Habilidades cognitivas OCR

A habilidade de reconhecimento óptico de caracteres (OCR) reconhece texto impresso e manuscrito em arquivos de imagem. Este artigo é a documentação de referência para a habilidade do OCR. Confira Extrair texto de imagens para obter as instruções de uso.

Uma habilidade do OCR usa os modelos de machine learning fornecidos pelo API do Azure AI Vision v3.2 nos serviços de IA do Azure. A habilidade OCR é mapeada para a seguinte funcionalidade:

• Para os idiomas listados em suporte à linguagem da Visão de IA do Azure, o API de Leitura é usado.

• Para o cirílico grego e o sérvio, o OCR herdado na API da versão 3.2 é usado.

A habilidade OCR extrai o texto de arquivos de imagem. Formatos de arquivo com suporte incluem:

• .JPEG
• .JPG
• .PNG
• .BMP
• TIFF

Parâmetros de habilidades

Os parâmetros diferenciam maiúsculas de minúsculas.

Nas versões anteriores, havia um parâmetro chamado "textExtractionAlgorithm" para especificar a extração de texto "impresso" ou "manuscrito". Esse parâmetro foi preterido porque o algoritmo atual da API de leitura extrai os dois tipos de texto de uma só vez. Se sua habilidade inclui esse parâmetro, você não precisa removê-lo, mas ele não será usado durante a execução da habilidade.

Entradas de habilidades

Saídas de habilidades

Se você chamar o OCR em imagens inseridas em PDFs ou em outros arquivos de aplicativo, a saída do OCR estará na parte inferior da página, após qualquer texto que tiver sido extraído e processado.

Definição de exemplo

{
  "skills": [
    {
      "description": "Extracts text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": null,
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text",
          "targetName": "myText"
        },
        {
          "name": "layoutText",
          "targetName": "myLayoutText"
        }
      ]
    }
  ]
}

Exemplo de saída de texto e layoutText

{
  "text": "Hello World. -John",
  "layoutText":
  {
    "language" : "en",
    "text" : "Hello World. -John",
    "lines" : [
      {
        "boundingBox":
        [ {"x":10, "y":10}, {"x":50, "y":10}, {"x":50, "y":30},{"x":10, "y":30}],
        "text":"Hello World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ],
    "words": [
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"Hello"
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ]
  }
}

Exemplo: mesclar texto extraído de imagens inseridas com o conteúdo do documento

A quebra de documentos, a primeira etapa na execução do conjunto de habilidades, separa o conteúdo de texto e de imagem. Um caso de uso comum para o Text Merger é a mesclagem da representação textual de imagens (texto de uma habilidade do OCR ou a legenda de uma imagem) no campo de conteúdo de um documento. Isso serve para cenários em que o documento de origem é um documento PDF ou Word que combina texto com imagens inseridas.

O conjunto de habilidades de exemplo a seguir cria um campo merged_text. Esse campo traz o conteúdo textual do documento e o texto processado para OCR de cada uma das imagens inseridas nesse documento.

Sintaxe de Corpo da Solicitação

{
  "description": "Extract text from images and merge with content text to produce merged_text",
  "skills":
  [
    {
      "description": "Extract text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": "en",
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.MergeSkill",
      "description": "Create merged_text, which includes all the textual representation of each image inserted at the right location in the content field.",
      "context": "/document",
      "insertPreTag": " ",
      "insertPostTag": " ",
      "inputs": [
        {
          "name":"text",
          "source": "/document/content"
        },
        {
          "name": "itemsToInsert", 
          "source": "/document/normalized_images/*/text"
        },
        {
          "name":"offsets", 
          "source": "/document/normalized_images/*/contentOffset"
        }
      ],
      "outputs": [
        {
          "name": "mergedText", 
          "targetName" : "merged_text"
        }
      ]
    }
  ]
}

O exemplo de conjunto de qualificações acima presume que existe um campo de imagens normalizado. Para gerar esse campo, defina a configuração imageAction na definição do indexador para generateNormalizedImages conforme mostrado abaixo:

{
  //...rest of your indexer definition goes here ...
  "parameters": {
    "configuration": {
      "dataToExtract":"contentAndMetadata",
      "imageAction":"generateNormalizedImages"
    }
  }
}

Confira também

• O que é o reconhecimento óptico de caracteres?
• Habilidades internas
• Habilidade de TextMerger
• Como definir um conjunto de qualificações
• Extrair texto e informações de imagens
• Criar Indexador (REST)