質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.22%

Google Cloud Vision APIで光学式文字認識をpythonで実装できない

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 977

Tsuyoshi777

score 16

Google Cloud Vision APIで光学式文字認識をpythonで実装しようとしているのですが、うまくテキストが表示されません。

実行の参考サイトは以下二つです。
https://qiita.com/AltGuNi/items/6f22f1441733da08fdc1

https://www.g104robo.com/entry/google-cloud-vision-api

実装したコードは以下になります。
APIキーは抜いています。

# -*- coding: utf-8 -*-
import requests
import base64
import json
import os

GOOGLE_CLOUD_VISION_API_URL = 'https://vision.googleapis.com/v1/images:annotate?key='
API_KEY = '' # 取得したAPIキーを入力してください。

# APIを呼び、認識結果をjson型で返す
def request_cloud_vison_api(image_base64):
    api_url = GOOGLE_CLOUD_VISION_API_URL + API_KEY
    req_body = json.dumps({
        'requests': [{
            'image': {
                'content': image_base64.decode('utf-8') # jsonに変換するためにstring型に変換する
            },
            'features': [{
                'type': 'TEXT_DETECTION', # ここを変更することで分析内容を変更できる
                'maxResults': 10,
            }]
        }]
    })
    res = requests.post(api_url, data=req_body)
    return res.json()

# 画像読み込み
def img_to_base64(filepath):
    filepath = 'img/text-tool03.png'
    with open(filepath, 'rb') as img:
        img_byte = img.read()
    return base64.b64encode(img_byte)

# 文字認識させたい画像を./img.pngとする
filepath = 'img/text-tool03.png'
img_base64 = img_to_base64(filepath)
result = request_cloud_vison_api(img_base64)

#認識した文字の位置など、すべての情報を出力
#print("{}".format(json.dumps(result, indent=4)))

#認識した文字のみを出力
def get_fullTextAnnotation(json_data):
    text_dict = json.loads(json_data)
    try:
        text_r = text_dict["responses"][0]["fullTextAnnotation"]["text"]
        return print(text_r)
    except:
        print(None)
        return None

出力結果は特にエラーがなく何も表示されません。
写真はimgフォルダに一枚入っています。
写真は「あいうえお」とシンプルに書いてあるものです。
ご教示いただけましたら幸いです。

宜しくお願い致します。

追記

# 文字認識させたい画像を./img.pngとする
filepath = 'img'
path = os.listdir(filepath)
new_path = ','.join(path).replace(".DS_Store,","")
new_dir_path = 'img/' + new_path
img_base64 = img_to_base64(new_dir_path)
result = request_cloud_vison_api(img_base64)

**#認識した文字の位置など、すべての情報を出力
print("{}".format(json.dumps(result, indent=4)))**

#認識した文字のみを出力

# def get_fullTextAnnotation(json_data):
#     text_dict = json.loads(json_data)
#     try:
#         text_r = text_dict["responses"][0]["fullTextAnnotation"]["text"]
#         return print(text_r)
#     except:
#         print(None)
#         return None

途中、print("{}".format(json.dumps(result, indent=4)))で出力した結果、以下が出ました。

{
    "responses": [
        {}
    ]
}

これは、そもそも画像が読み込まれていないのでしょうか。

すいません、pathを違うもので書いてました。

def img_to_base64(filepath):
    filepath = 'img/text-tool03.png'
    with open(filepath, 'rb') as img:
        img_byte = img.read()
    return base64.b64encode(img_byte)

# 文字認識させたい画像を./img.pngとする
filepath = 'img/text-tool03.png'
img_base64 = img_to_base64(filepath)
result = request_cloud_vison_api(img_base64)

#認識した文字の位置など、すべての情報を出力
print("{}".format(json.dumps(result, indent=4)))

#認識した文字のみを出力

# def get_fullTextAnnotation(json_data):
#     text_dict = json.loads(json_data)
#     try:
#         text_r = text_dict["responses"][0]["fullTextAnnotation"]["text"]
#         return print(text_r)
#     except:
#         print(None)
#         return None

上記でも出力が同じでした。

変更前の写真は以下でした。
イメージ説明

ひらがなは読めないんでしょうか。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正の依頼

  • Tsuyoshi777

    2019/07/02 20:13

    写真を提示されているものに変えたら同じように出力が出ました!
    ただ、print("{}".format(json.dumps(result, indent=4)))が反映されただけで、以下コードのテキストだけの抽出が出てないので、考えます。

    キャンセル

  • tetsunosuke

    2019/07/02 21:05

    とりあえずなんらかの解析をかけることは成功したのですね。よかった。

    https://qiita.com/saken649/items/4bfd215bf943c36a52ab

    ひらがなが読めないわけではない、ようですよ。

    > ただ、print("{}".format(json.dumps(result, indent=4)))が反映されただけで、以下コードのテキストだけの抽出が出てないので、考えます。

    こちらは、
    get_fullTextAnnotation がそのままの記述ではエラーになることも確認しています。まああとはJSONデータから特定の部分を抜き出すコードを書けばいいだけなので、そう難しくなく到達できると思います。

    キャンセル

  • Tsuyoshi777

    2019/07/03 04:06

    わかりました。ありがとうございます。調べてみます!

    キャンセル

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.22%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る