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

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

आप इमेज या वीडियो में मौजूद टेक्स्ट के लिए एमएल किट का इस्तेमाल कर सकते हैं. जैसे, स्ट्रीट साइन का टेक्स्ट. इस सुविधा की मुख्य विशेषताएं ये हैं:

टेक्स्ट पहचान v2 एपीआई
जानकारी	इमेज या वीडियो में मौजूद टेक्स्ट को पहचानें. यह लैटिन, चाइनीज़, देवनागरी, जैपनीज़, कोरियन स्क्रिप्ट, और कई भाषाओं में उपलब्ध है.
लाइब्रेरी का नाम	`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 करना	लाइब्रेरी, आपके ऐप्लिकेशन को बिल्ड टाइम में स्टैटिक तरीके से लिंक करती है
ऐप्लिकेशन के साइज़ पर असर	हर आर्किटेक्चर के लिए करीब 4 एमबी
परफ़ॉर्मेंस	लैटिन स्क्रिप्ट लाइब्रेरी के ज़्यादातर डिवाइसों पर रीयल-टाइम, बाकी लोगों के लिए धीमा.

इसे आज़माएं

इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, ऐप्लिकेशन के नमूने का इस्तेमाल करें.
कोडलैब की मदद से कोड को खुद आज़माएं.

शुरू करने से पहले

इस API के लिए Android API लेवल 19 या उसके बाद का वर्शन होना ज़रूरी है. पक्का करें कि आपके ऐप्लिकेशन की बिल्ड फ़ाइल में, minSdkVersion की 19 या उसके बाद की वैल्यू इस्तेमाल हो.

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

अपने मॉड्यूल की ऐप्लिकेशन लेवल की ग्रेडल फ़ाइल में, ML किट की Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें, जो आम तौर पर app/build.gradle होती हैं:

dependencies {
  // To recognize Latin script
  implementation 'com.google.mlkit:text-recognition:16.0.0-beta6'

  // To recognize Chinese script
  implementation 'com.google.mlkit:text-recognition-chinese:16.0.0-beta6'

  // To recognize Devanagari script
  implementation 'com.google.mlkit:text-recognition-devanagari:16.0.0-beta6'

  // To recognize Japanese script
  implementation 'com.google.mlkit:text-recognition-japanese:16.0.0-beta6'

  // To recognize Korean script
  implementation 'com.google.mlkit:text-recognition-korean:16.0.0-beta6'
}

1. `TextRecognizer` का इंस्टेंस बनाएं

आपने जिस लाइब्रेरी के लिए डिपेंडेंसी का एलान किया है उससे जुड़े विकल्पों को पास करते हुए, TextRecognizer का कोई 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 करें

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

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

`media.Image` का इस्तेमाल किया जा रहा है

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, media.Image ऑब्जेक्ट और इमेज का घुमाव, InputImage.fromMediaImage() को पास करें. उदाहरण के लिए, जब आप किसी डिवाइस के कैमरे से इमेज कैप्चर कर रहे हों.

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
          // ...
        }
    }
}

किसी ऐसी कैमरा लाइब्रेरी का इस्तेमाल न करने पर, जो इमेज को घुमाने की डिग्री देती है, आप डिवाइस के घुमाव डिग्री और डिवाइस में कैमरा सेंसर की दिशा से उसका हिसाब 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
}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, InputImage.fromMediaImage() ऑब्जेक्ट को media.Image ऑब्जेक्ट और रोटेशन डिग्री वैल्यू 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 संदर्भ और फ़ाइल यूआरआई को InputImage.fromFilePath() पर भेजें. यह तब मददगार होता है, जब आप ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से 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()
}MLKitVisionImage.kt

Java

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

`ByteBuffer` या `ByteArray` का इस्तेमाल करके

ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, पहले इमेज इनपुट के लिए डिग्री का हिसाब लगाएं, जैसा कि पहले media.Image इनपुट में बताया गया है. इसके बाद, बफ़र या अरे के साथ InputImage ऑब्जेक्ट बनाएं. इसमें इमेज की लंबाई, चौड़ाई, कलर एन्कोडिंग का फ़ॉर्मैट, और घुमाव की डिग्री शामिल है.

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 किया जा रहा है

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 रोटेशन ऑब्जेक्ट के साथ Bitmap ऑब्जेक्ट के ज़रिए 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
            // ...
        }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 आप CameraX एपीआई का इस्तेमाल कर रहे हैं, तो ImageProxy का इस्तेमाल करते समय उसे बंद कर दें. उदाहरण के लिए,process तरीके से लौटाए गए Task में OnCompleteListener जोड़कर. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

टेक्स्ट पहचानने की कार्रवाई पूरी होने पर, Text ऑब्जेक्ट को सक्सेस लिसनर पर पास कर दिया जाता है. Text ऑब्जेक्ट में वह पूरा टेक्स्ट मौजूद है जो इमेज में पहचाना गया है. इसके अलावा, शून्य या उससे ज़्यादा TextBlock ऑब्जेक्ट भी शामिल 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 को दिखाता है. इसमें शून्य या उससे ज़्यादा Element ऑब्जेक्ट होते हैं. हर Element ऑब्जेक्ट से पता चलता है कि वह शब्द या उसके जैसा कोई शब्द है. इसमें, शून्य या उससे ज़्यादा Symbol ऑब्जेक्ट शामिल हैं. हर Symbol ऑब्जेक्ट से किसी वर्ण, अंक या शब्द जैसी इकाई का पता चलता है.

हर TextBlock, Line, Element और Symbol ऑब्जेक्ट के लिए, आपको क्षेत्र के हिसाब से टेक्स्ट, क्षेत्र के बाउंडिंग कोऑर्डिनेट, और कई दूसरे एट्रिब्यूट मिल सकते हैं. जैसे, घुमाव की जानकारी, कॉन्फ़िडेंस स्कोर वगैरह.

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 दिशा-निर्देश

मशीन लर्निंग (एमएल किट) टेक्स्ट की सही पहचान कर सके, इसके लिए इनपुट इमेज में ऐसा टेक्स्ट होना चाहिए जिसे पिक्सल डेटा की मदद से दिखाया जाए. आम तौर पर, हर वर्ण कम से कम 16x16 पिक्सल का होना चाहिए. आम तौर पर, 24x24 पिक्सल से बड़े वर्णों वाले वर्णों के लिए सटीक होने का कोई फ़ायदा नहीं होता है.

उदाहरण के लिए, 640x480 साइज़ वाली इमेज से, कारोबार का वह कार्ड स्कैन किया जा सकता है जो इमेज की पूरी चौड़ाई में दिखता है. अक्षरों वाले साइज़ के पेपर पर प्रिंट किए गए दस्तावेज़ को स्कैन करने के लिए, 720x1280 पिक्सल की इमेज की ज़रूरत हो सकती है.
इमेज फ़ोकस सही तरीके से काम नहीं कर रहा है. इसका असर टेक्स्ट पहचानने की सुविधा पर पड़ सकता है. अगर आपको अच्छे नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता से इमेज को फिर से देखने की कोशिश करें.
अगर रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान की जा रही है, 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 की इमेज ज़रूरत के मुताबिक ज़्यादा से ज़्यादा जगह पर हो. साथ ही, यह भी ध्यान रखें कि ऊपर बताए गए रिज़ॉल्यूशन के हिसाब से ही इमेज का रिज़ॉल्यूशन कम हो. 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 डिटेक्टर को कॉल थ्रॉटल करें. अगर डिटेक्टर चलने के दौरान नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
अगर CameraX एपीआई का इस्तेमाल किया जाता है, तो पक्का करें कि बैकप्रेस स्ट्रेटजी इसकी डिफ़ॉल्ट वैल्यू ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST पर सेट हो. इस बात की गारंटी है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज डिलीवर की जाएगी. अगर विश्लेषक के व्यस्त होने पर ज़्यादा इमेज बनाई जाती हैं, तो उन्हें अपने-आप ही छोड़ दिया जाएगा और डिलीवरी के लिए उन्हें सूची में नहीं रखा जाएगा. विश्लेषण की जा रही इमेज को ImageProxy.करीब() बंद करके, अगली नई इमेज डिलीवर की जाएगी.
अगर आप इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए डिटेक्टर के आउटपुट का इस्तेमाल करते हैं, तो पहले ML किट से नतीजा पाएं. इसके बाद, इमेज और ओवरले को एक ही चरण में रेंडर करें. यह डिसप्ले के हर फ़्रेम के लिए सिर्फ़ एक बार डिसप्ले की सतह पर रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
Camera2 एपीआई का इस्तेमाल करने पर, 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 में इमेज कैप्चर करें. हालांकि, इस एपीआई के इमेज डाइमेंशन की ज़रूरी शर्तों को भी ध्यान में रखें.

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

इसे आज़माएं

शुरू करने से पहले

1. TextRecognizer का इंस्टेंस बनाएं

Kotlin

Java

2. इनपुट इमेज तैयार करें

media.Image का इस्तेमाल किया जा रहा है

Kotlin

Java

Kotlin

Java

Kotlin

Java

फ़ाइल यूआरआई का इस्तेमाल करना

Kotlin

Java

ByteBuffer या ByteArray का इस्तेमाल करके

Kotlin

Java

Bitmap का इस्तेमाल किया जा रहा है

Kotlin

Java

3. इमेज को प्रोसेस करें

Kotlin

Java

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

Kotlin

Java

इनपुट इमेज के दिशा-निर्देश

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

1. `TextRecognizer` का इंस्टेंस बनाएं

`media.Image` का इस्तेमाल किया जा रहा है

`ByteBuffer` या `ByteArray` का इस्तेमाल करके

`Bitmap` का इस्तेमाल किया जा रहा है