
            for (ImageTag tag : analysis.tags()) {
                System.out.printf("\'%s\' with confidence %f\n", tag.name(), tag.confidence());
            }
        }

        catch (Exception e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
    }
    // END - Analyze an image from a URL.

}

Retorne à pasta raiz do projeto e crie o aplicativo da seguinte forma:
```
gradle build
```
Execute-o com o seguinte comando:
```
gradle run
```

Saída

A saída da operação deve ser semelhante ao exemplo a seguir.

Azure AI Vision - Java Quickstart Sample

Analyzing an image from a URL ...

Tags:
'person' with confidence 0.998895
'human face' with confidence 0.997437
'smile' with confidence 0.991973
'outdoor' with confidence 0.985962
'happy' with confidence 0.969785
'clothing' with confidence 0.961570
'friendship' with confidence 0.946441
'tree' with confidence 0.917331
'female person' with confidence 0.890976
'girl' with confidence 0.888741
'social group' with confidence 0.872044
'posing' with confidence 0.865493
'adolescent' with confidence 0.857371
'love' with confidence 0.852553
'laugh' with confidence 0.850097
'people' with confidence 0.849922
'lady' with confidence 0.844540
'woman' with confidence 0.818172
'group' with confidence 0.792975
'wedding' with confidence 0.615252
'dress' with confidence 0.517169

Limpar os recursos

Próxima etapa

Chamar a API de Análise de Imagem

Use a biblioteca de clientes da Análise de Imagem para JavaScript para analisar as marcas de conteúdo de uma imagem remota.

Dica

Você também pode analisar uma imagem local. Confira os métodos ComputerVisionClient, como describeImageInStream. Ou veja o código de exemplo no GitHub para obter cenários que envolvam imagens locais.

Dica

Documentação de referência | Pacote (npm) | Amostras

Pré-requisitos

Uma assinatura do Azure. É possível criar uma gratuitamente.
A versão atual do Node.js.
Depois de obter sua assinatura do Azure, crie um recurso da Pesquisa Visual Computacional no portal do Azure para obter a chave e o ponto de extremidade. Após a implantação, selecione Ir para recurso.
- Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure.
- Use o tipo de preço gratuito (F0) para experimentar o serviço e atualizar mais tarde para um nível pago para produção.

Criar variáveis de ambiente

Nesse exemplo, grave as credenciais em variáveis de ambiente no computador local que executa o aplicativo.

Para definir a variável de ambiente da chave e do ponto de extremidade, abra uma janela do console e siga as instruções para o sistema operacional e o ambiente de desenvolvimento.

Para definir a variável de ambiente VISION_KEY, substitua <your_key> por uma das chaves do recurso.
Para definir a variável de ambiente VISION_ENDPOINT, substitua <your_endpoint> pelo ponto de extremidade do recurso.

Importante

Se você usar uma chave de API, armazene-a com segurança em outro lugar, como no Azure Key Vault. Não inclua a chave da API diretamente no seu código e nunca a publique publicamente.

Para obter mais informações sobre a segurança dos serviços de IA, veja Autenticar solicitações para serviços de IA do Azure.

Windows
Linux

setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Depois de adicionar as variáveis de ambiente, é aconselhável reiniciar todos os programas em execução que precisarem lê-las, incluindo a janela do console.

export VISION_KEY=<your_key>

export VISION_ENDPOINT=<your_endpoint>

Depois de adicionar as variáveis de ambiente, execute source ~/.bashrc na janela do console para que as alterações entrem em vigor.

Analisar a imagem

Criar um novo aplicativo do Node.js

Em uma janela de console (como cmd, PowerShell ou Bash), crie um novo diretório para seu aplicativo e navegue até ele.
```
mkdir myapp && cd myapp
```
Execute o comando npm init para criar um aplicativo de nó com um arquivo package.json.
```
npm init
```
Instalar a biblioteca de clientes

Instale os pacotes npm ms-rest-azure e @azure/cognitiveservices-computervision:
```
npm install @azure/cognitiveservices-computervision
```
Instale também o módulo assíncrono:
```
npm install async
```
O arquivo package.json do seu aplicativo é atualizado com as dependências.

Crie um novo arquivo, index.js.

Abra index.js em um editor de texto e cole o seguinte código.

'use strict';

const async = require('async');
const fs = require('fs');
const https = require('https');
const path = require("path");
const createReadStream = require('fs').createReadStream
const sleep = require('util').promisify(setTimeout);
const ComputerVisionClient = require('@azure/cognitiveservices-computervision').ComputerVisionClient;
const ApiKeyCredentials = require('@azure/ms-rest-js').ApiKeyCredentials;

/**
 * AUTHENTICATE
 * This single client is used for all examples.
 */
const key = process.env.VISION_KEY;
const endpoint = process.env.VISION_ENDPOINT;


const computerVisionClient = new ComputerVisionClient(
  new ApiKeyCredentials({ inHeader: { 'Ocp-Apim-Subscription-Key': key } }), endpoint);
/**
 * END - Authenticate
 */


function computerVision() {
  async.series([
    async function () {

      /**
       * DETECT TAGS  
       * Detects tags for an image, which returns:
       *     all objects in image and confidence score.
       */
      console.log('-------------------------------------------------');
      console.log('DETECT TAGS');
      console.log();

      // Image of different kind of dog.
      const tagsURL = 'https://github.com/Azure-Samples/cognitive-services-sample-data-files/blob/master/ComputerVision/Images/house.jpg';

      // Analyze URL image
      console.log('Analyzing tags in image...', tagsURL.split('/').pop());
      const tags = (await computerVisionClient.analyzeImage(tagsURL, { visualFeatures: ['Tags'] })).tags;
      console.log(`Tags: ${formatTags(tags)}`);

      // Format tags for display
      function formatTags(tags) {
        return tags.map(tag => (`${tag.name} (${tag.confidence.toFixed(2)})`)).join(', ');
      }
      /**
       * END - Detect Tags
       */
      console.log();
      console.log('-------------------------------------------------');
      console.log('End of quickstart.');

    },
    function () {
      return new Promise((resolve) => {
        resolve();
      })
    }
  ], (err) => {
    throw (err);
  });
}

computerVision();

Execute o aplicativo com o comando node no seu arquivo de início rápido.
```
node index.js
```

Saída

A saída da operação deve ser semelhante ao exemplo a seguir.

-------------------------------------------------
DETECT TAGS

Analyzing tags in image... sample16.png
Tags: grass (1.00), dog (0.99), mammal (0.99), animal (0.99), dog breed (0.99), pet (0.97), outdoor (0.97), companion dog (0.91), small greek domestic dog (0.90), golden retriever (0.89), labrador retriever (0.87), puppy (0.87), ancient dog breeds (0.85), field (0.80), retriever (0.68), brown (0.66)

-------------------------------------------------
End of quickstart.

Limpar os recursos

Próxima etapa

Chamar a API de Análise de Imagem

Use a API REST da Análise de Imagem para analisar as marcações em uma imagem.

Dica

Observação

Este guia de início rápido usa comandos cURL para chamar a API REST. Você também pode chamar a API REST usando uma linguagem de programação. Confira as amostras do GitHub para obter exemplos em C#, Python, Java e JavaScript.

Pré-requisitos

Uma assinatura do Azure. É possível criar uma gratuitamente.
Depois de obter sua assinatura do Azure, crie um recurso da Pesquisa Visual Computacional no portal do Azure para obter a chave e o ponto de extremidade. Após a implantação, selecione Ir para recurso.
- Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure.
- Use o tipo de preço gratuito (F0) para experimentar o serviço e atualizar mais tarde para um nível pago para produção.
cURL instalado.

Analisar uma imagem

Para analisar uma imagem a fim de obter diversos recursos visuais, execute as seguintes etapas:

Copie o seguinte comando em um editor de texto.

curl.exe -H "Ocp-Apim-Subscription-Key: <yourKey>" -H "Content-Type: application/json" "https://westcentralus.api.cognitive.microsoft.com/vision/v3.2/analyze?visualFeatures=Tags" -d "{'url':'https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png'}"

Faça as alterações a seguir no comando quando necessário:
1. Substitua o valor de <yourKey> pela chave do recurso de Pesquisa Visual Computacional.
2. Substitua a primeira parte da URL da solicitação (westcentralus.api.cognitive.microsoft.com) pela URL do seu próprio ponto de extremidade.
  
  Observação
  
  Os novos recursos criados após 1º de julho de 2019 usarão nomes de subdomínio personalizados. Para obter mais informações e uma lista completa de pontos de extremidade regionais, confira Nomes de subdomínio personalizados para os serviços de IA do Azure.
3. Outra opção é alterar a URL da imagem no corpo da solicitação (https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png) para uma URL de uma imagem diferente a ser analisada.
Abra una janela de prompt de comando.
Cole o comando curl modificado do editor de texto na janela do prompt de comando e, em seguida, execute-o.

Examinar a resposta

Uma resposta bem-sucedida é retornada no formato JSON. O aplicativo de exemplo analisa e exibe uma resposta bem-sucedida na janela do prompt de comando, semelhante ao exemplo a seguir:

{
   "tags":[
      {
         "name":"text",
         "confidence":0.9992657899856567
      },
      {
         "name":"post-it note",
         "confidence":0.9879657626152039
      },
      {
         "name":"handwriting",
         "confidence":0.9730165004730225
      },
      {
         "name":"rectangle",
         "confidence":0.8658561706542969
      },
      {
         "name":"paper product",
         "confidence":0.8561884760856628
      },
      {
         "name":"purple",
         "confidence":0.5961999297142029
      }
   ],
   "requestId":"2788adfc-8cfb-43a5-8fd6-b3a9ced35db2",
   "metadata":{
      "height":945,
      "width":1000,
      "format":"Jpeg"
   },
   "modelVersion":"2021-05-01"
}

Próxima etapa

Neste guia de início rápido, você aprendeu a fazer chamadas de análise de imagem básicas usando a API REST. A seguir, saiba mais sobre os recursos da API de Análise de Imagem.

Chamar a API de Análise de Imagem

O que é a Análise de Imagem?

Compartilhar via

Guia de início rápido: Análise de Imagem

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Instalar a biblioteca de clientes

Instalar a biblioteca de clientes

Saída

Limpar os recursos

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Instalar a biblioteca de clientes

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Analisar uma imagem

Examinar a resposta

Próxima etapa

Comentários

Recursos adicionais

Compartilhar via

Guia de início rápido: Análise de Imagem

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Instalar a biblioteca de clientes

Saída

Limpar os recursos

Conteúdo relacionado

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Criar variáveis de ambiente

Analisar a imagem

Instalar a biblioteca de clientes

Saída

Limpar os recursos

Próxima etapa

Pré-requisitos

Analisar uma imagem

Examinar a resposta

Próxima etapa

Comentários

Recursos adicionais