ほぼ、「やってみた」レベルではありますが、自分のメモとしても書いておこうと思います。
やりたかったことは、画像から文字を読み取りたい、ということです。そのために、Google Cloud Visionを使います。
最初に言うと、プログラミング的なことはほぼGoogleさんが提供するサンプルコードでできるので、ここで独創的なことは何もやっていないのですが、わかりづらかったのはGoogle CloudのAPIを有効にすることなので、そこを絡めてメモしておきたいと思いました（笑）。
なので、その辺を含め紹介していきます。
①Google Cloudにアカウントがなければ作りましょう。
Google Cloud Console
②Vision APIを設定にします。
下記を読んで、手順通りにやります。
https://cloud.google.com/vision/docs/setup
途中、秘密鍵を設定する、環境変数でそれを設定する、など面倒なくだりがありますが、やります。
Cloud SDKのインストールもします。これ、結構時間がかかります。
③②まで終わったら、次は下記のURLを見ましょう。
https://cloud.google.com/vision/docs/quickstart-client-libraries
クライアント ライブラリをインストールする
のあたりから始めます。私はPythonで行きます。(`･ω･´)
pip install --upgrade google-cloud-vision
とやります。
で、ついにサンプルを動作させることができます！
下記の猫ちゃんの写真を読み込むサンプルを、Googleさんが用意してくれています。ありがたや~
import io
import os
# Imports the Google Cloud client library
from google.cloud import vision
# Instantiates a client
client = vision.ImageAnnotatorClient()
# The name of the image file to annotate
file_name = os.path.abspath('resources/wakeupcat.jpg')
# Loads the image into memory
with io.open(file_name, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
# Performs label detection on the image file
response = client.label_detection(image=image)
labels = response.label_annotations
print('Labels:')
for label in labels:
print(label.description)上記を実行してみるも…
Could not automatically determine credentials. Please set GOOGLE_APPLICATION_CREDENTIALS or explicitly create credentials and re-run the application. For more information, please see...
というエラーが出ます。
セイセイセイ~ ちょっと待ってくださいよ~
と言いたくなりますが、落ち着いてググると、下記に情報があります
下記の一文を、コードに追加します。
os.environ["GOOGLE_APPLICATION_CREDENTIALS"]="D:/vision_api_key/key.json"
#上記はただのサンプルなので、D:/以下はご自分のキーファイルの場所を指定してください。 すると、次は課金が有効ではない、というエラーが出ます。
Google Cloudで課金を有効にします。下記のリンクを見てやりましょう。
https://cloud.google.com/billing/docs/how-to/modify-project?hl=ja&visit_id=637623682365584203-1106306741&rd=1#confirm_billing_is_enabled_on_a_project
はぁ、はぁ、ついに実行できましたかね？
コードは全文でこのようになります。
import io
import os
# Imports the Google Cloud client library
from google.cloud import vision
os.environ["GOOGLE_APPLICATION_CREDENTIALS"]="D:/vision_api_key/key.json"
# Instantiates a client
client = vision.ImageAnnotatorClient()
# The name of the image file to annotate
file_name = os.path.abspath('wakeupcat.jpg')
# Loads the image into memory
with io.open(file_name, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
# Performs label detection on the image file
response = client.label_detection(image=image)
labels = response.label_annotations
print('Labels:')
for label in labels:
print(label.description)
実行すると
Labels:
Cat
Window
Felidae
Carnivore
Jaw
Ear
Small to medium-sized cats
Window blind
Gesture
Whiskers
と表示され、おお~ 画像が読み込まれた！というのがわかります。
えー、しかし、上記のは画像にラベルをつけるというサンプルです。
我々の目標は、書いてある字を読み取ることでした！
今度はこちらのサンプルを使います。
https://cloud.google.com/vision/docs/ocr?hl=ja
今回は、下記の画像を使います。とある日の私のコンビニの領収書です。
なので、ちょっと上記を変更します。text_detection()というメソッドを使います。
import os
os.environ["GOOGLE_APPLICATION_CREDENTIALS"]="D:/vision_api_key/key.json"
def detect_text(path):
"""Detects text in the file."""
from google.cloud import vision
import io
client = vision.ImageAnnotatorClient()
with io.open(path, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
response = client.text_detection(image=image)
texts = response.text_annotations
return texts
texts = detect_text("receipt.jpg")
print('\n"{}"'.format(texts[0].description))結果は下記のようになります。
"横浜北幸2丁
神奈川県横浜市西区北幸 2丁目9-
目店
電話: 045-324-5611
レジ#4
領 収書
7PLメンスヒ*オレSイ化粧水ソープ
スターハックスアイスチャイティーラテ
7Pセフンフレット3枚入
009
00乙米
*88
小 計 (税抜8%)
消費税等( 8%)
小計 (税抜10%)
消費税等(10%)
合 計
(税率 8%対象
(税率10%対象
(内消費税等8%
(内消費税等10%
nanaco支払
お買上明細は上記のとおりです。
[]マークは軽滅税率対象です。 nanaco番号 nanaco残高 今回ポイント ポ”イント残高 伝票番号 半288 半23 009夫 09夫 ギ971 半311) (099
半23)
(09夫
工L6夫
****4717
ギ3, 357
LTLヤ
4 P
240P
210-621-454-5134
Thet x帆術海戦
プレゼントキャンペーン
セブンネットでお買い物&セブンイレブン受取りで
応募者から抽選で711名様に
呪術迴戰ォリジナルQUOカード
をプレゼント
thopping
*判>11
vG-MーC4ト
O芥見下々/菜社,呪術圈戦割作载同会
"
ちょっとね~ うーん、残念！
という感じですね。ただ、定型文みたいなものはほぼ読み込めていると思われます。