Mulai cepat: Analisis Gambar

Artikel
02/27/2024

Mulai dengan REST API Analisis Gambar atau pustaka klien untuk menyiapkan skrip tag gambar dasar. Layanan Image Analysis memberi Anda algoritma AI untuk memproses gambar dan mengembalikan informasi tentang fitur visual mereka. Ikuti langkah-langkah ini untuk memasang paket ke aplikasi Anda dan cobalah kode sampel.

Gunakan pustaka klien Analisis Gambar untuk C# guna menganalisis gambar untuk tag konten. Panduan mulai cepat ini menentukan metode, yaitu AnalyzeImageUrl, yang menggunakan objek klien untuk menganalisis gambar jarak jauh dan mencetak hasilnya.

Dokumentasi referensi | Kode sumber pustaka | Paket (NuGet) | Sampel

Tip

Anda juga dapat menganalisis gambar lokal. Lihat metode ComputerVisionClient, seperti AnalyzeImageInStreamAsync. Atau, lihat sampel kode pada GitHub untuk skenario yang melibatkan gambar lokal.

Tip

API Analyze dapat melakukan banyak operasi yang berbeda selain menghasilkan tag gambar. Untuk contoh yang menampilkan semua fitur yang tersedia, lihat Panduan cara Menganalisis Gambar.

Prasyarat

Langganan Azure - buat langganan gratis
IDE Visual Studio atau versi .NET Core saat ini.
Setelah Anda memiliki langganan Azure, buat sumber daya Computer Vision di portal Azure untuk mendapatkan kunci dan titik akhir Anda. Setelah menyebar, pilih Buka sumber daya.
- Anda memerlukan kunci dan titik akhir dari sumber daya yang Anda buat untuk menyambungkan aplikasi Anda ke layanan Azure AI Vision.
- Anda dapat menggunakan tingkat harga gratis (F0) untuk percobaan, lalu meningkatkannya ke tingkat berbayar untuk produksi.

Membuat variabel lingkungan

Dalam contoh ini, tulis kredensial Anda ke variabel lingkungan di komputer lokal yang menjalankan aplikasi.

Buka portal Microsoft Azure. Jika sumber daya yang Anda buat di bagian Prasyarat berhasil disebarkan, pilih Buka sumber daya di bawah Langkah Berikutnya. Anda dapat menemukan kunci dan titik akhir Anda di bawah Manajemen Sumber Daya di halaman Kunci dan Titik Akhir. Kunci sumber daya Anda tidak sama dengan ID langganan Azure Anda.

Tip

Jangan sertakan kunci langsung dalam kode Anda, dan jangan pernah mempostingnya secara publik. Lihat artikel keamanan layanan Azure AI untuk opsi autentikasi lainnya seperti Azure Key Vault.

Untuk mengatur variabel lingkungan untuk kunci dan titik akhir Anda, buka jendela konsol dan ikuti instruksi untuk sistem operasi dan lingkungan pengembangan Anda.

Untuk mengatur VISION_KEY variabel lingkungan, ganti your-key dengan salah satu kunci untuk sumber daya Anda.
Untuk mengatur VISION_ENDPOINT variabel lingkungan, ganti your-endpoint dengan titik akhir untuk sumber daya Anda.

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

Setelah menambahkan variabel lingkungan, Anda mungkin perlu memulai ulang program yang sedang berjalan yang akan membaca variabel lingkungan, termasuk jendela konsol.

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

Setelah Anda menambahkan variabel lingkungan, jalankan source ~/.bashrc dari jendela konsol Anda untuk membuat perubahan efektif.

Menganalisis Gambar

Buat aplikasi C# baru.
- IDE Visual Studio
- CLI
Menggunakan Visual Studio, buat aplikasi .NET Core baru.

Memasang pustaka klien

Setelah Anda membuat proyek baru, pasang pustaka klien dengan mengklik kanan solusi proyek di Penjelajah Solusi, lalu pilih Kelola Paket NuGet. Di manajer paket yang terbuka, pilih Telusuri, centang Sertakan prarilis, dan cari Microsoft.Azure.CognitiveServices.Vision.ComputerVision. Pilih versi 7.0.0, lalu Pasang.
Di jendela konsol (seperti cmd, PowerShell, atau Bash), gunakan perintah dotnet new untuk membuat aplikasi konsol baru dengan nama computer-vision-quickstart. Perintah ini membuat proyek C# "Halo Dunia" sederhana dengan file sumber tunggal: Program.cs.
```
dotnet new console -n computer-vision-quickstart
```
Ubah direktori Anda ke folder aplikasi yang baru dibuat. Anda dapat membangun aplikasi dengan:
```
dotnet build
```
Output build tidak boleh berisi peringatan atau kesalahan.
```
...
Build succeeded.
 0 Warning(s)
 0 Error(s)
...
```
Memasang pustaka klien

Dalam direktori aplikasi, instal pustaka klien Azure AI Vision untuk .NET dengan perintah berikut:
```
dotnet add package Microsoft.Azure.CognitiveServices.Vision.ComputerVision --version 7.0.0
```

Dari direktori proyek, buka file Program.cs di editor atau IDE pilihan Anda. Tempelkan dalam kode berikut:

using System;
using System.Collections.Generic;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.Threading.Tasks;
using System.IO;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.Threading;
using System.Linq;

namespace ComputerVisionQuickstart
{
    class Program
    {
        // Add your Computer Vision key and endpoint
        static string key = Environment.GetEnvironmentVariable("VISION_KEY");
        static string endpoint = Environment.GetEnvironmentVariable("VISION_ENDPOINT");

        // URL image used for analyzing an image (image of puppy)
        private const string ANALYZE_URL_IMAGE = "https://moderatorsampleimages.blob.core.windows.net/samples/sample16.png";

        static void Main(string[] args)
        {
            Console.WriteLine("Azure Cognitive Services Computer Vision - .NET quickstart example");
            Console.WriteLine();

            // Create a client
            ComputerVisionClient client = Authenticate(endpoint, key);

            // Analyze an image to get features and other properties.
            AnalyzeImageUrl(client, ANALYZE_URL_IMAGE).Wait();
        }

        /*
         * AUTHENTICATE
         * Creates a Computer Vision client used by each example.
         */
        public static ComputerVisionClient Authenticate(string endpoint, string key)
        {
            ComputerVisionClient client =
              new ComputerVisionClient(new ApiKeyServiceClientCredentials(key))
              { Endpoint = endpoint };
            return client;
        }
       
        public static async Task AnalyzeImageUrl(ComputerVisionClient client, string imageUrl)
        {
            Console.WriteLine("----------------------------------------------------------");
            Console.WriteLine("ANALYZE IMAGE - URL");
            Console.WriteLine();

            // Creating a list that defines the features to be extracted from the image. 

            List<VisualFeatureTypes?> features = new List<VisualFeatureTypes?>()
            {
                VisualFeatureTypes.Tags
            };

            Console.WriteLine($"Analyzing the image {Path.GetFileName(imageUrl)}...");
            Console.WriteLine();
            // Analyze the URL image 
            ImageAnalysis results = await client.AnalyzeImageAsync(imageUrl, visualFeatures: features);

            // Image tags and their confidence score
            Console.WriteLine("Tags:");
            foreach (var tag in results.Tags)
            {
                Console.WriteLine($"{tag.Name} {tag.Confidence}");
            }
            Console.WriteLine();
        }
    }
}

Penting

Jangan lupa menghapus kunci dari kode setelah Anda selesai, dan jangan pernah mempostingnya secara publik. Untuk produksi, gunakan cara yang aman untuk menyimpan dan mengakses kredensial Anda seperti Azure Key Vault. Lihat artikel keamanan layanan Azure AI untuk informasi selengkapnya.

Jalankan aplikasi
- IDE Visual Studio
- CLI
Jalankan aplikasi dengan mengeklik tombol Debug di bagian atas jendela IDE.
Menjalankan aplikasi dari direktori aplikasi Anda dengan perintah dotnet run.
```
dotnet run
```

Hasil

----------------------------------------------------------
ANALYZE IMAGE - URL

Analyzing the image sample16.png...

Tags:
grass 0.9957543611526489
dog 0.9939157962799072
mammal 0.9928356409072876
animal 0.9918001890182495
dog breed 0.9890419244766235
pet 0.974603533744812
outdoor 0.969241738319397
companion dog 0.906731367111206
small greek domestic dog 0.8965123891830444
golden retriever 0.8877675533294678
labrador retriever 0.8746421337127686
puppy 0.872604250907898
ancient dog breeds 0.8508287668228149
field 0.8017748594284058
retriever 0.6837497353553772
brown 0.6581960916519165

Membersihkan sumber daya

Jika Anda ingin membersihkan dan menghapus langganan layanan Azure AI, Anda dapat menghapus sumber daya atau grup sumber daya. Menghapus grup sumber daya juga menghapus sumber daya apa pun yang terkait dengannya.

Langkah berikutnya

Dalam mulai cepat ini, Anda belajar cara memasang pustaka klien Analisis Gambar dan melakukan panggilan analisis gambar dasar. Selanjutnya, pelajari lebih lanjut fitur Analyze API.

Hubungi Analyze API

Gambaran umum Analisis Gambar
Kode sumber untuk sampel ini dapat ditemukan di GitHub.

Gunakan pustaka klien Analisis Gambar untuk Python guna menganalisis gambar jarak jauh untuk tag konten.

Tip

Anda juga dapat menganalisis gambar lokal. Lihat metode ComputerVisionClientOperationsMixin, seperti analyze_image_in_stream. Atau, lihat sampel kode pada GitHub untuk skenario yang melibatkan gambar lokal.

Tip

API Analyze dapat melakukan banyak operasi yang berbeda selain menghasilkan tag gambar. Untuk contoh yang menampilkan semua fitur yang tersedia, lihat Panduan cara Menganalisis Gambar.

Dokumentasi referensi | Kode sumber pustaka | Paket (PiPy) | Sampel

Prasyarat

Langganan Azure - buat langganan gratis
Python 3.x
- Penginstalan Python Anda harus menyertakan pip. Anda dapat memeriksa apakah pip terinstal dengan menjalankan pip --version pada baris perintah. Dapatkan pip dengan menginstal versi terbaru Python.
Setelah Anda memiliki langganan Azure, buat sumber daya Vision di portal Azure untuk mendapatkan kunci dan titik akhir Anda. Setelah menyebar, pilih Buka sumber daya.
- Anda memerlukan kunci dan titik akhir dari sumber daya yang Anda buat untuk menyambungkan aplikasi Anda ke layanan Azure AI Vision.
- Anda dapat menggunakan tingkat harga gratis (F0) untuk percobaan, lalu meningkatkannya ke tingkat berbayar untuk produksi.

Membuat variabel lingkungan

Dalam contoh ini, tulis kredensial Anda ke variabel lingkungan di komputer lokal yang menjalankan aplikasi.

Tip

Jangan sertakan kunci langsung dalam kode Anda, dan jangan pernah mempostingnya secara publik. Lihat artikel keamanan layanan Azure AI untuk opsi autentikasi lainnya seperti Azure Key Vault.

Untuk mengatur variabel lingkungan untuk kunci dan titik akhir Anda, buka jendela konsol dan ikuti instruksi untuk sistem operasi dan lingkungan pengembangan Anda.

Untuk mengatur VISION_KEY variabel lingkungan, ganti your-key dengan salah satu kunci untuk sumber daya Anda.
Untuk mengatur VISION_ENDPOINT variabel lingkungan, ganti your-endpoint dengan titik akhir untuk sumber daya Anda.

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

Setelah menambahkan variabel lingkungan, Anda mungkin perlu memulai ulang program yang sedang berjalan yang akan membaca variabel lingkungan, termasuk jendela konsol.

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

Setelah Anda menambahkan variabel lingkungan, jalankan source ~/.bashrc dari jendela konsol Anda untuk membuat perubahan efektif.

Menganalisis Gambar

Menginstal pustaka klien.

Anda dapat memasang pustaka klien dengan:
```
pip install --upgrade azure-cognitiveservices-vision-computervision
```
Juga menginstal pustaka Pillow.
```
pip install pillow
```
Buat aplikasi Python baru.

Buat file Python baru—quickstart-file.py, misalnya.

Buka quickstart-file.py di editor teks atau IDE dan tempelkan kode berikut.

from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from azure.cognitiveservices.vision.computervision.models import OperationStatusCodes
from azure.cognitiveservices.vision.computervision.models import VisualFeatureTypes
from msrest.authentication import CognitiveServicesCredentials

from array import array
import os
from PIL import Image
import sys
import time

'''
Authenticate
Authenticates your credentials and creates a client.
'''
subscription_key = os.environ["VISION_KEY"]
endpoint = os.environ["VISION_ENDPOINT"]

computervision_client = ComputerVisionClient(endpoint, CognitiveServicesCredentials(subscription_key))
'''
END - Authenticate
'''

'''
Quickstart variables
These variables are shared by several examples
'''
# Images used for the examples: Describe an image, Categorize an image, Tag an image, 
# Detect faces, Detect adult or racy content, Detect the color scheme, 
# Detect domain-specific content, Detect image types, Detect objects
images_folder = os.path.join (os.path.dirname(os.path.abspath(__file__)), "images")
remote_image_url = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/ComputerVision/Images/landmark.jpg"
'''
END - Quickstart variables
'''


'''
Tag an Image - remote
This example returns a tag (key word) for each thing in the image.
'''
print("===== Tag an image - remote =====")
# Call API with remote image
tags_result_remote = computervision_client.tag_image(remote_image_url )

# Print results with confidence score
print("Tags in the remote image: ")
if (len(tags_result_remote.tags) == 0):
    print("No tags detected.")
else:
    for tag in tags_result_remote.tags:
        print("'{}' with confidence {:.2f}%".format(tag.name, tag.confidence * 100))
print()
'''
END - Tag an Image - remote
'''
print("End of Computer Vision quickstart.")

Jalankan aplikasi dengan perintah python pada file mulai cepat Anda.
```
python quickstart-file.py
```

Hasil

===== Tag an image - remote =====
Tags in the remote image:
'outdoor' with confidence 99.00%
'building' with confidence 98.81%
'sky' with confidence 98.21%
'stadium' with confidence 98.17%
'ancient rome' with confidence 96.16%
'ruins' with confidence 95.04%
'amphitheatre' with confidence 93.99%
'ancient roman architecture' with confidence 92.65%
'historic site' with confidence 89.55%
'ancient history' with confidence 89.54%
'history' with confidence 86.72%
'archaeological site' with confidence 84.41%
'travel' with confidence 65.85%
'large' with confidence 61.02%
'city' with confidence 56.57%

End of Azure AI Vision quickstart.

Membersihkan sumber daya

Langkah berikutnya

Dalam mulai cepat ini, Anda belajar cara memasang pustaka klien Analisis Gambar dan melakukan panggilan analisis gambar dasar. Selanjutnya, pelajari lebih lanjut fitur Analyze API.

Hubungi Analyze API

Gambaran umum Analisis Gambar
Kode sumber untuk sampel ini dapat ditemukan di GitHub.

Gunakan pustaka klien Analisis Gambar untuk menganalisis gambar jarak jauh guna mendapat tag, deskripsi teks, wajah, konten dewasa, dan banyak lagi.

Tip

Anda juga dapat menganalisis gambar lokal. Lihat metode ComputerVision, seperti AnalyzeImage. Atau, lihat sampel kode pada GitHub untuk skenario yang melibatkan gambar lokal.

Tip

API Analyze dapat melakukan banyak operasi yang berbeda selain menghasilkan tag gambar. Untuk contoh yang menampilkan semua fitur yang tersedia, lihat Panduan cara Menganalisis Gambar.

Dokumentasi referensi | Kode sumber pustaka |Artefak (Maven) | Sampel

Prasyarat

Langganan Azure - buat langganan gratis
Versi terbaru Java Development Kit (JDK)
Alat build Gradle, atau manajer dependensi lainnya.
Setelah Anda memiliki langganan Azure, buat sumber daya Vision di portal Azure untuk mendapatkan kunci dan titik akhir Anda. Setelah menyebar, pilih Buka sumber daya.
- Anda memerlukan kunci dan titik akhir dari sumber daya yang Anda buat untuk menyambungkan aplikasi Anda ke layanan Azure AI Vision.
- Anda dapat menggunakan tingkat harga gratis (F0) untuk percobaan, lalu meningkatkannya ke tingkat berbayar untuk produksi.

Membuat variabel lingkungan

Dalam contoh ini, tulis kredensial Anda ke variabel lingkungan di komputer lokal yang menjalankan aplikasi.

Tip

Jangan sertakan kunci langsung dalam kode Anda, dan jangan pernah mempostingnya secara publik. Lihat artikel keamanan layanan Azure AI untuk opsi autentikasi lainnya seperti Azure Key Vault.

Untuk mengatur variabel lingkungan untuk kunci dan titik akhir Anda, buka jendela konsol dan ikuti instruksi untuk sistem operasi dan lingkungan pengembangan Anda.

Untuk mengatur VISION_KEY variabel lingkungan, ganti your-key dengan salah satu kunci untuk sumber daya Anda.
Untuk mengatur VISION_ENDPOINT variabel lingkungan, ganti your-endpoint dengan titik akhir untuk sumber daya Anda.

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

Setelah menambahkan variabel lingkungan, Anda mungkin perlu memulai ulang program yang sedang berjalan yang akan membaca variabel lingkungan, termasuk jendela konsol.

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

Setelah Anda menambahkan variabel lingkungan, jalankan source ~/.bashrc dari jendela konsol Anda untuk membuat perubahan efektif.

Menganalisis Gambar

Buat proyek Gradle baru.

Di jendela konsol (seperti cmd, PowerShell, atau Bash), buat direktori baru untuk aplikasi Anda, dan buka direktori tersebut.
```
mkdir myapp && cd myapp
```
Jalankan perintah gradle init dari direktori yang berfungsi. Perintah ini akan membuat file build penting untuk Gradle, termasuk build.gradle.kts yang digunakan saat runtime bahasa umum untuk membuat dan mengonfigurasi aplikasi Anda.
```
gradle init --type basic
```
Saat diminta untuk memilih DSL, pilih Kotlin.
Menginstal pustaka klien.

Mulai cepat ini menggunakan pengelola dependensi Gradle. Anda dapat menemukan pustaka klien dan informasi untuk pengelola dependensi lain di Repositori Pusat Maven.

Temukan build.gradle.kts lalu buka dengan IDE atau editor teks pilihan Anda. Lalu, salin dalam konfigurasi build berikut. Konfigurasi ini mendefinisikan proyek sebagai aplikasi Java yang titik masuknya adalah kelas ImageAnalysisQuickstart. Ini mengimpor pustaka Azure AI Vision.
```
plugins {
    java
    application
}
application { 
    mainClass.set("ImageAnalysisQuickstart")
}
repositories {
    mavenCentral()
}
dependencies {
    implementation(group = "com.microsoft.azure.cognitiveservices", name = "azure-cognitiveservices-computervision", version = "1.0.9-beta")
}
```
Buat file Java.

Dari direktori kerja Anda, jalankan perintah berikut ini untuk membuat folder sumber proyek:
```
mkdir -p src/main/java
```
Navigasi ke folder baru dan buat file bernama ImageAnalysisQuickstart.java.

Buka ImageAnalysisQuickstart.java di editor atau IDE pilihan Anda dan tempelkan kode berikut.

import com.microsoft.azure.cognitiveservices.vision.computervision.*;
import com.microsoft.azure.cognitiveservices.vision.computervision.implementation.ComputerVisionImpl;
import com.microsoft.azure.cognitiveservices.vision.computervision.models.*;

import java.io.*;
import java.nio.file.Files;

import java.util.ArrayList;
import java.util.List;
import java.util.UUID;

public class ImageAnalysisQuickstart {

    // Use environment variables
    static String key = System.getenv("VISION_KEY");
    static String endpoint = System.getenv("VISION_ENDPOINT");

    public static void main(String[] args) {
        
        System.out.println("\nAzure Cognitive Services Computer Vision - Java Quickstart Sample");

        // Create an authenticated Computer Vision client.
        ComputerVisionClient compVisClient = Authenticate(key, endpoint); 

        // Analyze local and remote images
        AnalyzeRemoteImage(compVisClient);

    }

    public static ComputerVisionClient Authenticate(String key, String endpoint){
        return ComputerVisionManager.authenticate(key).withEndpoint(endpoint);
    }


    public static void AnalyzeRemoteImage(ComputerVisionClient compVisClient) {
        /*
         * Analyze an image from a URL:
         *
         * Set a string variable equal to the path of a remote image.
         */
        String pathToRemoteImage = "https://github.com/Azure-Samples/cognitive-services-sample-data-files/raw/master/ComputerVision/Images/faces.jpg";

        // This list defines the features to be extracted from the image.
        List<VisualFeatureTypes> featuresToExtractFromRemoteImage = new ArrayList<>();
        featuresToExtractFromRemoteImage.add(VisualFeatureTypes.TAGS);

        System.out.println("\n\nAnalyzing an image from a URL ...");

        try {
            // Call the Computer Vision service and tell it to analyze the loaded image.
            ImageAnalysis analysis = compVisClient.computerVision().analyzeImage().withUrl(pathToRemoteImage)
                    .withVisualFeatures(featuresToExtractFromRemoteImage).execute();


            // Display image tags and confidence values.
            System.out.println("\nTags: ");
            for (ImageTag tag : analysis.tags()) {
                System.out.printf("\'%s\' with confidence %f\n", tag.name(), tag.confidence());
            }
        }

        catch (Exception e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
    }
    // END - Analyze an image from a URL.

}

Kembali ke folder akar proyek, dan bangun aplikasi tersebut dengan:
```
gradle build
```
Kemudian, jalankan dengan perintah gradle run:
```
gradle run
```

Hasil

Azure AI Vision - Java Quickstart Sample

Analyzing an image from a URL ...

Tags:
'person' with confidence 0.998895
'human face' with confidence 0.997437
'smile' with confidence 0.991973
'outdoor' with confidence 0.985962
'happy' with confidence 0.969785
'clothing' with confidence 0.961570
'friendship' with confidence 0.946441
'tree' with confidence 0.917331
'female person' with confidence 0.890976
'girl' with confidence 0.888741
'social group' with confidence 0.872044
'posing' with confidence 0.865493
'adolescent' with confidence 0.857371
'love' with confidence 0.852553
'laugh' with confidence 0.850097
'people' with confidence 0.849922
'lady' with confidence 0.844540
'woman' with confidence 0.818172
'group' with confidence 0.792975
'wedding' with confidence 0.615252
'dress' with confidence 0.517169

Membersihkan sumber daya

Langkah berikutnya

Dalam mulai cepat ini, Anda belajar cara memasang pustaka klien Analisis Gambar dan melakukan panggilan analisis gambar dasar. Selanjutnya, pelajari lebih lanjut fitur Analyze API.

Hubungi Analyze API

Gambaran umum Analisis Gambar
Kode sumber untuk sampel ini dapat ditemukan di GitHub.

Gunakan pustaka klien Analisis Gambar untuk JavaScript guna menganalisis gambar jarak jauh untuk mendapat tag konten.

Tip

Anda juga dapat menganalisis gambar lokal. Lihat metode ComputerVisionClient, seperti describeImageInStream. Atau, lihat sampel kode pada GitHub untuk skenario yang melibatkan gambar lokal.

Tip

API Analyze dapat melakukan banyak operasi yang berbeda selain menghasilkan tag gambar. Untuk contoh yang menampilkan semua fitur yang tersedia, lihat Panduan cara Menganalisis Gambar.

Dokumentasi referensi | Kode sumber pustaka | Paket (npm) | Sampel

Prasyarat

Langganan Azure - buat langganan gratis
Versi terbaru Node.js
Setelah Anda memiliki langganan Azure, buat sumber daya Vision di portal Azure untuk mendapatkan kunci dan titik akhir Anda. Setelah menyebar, pilih Buka sumber daya.
- Anda memerlukan kunci dan titik akhir dari sumber daya yang Anda buat untuk menyambungkan aplikasi Anda ke layanan Azure AI Vision.
- Anda dapat menggunakan tingkat harga gratis (F0) untuk percobaan, lalu meningkatkannya ke tingkat berbayar untuk produksi.

Membuat variabel lingkungan

Dalam contoh ini, tulis kredensial Anda ke variabel lingkungan di komputer lokal yang menjalankan aplikasi.

Tip

Jangan sertakan kunci langsung dalam kode Anda, dan jangan pernah mempostingnya secara publik. Lihat artikel keamanan layanan Azure AI untuk opsi autentikasi lainnya seperti Azure Key Vault.

Untuk mengatur variabel lingkungan untuk kunci dan titik akhir Anda, buka jendela konsol dan ikuti instruksi untuk sistem operasi dan lingkungan pengembangan Anda.

Untuk mengatur VISION_KEY variabel lingkungan, ganti your-key dengan salah satu kunci untuk sumber daya Anda.
Untuk mengatur VISION_ENDPOINT variabel lingkungan, ganti your-endpoint dengan titik akhir untuk sumber daya Anda.

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

Setelah menambahkan variabel lingkungan, Anda mungkin perlu memulai ulang program yang sedang berjalan yang akan membaca variabel lingkungan, termasuk jendela konsol.

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

Setelah Anda menambahkan variabel lingkungan, jalankan source ~/.bashrc dari jendela konsol Anda untuk membuat perubahan efektif.

Menganalisis Gambar

Membuat aplikasi Node.js baru

Di jendela konsol (seperti cmd, PowerShell, atau Bash), buat direktori baru untuk aplikasi Anda, dan buka direktori tersebut.
```
mkdir myapp && cd myapp
```
Jalankan perintah npm init untuk membuat aplikasi node dengan file package.json.
```
npm init
```
Memasang pustaka klien

ms-rest-azure Instal paket dan @azure/cognitiveservices-computervision npm:
```
npm install @azure/cognitiveservices-computervision
```
Instal juga modul asinkron:
```
npm install async
```
File package.json aplikasi Anda akan diperbarui dengan dependensi.

Buat file baru, yaitu index.js.

Buka index.js di editor teks dan tempelkan kode berikut.

'use strict';

const async = require('async');
const fs = require('fs');
const https = require('https');
const path = require("path");
const createReadStream = require('fs').createReadStream
const sleep = require('util').promisify(setTimeout);
const ComputerVisionClient = require('@azure/cognitiveservices-computervision').ComputerVisionClient;
const ApiKeyCredentials = require('@azure/ms-rest-js').ApiKeyCredentials;

/**
 * AUTHENTICATE
 * This single client is used for all examples.
 */
const key = process.env.VISION_KEY;
const endpoint = process.env.VISION_ENDPOINT;


const computerVisionClient = new ComputerVisionClient(
  new ApiKeyCredentials({ inHeader: { 'Ocp-Apim-Subscription-Key': key } }), endpoint);
/**
 * END - Authenticate
 */


function computerVision() {
  async.series([
    async function () {

      /**
       * DETECT TAGS  
       * Detects tags for an image, which returns:
       *     all objects in image and confidence score.
       */
      console.log('-------------------------------------------------');
      console.log('DETECT TAGS');
      console.log();

      // Image of different kind of dog.
      const tagsURL = 'https://moderatorsampleimages.blob.core.windows.net/samples/sample16.png';

      // Analyze URL image
      console.log('Analyzing tags in image...', tagsURL.split('/').pop());
      const tags = (await computerVisionClient.analyzeImage(tagsURL, { visualFeatures: ['Tags'] })).tags;
      console.log(`Tags: ${formatTags(tags)}`);

      // Format tags for display
      function formatTags(tags) {
        return tags.map(tag => (`${tag.name} (${tag.confidence.toFixed(2)})`)).join(', ');
      }
      /**
       * END - Detect Tags
       */
      console.log();
      console.log('-------------------------------------------------');
      console.log('End of quickstart.');

    },
    function () {
      return new Promise((resolve) => {
        resolve();
      })
    }
  ], (err) => {
    throw (err);
  });
}

computerVision();

Jalankan aplikasi dengan perintah node pada file mulai cepat Anda.
```
node index.js
```

Hasil

-------------------------------------------------
DETECT TAGS

Analyzing tags in image... sample16.png
Tags: grass (1.00), dog (0.99), mammal (0.99), animal (0.99), dog breed (0.99), pet (0.97), outdoor (0.97), companion dog (0.91), small greek domestic dog (0.90), golden retriever (0.89), labrador retriever (0.87), puppy (0.87), ancient dog breeds (0.85), field (0.80), retriever (0.68), brown (0.66)

-------------------------------------------------
End of quickstart.

Membersihkan sumber daya

Langkah berikutnya

Dalam mulai cepat ini, Anda belajar cara memasang pustaka klien Analisis Gambar dan melakukan panggilan analisis gambar dasar. Selanjutnya, pelajari lebih lanjut fitur Analyze API.

Hubungi Analyze API

Gambaran umum Analisis Gambar
Kode sumber untuk sampel ini dapat ditemukan di GitHub.

Menggunakan REST API Analisis Gambar untuk menganalisis gambar untuk tag.

Tip

API Analyze dapat melakukan banyak operasi yang berbeda selain menghasilkan tag gambar. Untuk contoh yang menampilkan semua fitur yang tersedia, lihat Panduan cara Menganalisis Gambar.

Catatan

Mulai cepat ini menggunakan perintah cURL untuk memanggil REST API. Anda juga dapat memanggil REST API menggunakan bahasa pemrograman. Lihat sampel GitHub misalnya di C#, Python, Java, dan JavaScript.

Prasyarat

Langganan Azure - buat langganan gratis
Setelah Anda memiliki langganan Azure, buat sumber daya Vision di portal Azure untuk mendapatkan kunci dan titik akhir Anda. Setelah menyebar, pilih Buka sumber daya.
- Anda akan memerlukan kunci dan titik akhir dari sumber daya yang Anda buat untuk menyambungkan aplikasi Anda ke layanan Azure AI Vision. Anda akan menempelkan kunci dan titik akhir ke dalam kode di bawah ini di mulai cepat.
- Anda dapat menggunakan tingkat harga gratis (F0) untuk percobaan, lalu meningkatkannya ke tingkat berbayar untuk produksi.
cURL terpasang

Menganalisis gambar

Untuk menganalisis gambar dengan berbagai fitur visual, lakukan langkah-langkah berikut:

Salin perintah berikut ke editor teks.

curl.exe -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "https://westcentralus.api.cognitive.microsoft.com/vision/v3.2/analyze?visualFeatures=Tags" -d "{'url':'https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png'}"

JIka diperlukan, buat perubahan berikut dalam perintah:
1. Ganti nilai dengan <subscriptionKey> kunci Anda.
2. Ganti bagian pertama URL permintaan (westcentralus) dengan teks di URL titik akhir Anda sendiri.
  
  Catatan
  
  Sumber daya baru yang dibuat setelah 1 Juli 2019, akan menggunakan nama subdomain kustom. Untuk informasi selengkapnya dan daftar lengkap titik akhir regional, lihat Nama subdomain kustom untuk layanan Azure AI.
3. Secara opsional, ubah URL gambar dalam isi permintaan (https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png) ke URL gambar yang berbeda untuk dianalisis.
Buka jendela wantian perintah.
Tempelkan perintah yang diedit curl dari editor teks ke jendela prompt perintah, lalu jalankan perintah .

Periksa responsnya

Respons sukses dikembalikan dalam JSON. Aplikasi contoh mengurai dan menampilkan respons yang berhasil di jendela perintah, mirip dengan contoh berikut:

{{
   "tags":[
      {
         "name":"text",
         "confidence":0.9992657899856567
      },
      {
         "name":"post-it note",
         "confidence":0.9879657626152039
      },
      {
         "name":"handwriting",
         "confidence":0.9730165004730225
      },
      {
         "name":"rectangle",
         "confidence":0.8658561706542969
      },
      {
         "name":"paper product",
         "confidence":0.8561884760856628
      },
      {
         "name":"purple",
         "confidence":0.5961999297142029
      }
   ],
   "requestId":"2788adfc-8cfb-43a5-8fd6-b3a9ced35db2",
   "metadata":{
      "height":945,
      "width":1000,
      "format":"Jpeg"
   },
   "modelVersion":"2021-05-01"
}

Langkah berikutnya

Dalam mulai cepat ini, Anda mempelajari cara melakukan panggilan analisis gambar dasar menggunakan REST API. Selanjutnya, pelajari lebih lanjut fitur Analyze API.

Hubungi Analyze API

Gambaran umum Analisis Gambar

Mulai cepat: Analisis Gambar

Prasyarat

Membuat variabel lingkungan

Menganalisis Gambar

Memasang pustaka klien

Hasil

Membersihkan sumber daya

Langkah berikutnya

Prasyarat

Membuat variabel lingkungan

Menganalisis Gambar

Hasil

Membersihkan sumber daya

Langkah berikutnya

Prasyarat

Membuat variabel lingkungan

Menganalisis Gambar

Hasil

Membersihkan sumber daya

Langkah berikutnya

Prasyarat

Membuat variabel lingkungan

Menganalisis Gambar

Memasang pustaka klien

Hasil

Membersihkan sumber daya

Langkah berikutnya

Prasyarat

Menganalisis gambar

Periksa responsnya

Langkah berikutnya

Sumber Daya Tambahan: