---

Azure Vision Image Analysis

Este script Python exemplifica a utilização do serviço Azure Vision para analisar, rotular e identificar elementos visuais nas imagens em uma pasta de entrada e salvar os resultados em uma pasta de saída.

⚠️ Atenção: Ao final dos seus testes não se esqueça de apagar os recursos ⚠️

🧹Não sabe como apagar? 👉 Veja aqui

🔗 Links de Referência

📝Documentação Azure AI Vision

🌐 API 4.0

😺 Repositorio GIT azure-sdk-for-python com exemplos

Índice

1. Requisitos
2. Instalação e Configuração
3. Como Usar
4. Funcionalidades
5. Exemplos de Imagens
6. Licença

Requisitos

• Python 3.x
• Conta no Azure com o serviço Vision habilitado Não tem? 👉 Crie aqui sua conta Gratuita
• Chave de API (chave primária ou secundária)Não tem? 👉 Veja aqui
• Endpoint do serviço Azure Vision Não tem? 👉 Veja aqui

Instalação e Configuração

1. Configure as variáveis de ambiente com o endpoint e a chave da API do Azure Vision:

   Para usuários do Linux:

   export VISION_ENDPOINT=<seu_endpoint>
   export VISION_KEY=<sua_chave>

   Para usuários do Windows:

   • Abra o menu Iniciar e pesquise por "Variáveis de ambiente".
   • Clique em "Editar variáveis de ambiente do sistema".
   • Na janela de Propriedades do sistema, clique no botão "Variáveis de ambiente".
   • Na seção "Variáveis do sistema", clique em "Novo..." para adicionar uma nova variável.
   • Em "Nome da variável", insira VISION_ENDPOINT.
   • Em "Valor da variável", insira o endpoint do Azure Vision.
   • Repita as etapas anteriores para adicionar a chave da API, utilizando VISION_KEY como nome da variável e sua chave como valor.
   • Clique em "OK" para fechar todas as janelas de configuração.

⚠️ Atenção: Nunca exponha sua key ou endpoint diretamente no código ⚠️

⚠️ Atenção: Se estiver com o terminal aberto terá de reiniciá-lo para que entenda as novas variáveis de ambiente ⚠️

2. Clone este repositório para o seu ambiente local:

   git clone https://github.com/megarj/Microsoft-Azure-Vision-Image-Analysis.git

3. Navegue até o diretório do projeto:

   cd Microsoft-Azure-Vision-Image-Analysis

4. Crie e ative um ambiente virtual Python:

   Windows:

   python -m venv escolha-nome-ambiente
   escolha-nome-ambiente\Scripts\activate

   Linux:

   python -m venv escolha-nome-ambiente
   source escolha-nome-ambiente/bin/activate

Essas instruções criam e ativam um ambiente virtual Python no respectivo sistema operacional. Certifique-se de substituir escolha-nome-ambiente pelo nome desejado para o seu ambiente virtual.

5. Instale as dependências necessárias:

   pip install -r requirements.txt

Como Usar

Para usar o script, basta colocar as imagens que deseja analisar na pasta inputs. O script irá processar automaticamente as imagens e salvar os resultados em formato JSON na pasta output. Certifique-se de que as imagens tenham nomes que correspondam aos prefixos necessários para ativar as diferentes funcionalidades de análise.

Execute o script com o seguinte comando:

python azure_vision_image_analysis.py

Funcionalidades

O script analisa as imagens com base nos prefixos dos nomes dos arquivos. Os prefixos e suas funcionalidades correspondentes são:

 features_map = {
    "analysis": [VisualFeatures.DENSE_CAPTIONS],
    "ocr": [VisualFeatures.READ],
    "people": [VisualFeatures.PEOPLE]
 }

Segue a lista completa abaixo para auxiliar no uso das demais funcionalidades

Recurso Visual	Descrição
Caption	Gera uma frase de legenda legível por humanos que descreva o conteúdo da imagem.
DenseCaptions	Gera frases de legenda legíveis por humanos para até 10 regiões diferentes na imagem, incluindo uma para a imagem inteira.
None	Nenhum recurso visual é selecionado.
Objects	Detecção de objetos. Isso é semelhante às tags, mas focado em detectar objetos físicos na imagem e retornar sua localização.
People	Detecte as pessoas na imagem e retorne sua localização.
Read	Extraia texto impresso ou manuscrito da imagem. Também conhecido como Reconhecimento Óptico de Caracteres (OCR).
SmartCrops	Encontre sub-regiões representativas da imagem para geração de miniaturas, nas proporções desejadas, com prioridade para as faces detectadas.
Tags	Extraia tags de conteúdo para milhares de objetos reconhecíveis, seres vivos, cenários e ações que aparecem na imagem.

Dados tirados da documentação da API de Análise de Imagens 4.0

Exemplos de Imagens

Certifique-se de que as imagens na pasta inputs tenham nomes que correspondam aos prefixos mencionados acima para ativar as funcionalidades desejadas de análise.

analysis_store-camera-1.jpg	ocr_advert.jpg	people_store-camera-2.jpg

Licença

Este projeto está licenciado sob a Licença MIT.

---

Gostou, achou útil? Considere dar uma estrela 😉