iOS पर ML Kit की मदद से, इमेज में मौजूद टेक्स्ट की पहचान करें

मशीन लर्निंग 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 खास बातें ये हैं:

टेक्स्ट की पहचान v2 एपीआई
ब्यौरा	इमेज या वीडियो में मौजूद टेक्स्ट की पहचान करें. साथ ही, यह लैटिन, चाइनीज़, देवनागरी, जैपनीज़, और कोरियन स्क्रिप्ट और कई भाषाओं में उपलब्ध होने पर भी काम करता है.
SDK टूल के नाम	GoogleMLKit/TextRecognition GoogleMLKit/TextRecognitionChinese GoogleMLKit/TextRecognitionDevanagari GoogleMLKit/TextRecognitionJapanese GoogleMLKit/TextRecognitionKorean
लागू करने का तरीका	बिल्ड के समय ऐसेट, आपके ऐप्लिकेशन से स्टैटिक रूप से लिंक होती हैं
ऐप्लिकेशन के साइज़ का असर	हर स्क्रिप्ट SDK टूल के लिए, करीब 38 एमबी
परफ़ॉर्मेंस	लैटिन स्क्रिप्ट SDK टूल के लिए ज़्यादातर डिवाइसों पर रीयल-टाइम, अन्य डिवाइसों के लिए धीमा.

ध्यान दें: ML Kit iOS एपीआई, सिर्फ़ 64-बिट वाले डिवाइसों पर काम करते हैं. अगर आपने अपना ऐप्लिकेशन 32-बिट की सुविधा वाले वर्शन की मदद से बनाया है, तो इस एपीआई का इस्तेमाल करने से पहले डिवाइस के आर्किटेक्चर की जांच कर लें.

इसे आज़माएं

• इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, ऐप्लिकेशन के सैंपल को आज़माएं.
• कोडलैब की मदद से, खुद ही कोड आज़माकर देखें.

शुरू करने से पहले

1. अपने Podfile में, एमएल किट के ये पॉड शामिल करें:

   # To recognize Latin script
   pod 'GoogleMLKit/TextRecognition', '3.2.0'
   # To recognize Chinese script
   pod 'GoogleMLKit/TextRecognitionChinese', '3.2.0'
   # To recognize Devanagari script
   pod 'GoogleMLKit/TextRecognitionDevanagari', '3.2.0'
   # To recognize Japanese script
   pod 'GoogleMLKit/TextRecognitionJapanese', '3.2.0'
   # To recognize Korean script
   pod 'GoogleMLKit/TextRecognitionKorean', '3.2.0'
   

2. अपने प्रोजेक्ट के पॉड को इंस्टॉल या अपडेट करने के बाद, Xcode प्रोजेक्ट के .xcworkspace का इस्तेमाल करें. ML किट, Xcode 12.4 या इसके बाद के वर्शन पर काम करती है.

1. TextRecognizer का एक इंस्टेंस बनाएं

आपने ऊपर जिस SDK टूल को निर्भरता के तौर पर बताया है उससे जुड़े विकल्पों को पास करके, +textRecognizer(options:) को कॉल करके TextRecognizer का इंस्टेंस बनाएं:

Swift

// When using Latin script recognition SDK
let latinOptions = TextRecognizerOptions()
let latinTextRecognizer = TextRecognizer.textRecognizer(options:options)

// When using Chinese script recognition SDK
let chineseOptions = ChineseTextRecognizerOptions()
let chineseTextRecognizer = TextRecognizer.textRecognizer(options:options)

// When using Devanagari script recognition SDK
let devanagariOptions = DevanagariTextRecognizerOptions()
let devanagariTextRecognizer = TextRecognizer.textRecognizer(options:options)

// When using Japanese script recognition SDK
let japaneseOptions = JapaneseTextRecognizerOptions()
let japaneseTextRecognizer = TextRecognizer.textRecognizer(options:options)

// When using Korean script recognition SDK
let koreanOptions = KoreanTextRecognizerOptions()
let koreanTextRecognizer = TextRecognizer.textRecognizer(options:options)

Objective-C

// When using Latin script recognition SDK
MLKTextRecognizerOptions *latinOptions = [[MLKTextRecognizerOptions alloc] init];
MLKTextRecognizer *latinTextRecognizer = [MLKTextRecognizer textRecognizerWithOptions:options];

// When using Chinese script recognition SDK
MLKChineseTextRecognizerOptions *chineseOptions = [[MLKChineseTextRecognizerOptions alloc] init];
MLKTextRecognizer *chineseTextRecognizer = [MLKTextRecognizer textRecognizerWithOptions:options];

// When using Devanagari script recognition SDK
MLKDevanagariTextRecognizerOptions *devanagariOptions = [[MLKDevanagariTextRecognizerOptions alloc] init];
MLKTextRecognizer *devanagariTextRecognizer = [MLKTextRecognizer textRecognizerWithOptions:options];

// When using Japanese script recognition SDK
MLKJapaneseTextRecognizerOptions *japaneseOptions = [[MLKJapaneseTextRecognizerOptions alloc] init];
MLKTextRecognizer *japaneseTextRecognizer = [MLKTextRecognizer textRecognizerWithOptions:options];

// When using Korean script recognition SDK
MLKKoreanTextRecognizerOptions *koreanOptions = [[MLKKoreanTextRecognizerOptions alloc] init];
MLKTextRecognizer *koreanTextRecognizer = [MLKTextRecognizer textRecognizerWithOptions:options];

2. इनपुट इमेज तैयार करें

इमेज को UIImage या CMSampleBufferRef के तौर पर TextRecognizer के process(_:completion:) तरीके से पास करें:

UIImage या CMSampleBuffer का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं.

अगर UIImage का इस्तेमाल किया जाता है, तो यह तरीका अपनाएं:

• UIImage की मदद से VisionImage ऑब्जेक्ट बनाएं. पक्का करें कि आपने सही .orientation डाला हो.

  Swift

  let image = VisionImage(image: UIImage)
  visionImage.orientation = image.imageOrientation

  Objective-C

  MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
  visionImage.orientation = image.imageOrientation;

अगर CMSampleBuffer का इस्तेमाल किया जाता है, तो यह तरीका अपनाएं:

• CMSampleBuffer में शामिल इमेज डेटा का ओरिएंटेशन बताएं.

  इमेज ओरिएंटेशन पाने के लिए:

  Swift

  func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
  ) -> UIImage.Orientation {
    switch deviceOrientation {
    case .portrait:
      return cameraPosition == .front ? .leftMirrored : .right
    case .landscapeLeft:
      return cameraPosition == .front ? .downMirrored : .up
    case .portraitUpsideDown:
      return cameraPosition == .front ? .rightMirrored : .left
    case .landscapeRight:
      return cameraPosition == .front ? .upMirrored : .down
    case .faceDown, .faceUp, .unknown:
      return .up
    }
  }
        

  Objective-C

  - (UIImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
    switch (deviceOrientation) {
      case UIDeviceOrientationPortrait:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                              : UIImageOrientationRight;
  
      case UIDeviceOrientationLandscapeLeft:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                              : UIImageOrientationUp;
      case UIDeviceOrientationPortraitUpsideDown:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                              : UIImageOrientationLeft;
      case UIDeviceOrientationLandscapeRight:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                              : UIImageOrientationDown;
      case UIDeviceOrientationUnknown:
      case UIDeviceOrientationFaceUp:
      case UIDeviceOrientationFaceDown:
        return UIImageOrientationUp;
    }
  }
        

• CMSampleBuffer ऑब्जेक्ट और ओरिएंटेशन का इस्तेमाल करके, VisionImage ऑब्जेक्ट बनाएं:

  Swift

  let image = VisionImage(buffer: sampleBuffer)
  image.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition)

  Objective-C

   MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
   image.orientation =
     [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                  cameraPosition:cameraPosition];

3. इमेज को प्रोसेस करें

इसके बाद, इमेज को process(_:completion:) तरीके से पास करें:

Swift

textRecognizer.process(visionImage) { result, error in
  guard error == nil, let result = result else {
    // Error handling
    return
  }
  // Recognized text
}

Objective-C

[textRecognizer processImage:image
                  completion:^(MLKText *_Nullable result,
                               NSError *_Nullable error) {
  if (error != nil || result == nil) {
    // Error handling
    return;
  }
  // Recognized text
}];

4. पहचाने गए टेक्स्ट के ब्लॉक से टेक्स्ट निकालें

अगर टेक्स्ट पहचानने वाली कार्रवाई हो जाती है, तो यह Text ऑब्जेक्ट दिखाता है. Text ऑब्जेक्ट में पूरा टेक्स्ट और इमेज में शून्य या उससे ज़्यादा TextBlock ऑब्जेक्ट होने की पहचान की जा सकती है.

हर TextBlock, टेक्स्ट के आयताकार ब्लॉक को दिखाता है, जिसमें शून्य या उससे ज़्यादा TextLine ऑब्जेक्ट होते हैं. हर TextLine ऑब्जेक्ट में शून्य या उससे ज़्यादा TextElement ऑब्जेक्ट हैं, जो शब्दों और शब्द जैसी इकाइयों को दिखाते हैं, जैसे कि तारीख और संख्याएं.

आपके पास हर TextBlock, TextLine, और TextElement ऑब्जेक्ट के लिए, टेक्स्ट की पहचान करने का विकल्प होता है. इसे क्षेत्र और उस क्षेत्र के निर्देशांकों (बाउंडिंग कोऑर्डिनेट) पर लागू किया जा सकता है.

उदाहरण के लिए:

Swift

let resultText = result.text
for block in result.blocks {
    let blockText = block.text
    let blockLanguages = block.recognizedLanguages
    let blockCornerPoints = block.cornerPoints
    let blockFrame = block.frame
    for line in block.lines {
        let lineText = line.text
        let lineLanguages = line.recognizedLanguages
        let lineCornerPoints = line.cornerPoints
        let lineFrame = line.frame
        for element in line.elements {
            let elementText = element.text
            let elementCornerPoints = element.cornerPoints
            let elementFrame = element.frame
        }
    }
}

Objective-C

NSString *resultText = result.text;
for (MLKTextBlock *block in result.blocks) {
  NSString *blockText = block.text;
  NSArray<MLKTextRecognizedLanguage *> *blockLanguages = block.recognizedLanguages;
  NSArray<NSValue *> *blockCornerPoints = block.cornerPoints;
  CGRect blockFrame = block.frame;
  for (MLKTextLine *line in block.lines) {
    NSString *lineText = line.text;
    NSArray<MLKTextRecognizedLanguage *> *lineLanguages = line.recognizedLanguages;
    NSArray<NSValue *> *lineCornerPoints = line.cornerPoints;
    CGRect lineFrame = line.frame;
    for (MLKTextElement *element in line.elements) {
      NSString *elementText = element.text;
      NSArray<NSValue *> *elementCornerPoints = element.cornerPoints;
      CGRect elementFrame = element.frame;
    }
  }
}

इनपुट इमेज के लिए दिशा-निर्देश

• एमएल किट की सही तरीके से टेक्स्ट की पहचान करने के 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, वर्णों को 24x24 पिक्सल से ज़्यादा सटीक होने का कोई फ़ायदा नहीं होता.

  उदाहरण के लिए, 640x480 पिक्सल की इमेज का इस्तेमाल करके, बिज़नेस कार्ड को स्कैन किया जा सकता है. यह कार्ड इमेज की पूरी चौड़ाई को दिखाता है. 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 पहचानने के सटीक तरीके पर असर डाल सकता है. अगर आपको सही नतीजे नहीं मिल रहे हैं, तो उपयोगकर्ता से इमेज को दोबारा कैप्चर करने के लिए कहें.

• अगर आपको किसी रीयल-टाइम ऐप्लिकेशन में टेक्स्ट की पहचान हो रही है, तो आपको इनपुट इमेज के सभी डाइमेंशन पर ध्यान देना चाहिए. छोटी इमेज को ज़्यादा तेज़ी से प्रोसेस किया जा सकता है. इंतज़ार के समय को कम करने के लिए, पक्का करें कि टेक्स्ट, इमेज के ज़्यादा से ज़्यादा हिस्से का इस्तेमाल करे. साथ ही, कम रिज़ॉल्यूशन में इमेज कैप्चर करें (ऊपर बताई गई सटीक ज़रूरी शर्तों को ध्यान में रखते हुए). ज़्यादा जानकारी के लिए, परफ़ॉर्मेंस बेहतर बनाने के लिए सलाह देखें.

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

• वीडियो फ़्रेम को प्रोसेस करने के लिए, डिटेक्टर के results(in:) सिंक्रोनस एपीआई का इस्तेमाल करें. दिए गए वीडियो फ़्रेम से इस तरीके को सिंक करते हुए नतीजे पाने के लिए, AVCaptureVideoDataOutputSampleBufferDelegate के captureOutput(_, didOutput:from:) फ़ंक्शन से इस तरीके को कॉल करें. डिटेक्टर के पास कॉल रोकने के लिए, AVCaptureVideoDataOutput के alwaysDiscardsLateVideoFrames को true के तौर पर सेट करें. अगर डिटेक्टर के चालू रहने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो उसे हटा दिया जाएगा.
• 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 बार में इमेज और ओवरले को रेंडर करें. ऐसा करने पर, प्रोसेस किए गए हर इनपुट फ़्रेम के लिए सिर्फ़ एक बार डिसप्ले की सतह पर इमेज बनाई जाती है. उदाहरण के लिए, एमएल किट के क्विकस्टार्ट सैंपल में updatePreviewOverlayViewWithLastFrame देखें.
• इससे कम रिज़ॉल्यूशन वाली इमेज कैप्चर की जा सकती हैं. हालांकि, इस एपीआई की इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तों का भी ध्यान रखें.
• परफ़ॉर्मेंस में होने वाली संभावित गिरावट से बचने के लिए, एक साथ TextRecognizer को अलग-अलग स्क्रिप्ट के विकल्पों के साथ न चलाएं.