HOME
Produkty
Cognitive Services
Počítačové zpracování obrazu

Počítačové zpracování obrazu

Z obrázků se dá extrahovat velké množství dat, které je možné využít ke kategorizaci a zpracování vizuálních dat a také k usnadnění správy služeb díky moderování obrázků s podporou počítače.

Vyzkoušet rozhraní API pro počítačové zpracování obrazu

Oznámení

Využijte kontejner ke čtení textu v obrázcích na hraničních zařízeních, v místním prostředí a v cloudu. Další informace

Analýza obrázku

Tato funkce vrací informace o vizuálním obsahu nalezeném v obrázku. Využijte značky, doménově specifické modely a popisy ve čtyřech jazycích k identifikaci obsahu a bez obav ho označte. Použití nastavení pro dospělé/pikantní vám pomůže detekovat potenciální obsah pro dospělé. Využijte možnost určit typy obrázků a jejich barevná schémata.

Prohlédnout v akci

Název funkce:	Hodnota
Popis	{ "tags": [ "train", "platform", "station", "building", "indoor", "subway", "track", "walking", "waiting", "pulling", "board", "people", "man", "luggage", "standing", "holding", "large", "woman", "yellow", "suitcase" ], "captions": [ { "text": "people waiting at a train station", "confidence": 0.8330993 } ] }
Značky	[ { "name": "train", "confidence": 0.9975446 }, { "name": "platform", "confidence": 0.995543063 }, { "name": "station", "confidence": 0.9798007 }, { "name": "indoor", "confidence": 0.9277198 }, { "name": "subway", "confidence": 0.838939548 }, { "name": "pulling", "confidence": 0.4317156 } ]
Formát obrázku	"Jpeg"
Rozměry obrázku	462 x 600
Typ klipartu	0
Typ čar	0
Černá a bílá	false
Obsah pro dospělé	false
Hodnocení obsahu pro dospělé	0.009112834
Obsah pro dospělé	false
Hodnocení obsahu pro dospělé	0.0143244695
Kategorie	[ { "name": "trans_trainstation", "score": 0.98828125 } ]
Tváře	[]
Dominantní barva pozadí	"Black"
Dominantní barva popředí	"Black"
Doplňková barva	#484C83

Chcete na tom stavět?

Postup

Čtení textu v obrázcích

Detekujte text v obrázku pomocí technologie OCR (Optical Character Recognition) a extrahujte rozpoznaná slova do datového proudu znaků, který je strojově čitelný. Díky analýze obrázků můžete rozpoznat vložený text, generovat datové proudy znaků a umožnit vyhledávání. Šetřete čas a úsilí díky pořizování fotografií textu místo jeho kopírování.

Začněte se službou OCR ve všeobecně dostupné verzi a níže si prohlédněte stručný přehled nového modulu OCR ve verzi Preview (pomocí operace API pro rozpoznávání textu), který poskytuje ještě lepší rozpoznávání textu v angličtině.

Sorry!

Have a

nice day !

Oops!

See you soon !

bye!

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          122,
          122,
          401,
          85,
          404,
          229,
          143,
          233
        ],
        "text": "Sorry!",
        "words": [
          {
            "boundingBox": [
              120,
              105,
              426,
              82,
              437,
              226,
              131,
              249
            ],
            "text": "Sorry!"
          }
        ]
      },
      {
        "boundingBox": [
          586,
          160,
          917,
          120,
          929,
          221,
          599,
          262
        ],
        "text": "Have a",
        "words": [
          {
            "boundingBox": [
              585,
              166,
              813,
              138,
              814,
              232,
              593,
              265
            ],
            "text": "Have"
          },
          {
            "boundingBox": [
              832,
              137,
              898,
              135,
              896,
              224,
              833,
              230
            ],
            "text": "a"
          }
        ]
      },
      {
        "boundingBox": [
          577,
          243,
          980,
          204,
          992,
          335,
          590,
          374
        ],
        "text": "nice day !",
        "words": [
          {
            "boundingBox": [
              575,
              265,
              757,
              237,
              765,
              342,
              583,
              353
            ],
            "text": "nice"
          },
          {
            "boundingBox": [
              774,
              234,
              934,
              211,
              941,
              339,
              782,
              341
            ],
            "text": "day"
          },
          {
            "boundingBox": [
              934,
              211,
              991,
              204,
              997,
              339,
              941,
              339
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          210,
          367,
          436,
          347,
          435,
          499,
          192,
          483
        ],
        "text": "Oops!",
        "words": [
          {
            "boundingBox": [
              200,
              349,
              463,
              346,
              465,
              498,
              201,
              501
            ],
            "text": "Oops!"
          }
        ]
      },
      {
        "boundingBox": [
          167,
          622,
          686,
          588,
          693,
          684,
          174,
          719
        ],
        "text": "See you soon !",
        "words": [
          {
            "boundingBox": [
              165,
              624,
              307,
              614,
              308,
              711,
              168,
              722
            ],
            "text": "See"
          },
          {
            "boundingBox": [
              300,
              614,
              442,
              606,
              441,
              702,
              302,
              712
            ],
            "text": "you"
          },
          {
            "boundingBox": [
              448,
              605,
              622,
              597,
              619,
              690,
              448,
              701
            ],
            "text": "soon"
          },
          {
            "boundingBox": [
              622,
              597,
              686,
              594,
              683,
              687,
              619,
              690
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          824,
          491,
          1010,
          482,
          1013,
          611,
          808,
          603
        ],
        "text": "bye!",
        "words": [
          {
            "boundingBox": [
              816,
              482,
              1039,
              481,
              1040,
              610,
              816,
              611
            ],
            "text": "bye!"
          }
        ]
      }
    ]
  }
}

Chcete na tom stavět?

Postup

Verze Preview: Rukou psaný text z obrázků

Detekujte a extrahujte rukou psaný text z poznámek, dopisů, esejí, tabulí, formulářů a dalších zdrojů. Zbavte se nepotřebných papírů a buďte produktivnější díky tomu, že místo přepisování ručně psaných poznámek budete pořizovat jejich fotografie, a zajistěte snadnou vyhledatelnost digitálních poznámek prostřednictvím implementace vyhledávání. OCR ručně psaného textu pracuje s různými povrchy a pozadími, jako je bílý papír, žluté samolepicí bločky nebo tabule.

Poznámka: Tato technologie je momentálně ve verzi Preview a je dostupná jenom pro anglický text.

Prohlédnout v akci

Preview
JSON

Our greatest glory is not

in never failing ,

but in rising every

time we fall

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          67,
          204,
          668,
          210,
          667,
          272,
          66,
          267
        ],
        "text": "Our greatest glory is not",
        "words": [
          {
            "boundingBox": [
              45,
              205,
              160,
              204,
              155,
              273,
              41,
              274
            ],
            "text": "Our"
          },
          {
            "boundingBox": [
              177,
              204,
              349,
              203,
              345,
              272,
              173,
              273
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              380,
              202,
              507,
              202,
              503,
              271,
              375,
              271
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              525,
              201,
              587,
              201,
              582,
              270,
              521,
              270
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              587,
              201,
              679,
              200,
              675,
              269,
              582,
              270
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          540,
          289,
          900,
          302,
          897,
          374,
          538,
          360
        ],
        "text": "in never failing ,",
        "words": [
          {
            "boundingBox": [
              506,
              299,
              551,
              299,
              562,
              375,
              517,
              375
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              578,
              299,
              692,
              299,
              703,
              375,
              589,
              375
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              711,
              299,
              871,
              298,
              881,
              374,
              722,
              374
            ],
            "text": "failing"
          },
          {
            "boundingBox": [
              863,
              298,
              901,
              298,
              912,
              374,
              874,
              374
            ],
            "text": ","
          }
        ]
      },
      {
        "boundingBox": [
          139,
          416,
          572,
          433,
          570,
          491,
          136,
          474
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              124,
              416,
              212,
              417,
              198,
              490,
              110,
              489
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              216,
              417,
              272,
              417,
              258,
              490,
              202,
              490
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              296,
              417,
              432,
              418,
              418,
              491,
              282,
              490
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              460,
              418,
              588,
              419,
              574,
              491,
              446,
              491
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          622,
          413,
          967,
          410,
          968,
          470,
          623,
          472
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              610,
              406,
              717,
              408,
              708,
              469,
              601,
              467
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              751,
              408,
              823,
              409,
              814,
              470,
              742,
              469
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              861,
              409,
              971,
              410,
              962,
              471,
              852,
              470
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Chcete na tom stavět?

Postup

Rozpoznání celebrit a památek

Můžete rozpoznat více než 200 000 celebrit z oblasti obchodu, politiky, sportu a zábavy a také 9 000 přírodních i člověkem vytvořených památek z celého světa.

Prohlédnout v akci

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99999833106994629
          }
        ],
        "landmarks": null
      }
    }
  ],
  "adult": null,
  "tags": [
    {
      "name": "person",
      "confidence": 0.99956613779067993
    },
    {
      "name": "suit",
      "confidence": 0.98934584856033325
    },
    {
      "name": "man",
      "confidence": 0.98844343423843384
    },
    {
      "name": "outdoor",
      "confidence": 0.860062301158905
    },
    {
      "name": "sound",
      "confidence": 0.23671795330197121
    },
    {
      "name": "wedding",
      "confidence": 0.1843707298035846
    },
    {
      "name": "ceremony",
      "confidence": 0.13376032654612283
    },
    {
      "name": "headshot",
      "confidence": 0.13326184709017147
    }
  ],
  "description": {
    "tags": [
      "person",
      "suit",
      "man",
      "necktie",
      "outdoor",
      "building",
      "clothing",
      "standing",
      "wearing",
      "business",
      "looking",
      "holding",
      "black",
      "front",
      "hand",
      "dressed",
      "phone",
      "field"
    ],
    "captions": [
      {
        "text": "Satya Nadella wearing a suit and tie",
        "confidence": 0.99032750982666984
      }
    ]
  },
  "requestId": "d97aa974-5218-4102-a677-a4b41eefde8f",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "gender": "Male",
      "faceRectangle": {
        "left": 240,
        "top": 294,
        "width": 135,
        "height": 135
      }
    }
  ],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "dominantColors": [
      "Black",
      "Grey"
    ],
    "accentColor": "7B5E50",
    "isBWImg": false
  },
  "imageType": {
    "clipArtType": 0,
    "lineDrawingType": 0
  }
}

Chcete na tom stavět?

Postup

Analýza videa téměř v reálném čase

Analýza videa téměř v reálném čase: Extrahujte snímky z videa ve vašem zařízení a potom tyto snímky odešlete do volání API podle vašeho výběru. Můžete přitom využít libovolná rozhraní API pro počítačové zpracování obrazu. Získejte výsledky z videí rychleji.

Využijte naši ukázku v GitHubu, pusťte se do práce a vytvořte svou vlastní aplikaci.

Další informace

Prohlédnout v akci

Chcete na tom stavět?

Postup

Vytvoření miniatury

Na základě libovolného obrázku můžete vygenerovat vysoce kvalitní miniaturu s minimálními nároky na úložiště. Obrázky také můžete upravit tak, aby jejich velikost, tvar a styl co nejlépe odpovídaly vašim potřebám. Pomocí inteligentního ořezávání můžete vytvářet miniatury, které mají jiný poměr stran než původní obrázek, a přesto zachovávají důležitý obsah.

Prohlédnout v akci

Chcete na tom stavět?

Postup

"We can use the Computer Vision API to prove to our clients the reliability of the data, so they can be confident making important business decisions based on that information"

Leendert de Voogd: generální ředitel | Vigiglobe

Další informace

"It didn’t take us long to realize Microsoft Cognitive Services had handed us a powerful set of computer-vision and artificial-intelligence tools that we could use to create great apps and new features for our customers in just a few hours"

John Fan: spoluzakladatel a generální ředitel | Cardinal Blue Software

Další informace

"Because the Cognitive Services APIs harness the power of machine learning, we were able to bring advanced intelligence into our product without the need to have a team of data scientists on hand"

Aaron Edell: produktový ředitel | GrayMeta

Další informace

"We found Cognitive Services to be the missing piece in the equation, the one that we needed to bring this solution to market and really revolutionize the way people look at video"

Katie McCann: produktová a technická viceprezidentka | Prism Skylabs

Další informace

"Microsoft Cognitive Services gives us a huge range of opportunities. It’s a perfect match for us now, and in the future when we want to add more features to our app"

Jaan Apajalahti: generální ředitel | Blucup

Další informace

"Using the Cognitive Services APIs, it took us three months to develop a test pair of glasses that can translate text and images into speech, identify emotions, and describe scenery.If we had been working full time, we could have done it in two weeks"

Benoit Chirouter: ředitel výzkumu a vývoje | Pivothead

Další informace

Materiály

Prozkoumejte rozhraní API služeb Cognitive Services