Maison  >  Article  >  développement back-end  >  Apprenez Python pour implémenter l'accueil de l'interface Qiniu Cloud et réaliser des fonctions de reconnaissance et d'extraction de texte d'image

Apprenez Python pour implémenter l'accueil de l'interface Qiniu Cloud et réaliser des fonctions de reconnaissance et d'extraction de texte d'image

WBOY
WBOYoriginal
2023-07-05 15:45:391330parcourir

Apprenez Python pour implémenter l'accueil de l'interface Qiniu Cloud et réaliser des fonctions de reconnaissance et d'extraction de texte d'image

Avec le développement de l'intelligence artificielle, la reconnaissance et l'extraction de texte d'image sont devenues une technologie importante. Dans le processus de réalisation de cette technologie, Qiniu Cloud Platform fournit une interface pratique et rapide, permettant aux développeurs de réaliser facilement la reconnaissance et l'extraction de texte d'image. Cet article expliquera comment utiliser le langage Python pour se connecter à l'interface Qiniu Cloud et donnera des exemples de code correspondants.

Tout d'abord, nous devons créer un compte sur la plateforme Qiniu Cloud et obtenir la clé API correspondante. Une fois le compte créé, nous pouvons trouver la clé d'accès et la clé secrète dans la console Qiniu Cloud. Ce sont les clés que nous devons utiliser pour nous connecter à l'interface Qiniu Cloud.

Ensuite, nous devons installer le SDK Qiniu Cloud pour Python, qui peut être installé à l'aide de la commande pip :

pip install qiniu

Une fois l'installation terminée, nous pouvons commencer à écrire du code. Tout d'abord, nous devons importer la bibliothèque correspondante :

import qiniu

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

Après avoir importé la bibliothèque, nous devons remplacer access_key, secret_key et bucket_name par les valeurs que nous avons obtenues sur la plateforme Cloud Qiniu.

Ensuite, nous pouvons écrire une fonction pour appeler l'interface Qiniu Cloud afin de réaliser la fonction de reconnaissance et d'extraction de texte d'image.

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

Dans cette fonction, nous créons d'abord un objet d'autorisation en utilisant la classe qiniu.Auth et transmettons access_key et secret_key comme paramètres. Ensuite, nous encodons en Base64 l'URL de l'image à identifier et la transmettons en tant que paramètre.

Ensuite, nous générons une signature via la fonction auth.sign_request et ajoutons les informations d'authentification correspondantes dans les en-têtes. Nous pouvons ensuite utiliser la bibliothèque de requêtes pour envoyer une requête POST et convertir les résultats reconnus au format dictionnaire. Enfin, nous déterminons s'il y a un message d'erreur dans le résultat renvoyé. Si tel est le cas, le message d'erreur est affiché. Sinon, le texte reconnu est renvoyé.

Jusqu'à présent, nous avons terminé l'amarrage de l'interface Qiniu Cloud et l'écriture des fonctions de reconnaissance et d'extraction de texte d'image.

Ensuite, nous pouvons écrire une fonction principale pour tester notre code :

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


if __name__ == '__main__':
    main()

Dans cette fonction principale, nous passons l'URL d'une image en paramètre à la fonction reconnaître_text et imprimons le résultat texte renvoyé .

Il est à noter que nous devons remplacer 'votre-image-url.com/image.jpg' par l'URL de l'image que nous souhaitons identifier.

Enfin, nous pouvons exécuter notre code et voir les résultats affichés sur la console.

Grâce aux étapes ci-dessus, nous avons terminé le processus d'utilisation de Python pour implémenter l'amarrage de l'interface Qiniu Cloud et réaliser des fonctions de reconnaissance et d'extraction de texte d'image. J'espère que cet article a apporté de l'aide à tout le monde, permettant à chacun d'utiliser plus facilement la fonction de reconnaissance d'image fournie par Qiniu Cloud Platform.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn