Belajar Python untuk melaksanakan dok antara muka Awan Qiniu dan merealisasikan fungsi pengecaman dan pengekstrakan teks imej

Belajar Python untuk melaksanakan dok antara muka Awan Qiniu dan merealisasikan fungsi pengecaman dan pengekstrakan teks imej

Dengan pembangunan kecerdasan buatan, pengecaman dan pengekstrakan teks imej telah menjadi teknologi penting. Dalam proses merealisasikan teknologi ini, Qiniu Cloud Platform menyediakan antara muka yang mudah dan pantas, membolehkan pembangun merealisasikan pengiktirafan dan pengekstrakan teks gambar dengan mudah. Artikel ini akan memperkenalkan cara menggunakan bahasa Python untuk menyambung ke antara muka Awan Qiniu dan memberikan contoh kod yang sepadan.

Pertama, kita perlu membuat akaun pada platform Awan Qiniu dan mendapatkan kunci API yang sepadan. Selepas akaun dibuat, kami boleh mencari Kunci Akses dan Kunci Rahsia dalam konsol Awan Qiniu Ini adalah kunci yang perlu kami gunakan untuk menyambung ke antara muka Awan Qiniu.

Seterusnya, kita perlu memasang Qiniu Cloud SDK untuk Python, yang boleh dipasang menggunakan arahan pip:

pip install qiniu

Selepas pemasangan selesai, kita boleh mula menulis kod. Pertama, kita perlu mengimport perpustakaan yang sepadan:

import qiniu

access_key = 'YOUR_ACCESS_KEY'
secret_key = 'YOUR_SECRET_KEY'
bucket_name = 'YOUR_BUCKET_NAME'

Selepas mengimport perpustakaan, kita perlu menggantikan access_key, secret_key dan bucket_name dengan nilai yang kami peroleh pada Qiniu Cloud Platform.

Seterusnya, kita boleh menulis fungsi untuk memanggil antara muka Awan Qiniu untuk merealisasikan fungsi pengecaman dan pengekstrakan teks imej.

def recognize_text(url):
    auth = qiniu.Auth(access_key, secret_key)
    url = qiniu.urlsafe_base64_encode(url)
    data = {'url': url}
    token = auth.sign_request(data)

    headers = {'Content-Type': 'application/json',
               'Authorization': 'Qiniu %s' % token}

    url = 'http://ai.qiniuapi.com/v1/ocr/recognize_text'
    response = requests.post(url, headers=headers, json=data)
    result = response.json()

    if 'error' in result:
        print('Error:', result['error'])
    else:
        text = result['result']
        return text

Dalam fungsi ini, kami mula-mula mencipta objek kebenaran menggunakan kelas qiniu.Auth dan masukkan access_key dan secret_key sebagai parameter. Kemudian kami Base64 mengekod URL imej untuk dikenal pasti dan menghantarnya sebagai parameter.

Seterusnya, kami menjana tandatangan melalui fungsi auth.sign_request dan menambah maklumat pengesahan yang sepadan dalam pengepala. Kami kemudiannya boleh menggunakan perpustakaan permintaan untuk menghantar permintaan POST dan menukar hasil yang diiktiraf ke dalam format kamus. Akhir sekali, kami menentukan sama ada terdapat mesej ralat dalam hasil yang dikembalikan. Jika ya, mesej ralat akan dikeluarkan.

Setakat ini, kami telah menyelesaikan dok antara muka Awan Qiniu dan penulisan fungsi pengecaman dan pengekstrakan teks imej.

Seterusnya, kami boleh menulis fungsi utama untuk menguji kod kami:

def main():
    url = 'http://your-image-url.com/image.jpg'
    text = recognize_text(url)
    print('Recognized text:', text)


if __name__ == '__main__':
    main()

Dalam fungsi utama ini, kami menghantar URL imej sebagai parameter kepada fungsi recogn_text dan mencetak hasil teks yang dikembalikan .

Perlu diingatkan bahawa kita perlu menggantikan 'your-image-url.com/image.jpg' dengan URL imej yang ingin kita kenal pasti.

Akhir sekali, kami boleh menjalankan kod kami dan melihat hasil keluaran pada konsol.

Melalui langkah di atas, kami telah menyelesaikan proses menggunakan Python untuk melaksanakan dok antara muka Awan Qiniu dan merealisasikan fungsi pengecaman dan pengekstrakan teks imej. Saya harap artikel ini telah membawa sedikit bantuan kepada semua orang, membolehkan semua orang menggunakan fungsi pengecaman imej yang disediakan oleh Qiniu Cloud Platform dengan lebih mudah.

Atas ialah kandungan terperinci Belajar Python untuk melaksanakan dok antara muka Awan Qiniu dan merealisasikan fungsi pengecaman dan pengekstrakan teks imej. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!