快速入門:影像分析

開始使用影像分析 REST API 或用戶端程式庫。 分析影像服務為您提供 AI 演算法,以便處理影像及傳回其視覺功能的資訊。 請遵循下列步驟,將套件安裝到您的應用程式,並試用基本工作的範例程式碼。

使用適用于 C# 的影像分析用戶端程式庫來分析內容標籤的影像。 本快速入門會定義方法, AnalyzeImageUrl 此方法會使用用戶端物件來分析遠端影像並列印結果。

參考文件 | 程式庫來源程式碼 | 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。 或如需本機影像的相關案例,請參閱 GitHub 上的範例程式碼。

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 - 建立免費帳戶
  • Visual Studio IDE 或目前版本的 .NET Core
  • 擁有 Azure 訂用帳戶之後,在 Azure 入口網站中建立電腦視覺資源,以取得您的金鑰和端點。 在其部署後,按一下 [前往資源]。
    • 您需要來自所建立資源的金鑰和端點,以將應用程式連線至 電腦視覺服務。 您稍後會在快速入門中將金鑰和端點貼到下列程式碼中。
    • 您可以使用免費定價層 (F0) 來試用服務,之後可升級至付費層以用於實際執行環境。

分析影像

  1. 建立新的 C# 應用程式。

    使用 Visual Studio,建立新的 .NET Core 應用程式。

    安裝用戶端程式庫

    建立新專案後,以滑鼠右鍵按一下 [方案總管] 中的專案解決方案,然後選取 [管理 NuGet 套件],以安裝用戶端程式庫。 在開啟的套件管理員中,選取 [瀏覽]、核取 [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 安裝

  2. 尋找金鑰和端點。

    前往 Azure 入口網站。 如果您在 [必要條件] 區段中建立的電腦視覺資源成功部署,請按一下 [後續步驟] 底下的 [前往資源] 按鈕。 您可以在 [資源管理] 底下的 [金鑰和端點] 頁面中找到金鑰和端點。

  3. 從專案目錄,在慣用的編輯器或 IDE 中開啟 Program.cs 檔案。 貼上下列程式碼:

    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 subscription key and endpoint
            static string subscriptionKey = "PASTE_YOUR_COMPUTER_VISION_SUBSCRIPTION_KEY_HERE";
            static string endpoint = "PASTE_YOUR_COMPUTER_VISION_ENDPOINT_HERE";
    
            // 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, subscriptionKey);
    
                // 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();
            }
        }
    }
    
  4. 將您的金鑰和端點貼到指示的程式碼中。 您的電腦視覺端點格式為 https://<your_computer_vision_resource_name>.cognitiveservices.azure.com/

    重要

    完成時,請記得從程式碼中移除金鑰,且不要公開張貼金鑰。 在生產環境中,請考慮使用安全的方式來儲存及存取您的認證。 如需詳細資訊,請參閱認知服務安全性一文。

  5. 執行應用程式

    按一下 IDE 視窗頂端的 [偵錯] 按鈕,以執行應用程式。


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認知服務訂用帳戶,則可以刪除資源或資源群組。 刪除資源群組也會刪除其關聯的任何其他資源。

後續步驟

在本快速入門中,您已了解如何安裝影像分析用戶端程式庫,並進行基本的影像分析呼叫。 接下來,深入了解分析 API 功能。

使用適用于 Python 的影像分析用戶端程式庫來分析內容標記的遠端影像。

提示

您也可以分析本機影像。 請參閱 ComputerVisionClientOperationsMixin 方法,例如 analyze_image_in_stream。 或如需本機影像的相關案例,請參閱 GitHub 上的範例程式碼。

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

參考文件 | 程式庫原始程式碼 | 套件 (PiPy) | 範例

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶

  • Python 3.x

    • 您安裝的 Python 應包含 pip。 您可以在命令列上執行 pip --version 來檢查是否已安裝 pip。 安裝最新版本的 Python 以取得 pip。
  • 擁有 Azure 訂用帳戶之後,在 Azure 入口網站中建立電腦視覺資源,以取得您的金鑰和端點。 在其部署後,按一下 [前往資源]。

    • 您需要來自所建立資源的金鑰和端點,以將應用程式連線至 電腦視覺服務。 您稍後會在快速入門中將金鑰和端點貼到下列程式碼中。
    • 您可以使用免費定價層 (F0) 來試用服務,之後可升級至付費層以用於實際執行環境。

分析影像

  1. 安裝用戶端程式庫。

    您可以使用下列命令來安裝用戶端程式庫:

    pip install --upgrade azure-cognitiveservices-vision-computervision
    

    也可以安裝 Pillow 程式庫。

    pip install pillow
    
  2. 建立新的 Python 應用程式。

    建立新的 Python 指令碼,例如 quickstart-file.py

  3. 尋找金鑰和端點。

    前往 Azure 入口網站。 如果您在 [必要條件] 區段中建立的電腦視覺資源成功部署,請按一下 [後續步驟] 底下的 [前往資源] 按鈕。 您可以在 [資源管理] 底下的 [金鑰和端點] 頁面中找到金鑰和端點。

  4. 在文字編輯器或 IDE 中開啟 quickstart-file.py ,然後貼上下列程式碼。

    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 = "PASTE_YOUR_COMPUTER_VISION_SUBSCRIPTION_KEY_HERE"
    endpoint = "PASTE_YOUR_COMPUTER_VISION_ENDPOINT_HERE"
    
    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.")
    
  5. 將您的金鑰和端點貼到指示的程式碼中。 您的電腦視覺端點格式為 https://<your_computer_vision_resource_name>.cognitiveservices.azure.com/

    重要

    完成時,請記得從程式碼中移除金鑰,且不要公開張貼金鑰。 在生產環境中,請考慮使用安全的方式來儲存及存取您的認證。 如需詳細資訊,請參閱認知服務安全性一文。

  6. 使用快速入門檔案上使用 python 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 Computer Vision quickstart.

清除資源

如果您想要清除和移除認知服務訂用帳戶,則可以刪除資源或資源群組。 刪除資源群組也會刪除其關聯的任何其他資源。

後續步驟

在本快速入門中,您已了解如何安裝影像分析用戶端程式庫,並進行基本的影像分析呼叫。 接下來,深入了解分析 API 功能。

使用影像分析用戶端程式庫來分析遠端影像,以取得標記、文字描述、臉部、成人內容等等。

提示

您也可以分析本機。 請參閱 ComputerVision 方法,例如 AnalyzeImage。 或如需遠端影像的相關案例,請參閱 GitHub 上的範例程式碼。

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

參考文件 | 程式庫原始程式碼 |成品 (Maven) | 範例

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 最新版的 Java Development Kit (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 入口網站中建立電腦視覺資源,以取得您的金鑰和端點。 在其部署後,按一下 [前往資源]。
    • 您需要來自所建立資源的金鑰和端點,以將應用程式連線至 電腦視覺服務。 您稍後會在快速入門中將金鑰和端點貼到下列程式碼中。
    • 您可以使用免費定價層 (F0) 來試用服務,之後可升級至付費層以用於實際執行環境。

分析影像

  1. 建立新的Gradle專案。

    在主控台視窗 (例如 cmd、PowerShell 或 Bash) 中,為您的應用程式建立新的目錄,並瀏覽至該目錄。

    mkdir myapp && cd myapp
    

    從您的工作目錄執行 gradle init 命令。 此命令會建立 Gradle 的基本組建檔案,包括 build.gradle.kts,此檔案將在執行階段用來建立及設定您的應用程式。

    gradle init --type basic
    

    出現選擇 DSL 的提示時,請選取 [Kotlin]。

  2. 安裝用戶端程式庫。

    本快速入門會使用 Gradle 相依性管理員。 您可以在 Maven 中央存放庫中找到用戶端程式庫和其他相依性管理員的資訊。

    找出 build.gradle.kts,並使用您慣用的 IDE 或文字編輯器加以開啟。 然後,在其中複製下列組建組態。 此組態會將專案定義為進入點為 ImageAnalysisQuickstart 類別的 JAVA 應用程式。 這會匯入電腦視覺程式庫。

    plugins {
        java
        application
    }
    application { 
        mainClass.set("ImageAnalysisQuickstart")
    }
    repositories {
        mavenCentral()
    }
    dependencies {
        implementation(group = "com.microsoft.azure.cognitiveservices", name = "azure-cognitiveservices-computervision", version = "1.0.6-beta")
    }
    
  3. 建立 JAVA 檔案。

    在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
    

    瀏覽至新的資料夾,並建立名為 ImageAnalysisQuickstart.java 的檔案。

  4. 尋找金鑰和端點。

    前往 Azure 入口網站。 如果您在 [必要條件] 區段中建立的電腦視覺資源成功部署,請按一下 [後續步驟] 底下的 [前往資源] 按鈕。 您可以在 [資源管理] 底下的 [金鑰和端點] 頁面中找到金鑰和端點。

  5. 在慣用的編輯器或 IDE 中開啟 ImageAnalysisQuickstart.java ,並貼上下列程式碼。

    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 {
    
        static String subscriptionKey = "PASTE_YOUR_COMPUTER_VISION_SUBSCRIPTION_KEY_HERE";
        static String endpoint = "PASTE_YOUR_COMPUTER_VISION_ENDPOINT_HERE";
    
        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(subscriptionKey, endpoint); 
    
            // Analyze local and remote images
            AnalyzeRemoteImage(compVisClient);
    
        }
    
        public static ComputerVisionClient Authenticate(String subscriptionKey, String endpoint){
            return ComputerVisionManager.authenticate(subscriptionKey).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.
    
    }
    
  6. 將您的金鑰和端點貼到指示的程式碼中。 您的電腦視覺端點格式為 https://<your_computer_vision_resource_name>.cognitiveservices.azure.com/

    重要

    完成時,請記得從程式碼中移除金鑰,且不要公開張貼金鑰。 在生產環境中,請考慮使用安全的方式來儲存及存取您的認證。 例如,Azure金鑰保存庫

  7. 流覽回專案根資料夾,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
    

清除資源

如果您想要清除和移除認知服務訂用帳戶,則可以刪除資源或資源群組。 刪除資源群組也會刪除其關聯的任何其他資源。

後續步驟

在本快速入門中,您已了解如何安裝影像分析用戶端程式庫,並進行基本的影像分析呼叫。 接下來,深入了解分析 API 功能。

使用適用于 JavaScript 的影像分析用戶端程式庫來分析內容標記的遠端影像。

注意

您也可以分析本機影像。 請參閱 ComputerVisionClient 方法,例如 describeImageInStream。 或如需本機影像的相關案例,請參閱 GitHub 上的範例程式碼。

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

參考文件 | 程式庫來源程式碼 | 套件 (npm) | 範例

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 最新版的 Node.js
  • 擁有 Azure 訂用帳戶之後,在 Azure 入口網站中建立電腦視覺資源,以取得您的金鑰和端點。 在其部署後,按一下 [前往資源]。
    • 您需要來自所建立資源的金鑰和端點,以將應用程式連線至 電腦視覺服務。 您稍後會在快速入門中將金鑰和端點貼到下列程式碼中。
    • 您可以使用免費定價層 (F0) 來試用服務,之後可升級至付費層以用於實際執行環境。

分析影像

  1. 建立新的 Node.js 應用程式

    在主控台視窗 (例如 cmd、PowerShell 或 Bash) 中,為您的應用程式建立新的目錄,並瀏覽至該目錄。

    mkdir myapp && cd myapp
    

    執行命令 npm init,以使用 package.json 檔案建立節點應用程式。

    npm init
    

    安裝用戶端程式庫

    安裝 ms-rest-azure@azure/cognitiveservices-computervision NPM 套件:

    npm install @azure/cognitiveservices-computervision
    

    也請安裝非同步模組:

    npm install async
    

    您應用程式的 package.json 檔案會隨著相依性而更新。

    建立新的檔案, index.js

  2. 尋找金鑰和端點。

    前往 Azure 入口網站。 如果您在 [必要條件] 區段中建立的電腦視覺資源成功部署,請按一下 [後續步驟] 底下的 [前往資源] 按鈕。 您可以在 [資源管理] 底下的 [金鑰和端點] 頁面中找到金鑰和端點。

  3. 在文字編輯器中 開啟index.js ,並貼上下列程式碼。

    '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 = 'PASTE_YOUR_COMPUTER_VISION_SUBSCRIPTION_KEY_HERE';
    const endpoint = 'PASTE_YOUR_COMPUTER_VISION_ENDPOINT_HERE';
    
    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();
    
  4. 將您的金鑰和端點貼到指示的程式碼中。 您的電腦視覺端點格式為 https://<your_computer_vision_resource_name>.cognitiveservices.azure.com/

    重要

    完成時,請記得從程式碼中移除金鑰,且不要公開張貼金鑰。 在生產環境中,請考慮使用安全的方式來儲存及存取您的認證。 如需詳細資訊,請參閱認知服務安全性一文。

  5. 使用快速入門檔案上使用 node 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認知服務訂用帳戶,則可以刪除資源或資源群組。 刪除資源群組也會刪除其關聯的任何其他資源。

後續步驟

在本快速入門中,您已了解如何安裝影像分析用戶端程式庫,並進行基本的影像分析呼叫。 接下來,深入了解分析 API 功能。

使用影像分析 REST API:

  • 分析影像中的標籤、文字描述、臉部、成人內容等等。
  • 使用智慧裁剪來產生縮圖

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來呼叫 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 - 建立免費帳戶
  • 擁有 Azure 訂用帳戶之後,在 Azure 入口網站中建立電腦視覺資源,以取得您的金鑰和端點。 在其部署後,選取 [前往資源]。
    • 您需要您建立的資源中的金鑰和端點,才能將應用程式連線到電腦視覺服務。 您稍後會在快速入門中將金鑰和端點貼到下列程式碼中。
    • 您可以使用免費定價層 (F0) 來試用服務,之後可升級至付費層以用於實際執行環境。
  • 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:

  1. 將下列命令複製到文字編輯器。
  2. 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 (westcentralus) 取代為您端點 URL 中的文字。

      注意

      2019 年 7 月 1 日之後建立的新資源會使用自訂的子網域名稱。 如需詳細資訊和完整的區域端點清單,請參閱認知服務的自訂子網域名稱

    3. (選擇性) 將要求本文 (http://upload.wikimedia.org/wikipedia/commons/3/3c/Shaki_waterfall.jpg\) 中的影像 URL 變更為要分析之不同影像的 URL。
  3. 開啟 [命令提示字元] 視窗。
  4. 將文字編輯器中的命令貼到命令提示字元視窗中,然後執行該命令。
curl -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "https://westcentralus.api.cognitive.microsoft.com/vision/v3.2/analyze?visualFeatures=Categories,Description&details=Landmarks" -d "{\"url\":\"http://upload.wikimedia.org/wikipedia/commons/3/3c/Shaki_waterfall.jpg\"}"

檢查回應

成功的回應會以 JSON 的形式傳回。 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,如下列範例所示:

{
  "categories": [
    {
      "name": "outdoor_water",
      "score": 0.9921875,
      "detail": {
        "landmarks": []
      }
    }
  ],
  "description": {
    "tags": [
      "nature",
      "water",
      "waterfall",
      "outdoor",
      "rock",
      "mountain",
      "rocky",
      "grass",
      "hill",
      "covered",
      "hillside",
      "standing",
      "side",
      "group",
      "walking",
      "white",
      "man",
      "large",
      "snow",
      "grazing",
      "forest",
      "slope",
      "herd",
      "river",
      "giraffe",
      "field"
    ],
    "captions": [
      {
        "text": "a large waterfall over a rocky cliff",
        "confidence": 0.916458423253597
      }
    ]
  },
  "requestId": "b6e33879-abb2-43a0-a96e-02cb5ae0b795",
  "metadata": {
    "height": 959,
    "width": 1280,
    "format": "Jpeg"
  }
}

產生縮圖

您可以使用影像分析搭配智慧裁剪來產生縮圖。 您可指定所需高度和寬度,其可與輸入影像的外觀比例不同。 「影像分析」會使用智慧型裁剪,以智慧方式識別關注區域,並產生該區域周圍的裁剪座標。

若要建立並執行範例,請執行下列步驟:

  1. 將下列命令複製到文字編輯器。

  2. 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. <thumbnailFile> 的值取代為儲存所傳回縮圖影像的檔案路徑和名稱。
    3. 將要求 URL 的第一個部分 (westcentralus) 取代為您端點 URL 中的文字。

      注意

      2019 年 7 月 1 日之後建立的新資源會使用自訂的子網域名稱。 如需詳細資訊和完整的區域端點清單,請參閱認知服務的自訂子網域名稱

    4. (選擇性) 將要求本文 (https://upload.wikimedia.org/wikipedia/commons/thumb/5/56/Shorkie_Poo_Puppy.jpg/1280px-Shorkie_Poo_Puppy.jpg\) 中的影像 URL 變更為要產生縮圖之不同影像的 URL。
  3. 開啟 [命令提示字元] 視窗。

  4. 將文字編輯器中的命令貼到命令提示字元視窗中。

  5. 按下 Enter 執行程式。

    curl -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -o <thumbnailFile> -H "Content-Type: application/json" "https://westus.api.cognitive.microsoft.com/vision/v3.2/generateThumbnail?width=100&height=100&smartCropping=true" -d "{\"url\":\"https://upload.wikimedia.org/wikipedia/commons/thumb/5/56/Shorkie_Poo_Puppy.jpg/1280px-Shorkie_Poo_Puppy.jpg\"}"
    

檢查回應

成功的回應會將縮圖影像寫入至 <thumbnailFile> 中指定的檔案。 如果要求失敗,回應會包含錯誤碼和訊息以協助判斷問題所在。 如果要求似乎成功,但建立的縮圖不是有效的影像檔案,則您的金鑰可能無效。

後續步驟

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,深入了解分析 API 功能。

必要條件

  • 使用您的 Azure 訂用帳戶和認知服務資源登入 Vision Studio 。 如果您需要此步驟的說明,請參閱概觀開始一節

分析影像

  1. 選取 [ 分析影像] 索引 標籤,然後選取標題為 [從影像擷取一般標籤] 的面板。
  2. 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。
  3. 從可用的集合中選取映射,或上傳您自己的映射。
  4. 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。
  5. 在試用體驗下方,是開始在您自己的應用程式中使用此功能的後續步驟。

後續步驟

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,深入了解分析 API 功能。