快速入門：影像分析

發行項
01/23/2024

開始使用影像分析 REST API 或用戶端連結庫來設定基本映像標記腳本。分析影像服務提供 AI 演算法，讓您處理影像並傳回其視覺特徵的相關信息。請遵循下列步驟，將套件安裝到您的應用程式，並試用範例程序代碼。

使用適用於 C# 的影像分析用戶端連結庫來分析內容標籤的影像。本快速入門會定義方法， AnalyzeImageUrl該方法會使用客戶端物件來分析遠端影像並列印結果。

參考文檔 | 庫原始程式碼 | 套件（NuGet）範例 |

提示

您也可以分析本機影像。請參閱 ComputerVisionClient 方法，例如 AnalyzeImageInStreamAsync。或者，如需涉及本機映射的案例，請參閱 GitHub 上的範例程序代碼。

提示

分析 API 可以執行許多不同的作業，而不是產生影像標記。如需展示所有可用功能的範例，請參閱影像分析操作指南。

必要條件

Azure 訂用帳戶 - 免費建立一個訂用帳戶
Visual Studio IDE 或 .NET Core 的目前版本。
擁有 Azure 訂用帳戶之後，請在 Azure 入口網站中建立電腦視覺資源，以取得您的密鑰和端點。部署之後，請選取 [移至資源]。
- 您需要從您建立的資源取得密鑰和端點，以將應用程式連線到 Azure AI 視覺服務。
- 您可以使用免費定價層（F0）來試用服務，稍後再升級至生產環境的付費層。

建立環境變數

在此範例中，在執行應用程式的本機電腦上將認證寫入環境變數。

前往 Azure 入口網站。如果已成功部署您在 [必要條件] 區段中建立的資源，請選取 [後續步驟] 下的 [前往資源] 按鈕。您可以在 [金鑰和端點] 頁面中 [資源管理] 底下找到金鑰和端點。您的資源金鑰與您的 Azure 訂用帳戶識別碼不同。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

若要設定 VISION_KEY 環境變數，請將取代 your-key 為您資源的其中一個密鑰。
若要設定 VISION_ENDPOINT 環境變數，請將取代 your-endpoint 為您資源的端點。

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc ，讓變更生效。

分析影像

建立新的 C# 應用程式。
- Visual Studio IDE
- CLI
使用 Visual Studio 建立新的 .NET Core 應用程式。

安裝客戶端連結庫

建立新項目之後，以滑鼠右鍵按兩下方案總管中的專案方案，然後選取 [管理 NuGet 套件]，以安裝客戶端連結庫。開啟的套件管理員中，選取 [ 瀏覽]，勾選 [包含發行前版本]，然後搜尋 Microsoft.Azure.CognitiveServices.Vision.ComputerVision。選取 [版本 7.0.0]，然後 選取 [安裝]。
在主控台視窗中 (例如 cmd、PowerShell 或 Bash)，使用 dotnet new 命令建立名為 computer-vision-quickstart 的新主控台應用程式。此命令會建立簡單的 "Hello World" C# 專案，內含單一原始程式檔：Program.cs。
```
dotnet new console -n computer-vision-quickstart
```
將您的目錄變更為新建立的應用程式資料夾。您可以使用下列項目建置應用程式：
```
dotnet build
```
組建輸出不應包含警告或錯誤。
```
...
Build succeeded.
 0 Warning(s)
 0 Error(s)
...
```
安裝客戶端連結庫

在應用程式目錄中，使用下列命令安裝適用於 .NET 的 Azure AI 視覺用戶端連結庫：
```
dotnet add package Microsoft.Azure.CognitiveServices.Vision.ComputerVision --version 7.0.0
```

從項目目錄中，在慣用的編輯器或 IDE 中開啟 Program.cs 檔案。貼上下列程式代碼：

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();
        }
    }
}

重要

當您完成時，請記得從程式碼中移除密鑰，且絕不會公開發佈。針對生產環境，請使用安全的方式來儲存和存取您的認證，例如 Azure 金鑰保存庫。如需詳細資訊，請參閱 Azure AI 服務安全性一文。

執行應用程式
- Visual Studio IDE
- CLI
按兩下 IDE 視窗頂端的 [偵錯] 按鈕，以執行應用程式。
使用 dotnet run 命令從應用程式目錄執行應用程式。
```
dotnet run
```

輸出

----------------------------------------------------------
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

清除資源

如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。刪除資源群組也會刪除與其相關聯的任何其他資源。

下一步

在本快速入門中，您已瞭解如何安裝影像分析用戶端連結庫，並進行基本的影像分析呼叫。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀
您可以在 GitHub 上找到此範例的原始程式碼。

使用適用於 Python 的影像分析用戶端連結庫來分析內容標籤的遠端影像。

提示

您也可以分析本機影像。請參閱 ComputerVisionClientOperationsMixin 方法，例如analyze_image_in_stream。或者，如需涉及本機映射的案例，請參閱 GitHub 上的範例程序代碼。

提示

分析 API 可以執行許多不同的作業，而不是產生影像標記。如需展示所有可用功能的範例，請參閱影像分析操作指南。

參考文檔 | 庫原始程式碼 | 套件（PiPy）範例 |

必要條件

Azure 訂用帳戶 - 免費建立一個訂用帳戶
Python 3.x
- 您的 Python 安裝應該包含 pip。您可以藉由在命令列上執行 pip --version 來檢查您是否已安裝 pip。安裝最新版本的 Python 以取得 pip。
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立視覺資源，以取得您的金鑰和端點。部署之後，請選取 [移至資源]。
- 您需要從您建立的資源取得密鑰和端點，以將應用程式連線到 Azure AI 視覺服務。
- 您可以使用免費定價層（F0）來試用服務，稍後再升級至生產環境的付費層。

建立環境變數

在此範例中，在執行應用程式的本機電腦上將認證寫入環境變數。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

若要設定 VISION_KEY 環境變數，請將取代 your-key 為您資源的其中一個密鑰。
若要設定 VISION_ENDPOINT 環境變數，請將取代 your-endpoint 為您資源的端點。

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc ，讓變更生效。

分析影像

安裝客戶端連結庫。

您可以使用下列項目來安裝客戶端連結庫：
```
pip install --upgrade azure-cognitiveservices-vision-computervision
```
也安裝枕頭庫。
```
pip install pillow
```
建立新的 Python 應用程式。

建立新的 Python 檔案，例如 quickstart-file.py。

在文本編輯器或 IDE 中開啟 quickstart-file.py ，然後貼上下列程式代碼。

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.")

在 python 快速入門檔案上使用命令執行應用程式。
```
python quickstart-file.py
```

輸出

===== 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.

清除資源

如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。刪除資源群組也會刪除與其相關聯的任何其他資源。

下一步

在本快速入門中，您已瞭解如何安裝影像分析用戶端連結庫，並進行基本的影像分析呼叫。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀
您可以在 GitHub 上找到此範例的原始程式碼。

使用影像分析用戶端連結庫來分析遠端影像，以取得標籤、文字描述、臉部、成人內容等等。

提示

您也可以分析本機影像。請參閱 ComputerVision 方法，例如 AnalyzeImage。或者，如需涉及本機映射的案例，請參閱 GitHub 上的範例程序代碼。

提示

分析 API 可以執行許多不同的作業，而不是產生影像標記。如需展示所有可用功能的範例，請參閱影像分析操作指南。

參考文檔庫原始碼 |成品 | （Maven）範例 |

必要條件

Azure 訂用帳戶 - 免費建立一個訂用帳戶
Java 開發工具套件的目前版本（JDK）
Gradle 建置工具或其他相依性管理員。
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立視覺資源，以取得您的金鑰和端點。部署之後，請選取 [移至資源]。
- 您需要從您建立的資源取得密鑰和端點，以將應用程式連線到 Azure AI 視覺服務。
- 您可以使用免費定價層（F0）來試用服務，稍後再升級至生產環境的付費層。

建立環境變數

在此範例中，在執行應用程式的本機電腦上將認證寫入環境變數。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

若要設定 VISION_KEY 環境變數，請將取代 your-key 為您資源的其中一個密鑰。
若要設定 VISION_ENDPOINT 環境變數，請將取代 your-endpoint 為您資源的端點。

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc ，讓變更生效。

分析影像

建立新的 Gradle 專案。

在主控台視窗中（例如 cmd、PowerShell 或 Bash），為您的應用程式建立新的目錄，然後流覽至它。
```
mkdir myapp && cd myapp
```
gradle init從工作目錄執行命令。此命令會建立 Gradle 的基本組建檔案，包括 用於運行時間建立及設定應用程式的 build.gradle.kts。
```
gradle init --type basic
```
當系統提示您選擇 DSL 時，請選取 [Kotlin]。
安裝客戶端連結庫。

本快速入門使用 Gradle 相依性管理員。您可以在 Maven 中央存放庫找到其他相依性管理員的用戶端連結庫和資訊。

找出 build.gradle.kts ，並使用您慣用的 IDE 或文本編輯器加以開啟。然後複製下列組建組態。此組態會將專案定義為 Java 應用程式，其進入點為 ImageAnalysisQuickstart 類別。它會匯入 Azure AI 視覺連結庫。
```
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")
}
```
建立 Java 檔案。

從您的工作目錄中，執行下列命令以建立專案來源資料夾：
```
mkdir -p src/main/java
```
流覽至新的資料夾，並建立名為 ImageAnalysisQuickstart.java 的檔案。

在慣用的編輯器或 IDE 中開啟ImageAnalysisQuickstart.java，並貼上下列程序代碼。

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.

}

瀏覽回專案根資料夾，並使用下列專案建置應用程式：
```
gradle build
```
然後，使用命令執行 gradle run 它：
```
gradle run
```

輸出

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

清除資源

如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。刪除資源群組也會刪除與其相關聯的任何其他資源。

下一步

在本快速入門中，您已瞭解如何安裝影像分析用戶端連結庫，並進行基本的影像分析呼叫。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀
您可以在 GitHub 上找到此範例的原始程式碼。

使用適用於 JavaScript 的影像分析用戶端連結庫來分析內容標籤的遠端影像。

提示

您也可以分析本機影像。請參閱 ComputerVisionClient 方法，例如 describeImageInStream。或者，如需涉及本機映射的案例，請參閱 GitHub 上的範例程序代碼。

提示

分析 API 可以執行許多不同的作業，而不是產生影像標記。如需展示所有可用功能的範例，請參閱影像分析操作指南。

參考文檔 | 庫原始程式碼 | 套件（npm）範例 |

必要條件

Azure 訂用帳戶 - 免費建立一個訂用帳戶
目前版本的 Node.js
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立視覺資源，以取得您的金鑰和端點。部署之後，請選取 [移至資源]。
- 您需要從您建立的資源取得密鑰和端點，以將應用程式連線到 Azure AI 視覺服務。
- 您可以使用免費定價層（F0）來試用服務，稍後再升級至生產環境的付費層。

建立環境變數

在此範例中，在執行應用程式的本機電腦上將認證寫入環境變數。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

若要設定 VISION_KEY 環境變數，請將取代 your-key 為您資源的其中一個密鑰。
若要設定 VISION_ENDPOINT 環境變數，請將取代 your-endpoint 為您資源的端點。

Windows
Linux

setx VISION_KEY your-key

setx VISION_ENDPOINT your-endpoint

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

export VISION_KEY=your-key

export VISION_ENDPOINT=your-endpoint

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc ，讓變更生效。

分析影像

建立新的Node.js應用程式

在主控台視窗中（例如 cmd、PowerShell 或 Bash），為您的應用程式建立新的目錄，然後流覽至它。
```
mkdir myapp && cd myapp
```
npm init執行命令以使用 package.json 檔案建立節點應用程式。
```
npm init
```
安裝客戶端連結庫

ms-rest-azure安裝和 @azure/cognitiveservices-computervision npm 套件：
```
npm install @azure/cognitiveservices-computervision
```
同時安裝異步模組：
```
npm install async
```
您的應用程式檔案 package.json 將會隨著相依性更新。

建立新的檔案， index.js。

在文本編輯器中開啟 index.js ，並貼上下列程序代碼。

'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();

在 node 快速入門檔案上使用命令執行應用程式。
```
node index.js
```

輸出

-------------------------------------------------
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.

清除資源

如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。刪除資源群組也會刪除與其相關聯的任何其他資源。

下一步

在本快速入門中，您已瞭解如何安裝影像分析用戶端連結庫，並進行基本的影像分析呼叫。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀
您可以在 GitHub 上找到此範例的原始程式碼。

使用影像分析 REST API 來分析標籤的影像。

提示

分析 API 可以執行許多不同的作業，而不是產生影像標記。如需展示所有可用功能的範例，請參閱影像分析操作指南。

注意

本快速入門會使用 cURL 命令來呼叫 REST API。您也可以使用程式設計語言呼叫 REST API。如需 C#、Python 、Java 和 JavaScript 中的範例，請參閱 GitHub 範例。

必要條件

Azure 訂用帳戶 - 免費建立一個訂用帳戶
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立視覺資源，以取得您的金鑰和端點。部署之後，請選取 [移至資源]。
- 您將需要來自所建立資源的金鑰和端點，以便將應用程式連線至 Azure AI 視覺服務。您稍後會在快速入門中將金鑰和端點貼到下列程式代碼中。
- 您可以使用免費定價層（F0）來試用服務，稍後再升級至生產環境的付費層。
已安裝 cURL

分析影像

若要分析各種視覺功能的影像，請執行下列步驟：

將下列命令複製到文字編輯器。

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'}"

視需要在命令中進行下列變更：
1. 將的值 <subscriptionKey> 取代為您的金鑰。
2. 將要求 URL 的第一個部分取代westcentralus為您自己的端點 URL 中的文字。
  
  注意
  
  在 2019 年 7 月 1 日之後建立的新資源將會使用自定義子域名稱。如需詳細資訊和完整的區域端點清單，請參閱 Azure AI 服務的自訂子網域名稱。
3. 或者，將要求本文https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png中的影像 URL 變更為要分析之不同影像的 URL。
開啟 [命令提示字元] 視窗。
從文字編輯器將經過編輯的 curl 命令貼上到命令提示字元視窗中，然後執行該命令。

檢查回應

JSON 中會傳回成功的回應。範例應用程式會在命令提示字元視窗中剖析並顯示成功的回應，類似於下列範例：

{{
   "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"
}

下一步

在本快速入門中，您已瞭解如何使用 REST API 進行基本影像分析呼叫。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀

必要條件

使用您的 Azure 訂用帳戶和 Azure AI 服務資源登入 Vision Studio 。如果您需要此步驟的協助，請參閱概觀的開始使用一節。

分析影像

選取 [ 分析影像] 索引卷標，然後選取標題為 [從影像擷取一般標籤] 的面板。
若要使用試用體驗，您必須選擇資源，並確認它會根據您的定價層產生使用量。
從可用的集合中選取映射，或上傳您自己的映像。
選取影像之後，您會看到偵測到的標籤會出現在輸出視窗中，以及其信賴分數。您也可以選取 [JSON] 索引標籤，以查看 API 呼叫傳回的 JSON 輸出。
在試用體驗下方是後續步驟，以在您自己的應用程式中開始使用此功能。

下一步

在本快速入門中，您已使用 Vision Studio 來執行基本影像分析工作。接下來，深入瞭解分析 API 功能。

呼叫分析 API

影像分析概觀

快速入門：影像分析

必要條件

建立環境變數

分析影像

安裝客戶端連結庫

輸出

清除資源

下一步

必要條件

建立環境變數

分析影像

輸出

清除資源

下一步

必要條件

建立環境變數

分析影像

輸出

清除資源

下一步

必要條件

建立環境變數

分析影像

安裝客戶端連結庫

輸出

清除資源

下一步

必要條件

分析影像

檢查回應

下一步

必要條件

分析影像

下一步

其他資源