使用 Azure AI Vision Java SDK 实现图像分析与 OCR 提取

通过集成 Azure AI Vision SDK for Java，开发者可以快速为应用程序添加计算机视觉能力，实现从简单的图像打标到复杂的 OCR 文本提取和智能裁剪等分析功能。

为什么需要这个技能

在构建现代应用时，处理图像数据往往需要复杂的机器学习模型。手动训练模型成本极高且周期长。Azure AI Vision 提供了成熟的 API，允许开发者通过简单的 SDK 调用，即可让程序“看懂”图片内容，例如识别图片中的文字、检测物体位置或为图片自动生成自然语言描述。

适用场景

• 自动化文档数字化：通过 OCR 功能从扫描件或照片中提取文本。
• 内容审核与管理：使用标签（Tags）和对象检测自动为海量图片库分类。
• 辅助功能开发：为视障用户生成图像的文字描述（Caption）。
• 电商/媒体平台：利用智能裁剪（Smart Cropping）自动生成最佳比例的缩略图。

核心工作流

1. 环境准备与依赖配置

在 pom.xml 中引入 SDK 依赖：

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-ai-vision-imageanalysis</artifactId>
    <version>1.1.0-beta.1</version>
</dependency>

2. 客户端实例化

支持通过 API Key 或 Azure 默认凭据初始化客户端：

ImageAnalysisClient client = new ImageAnalysisClientBuilder()
    .endpoint(System.getenv("VISION_ENDPOINT"))
    .credential(new KeyCredential(System.getenv("VISION_KEY")))
    .buildClient();

3. 调用视觉分析功能

根据需求选择不同的 VisualFeatures。例如，同时请求描述、标签和 OCR 结果：

ImageAnalysisResult result = client.analyzeFromUrl(
    imageUrl,
    Arrays.asList(VisualFeatures.CAPTION, VisualFeatures.TAGS, VisualFeatures.READ),
    new ImageAnalysisOptions().setGenderNeutralCaption(true));

System.out.println("图像描述: " + result.getCaption().getText());
System.out.println("识别标签数: " + result.getTags().size());

4. 处理 OCR 文本结果

遍历识别到的文本块、行与词，获取精确的坐标位置和置信度：

for (DetectedTextBlock block : result.getRead().getBlocks()) {
    for (DetectedTextLine line : block.getLines()) {
        System.out.printf("行文字: '%s'%n", line.getText());
    }
}

下载和安装

下载 azure-ai-vision-imageanalysis-java 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐