您可以使用 ML Kit 為圖片中辨識出的物件加上標籤。提供的預設模型 ML Kit 支援超過 400 個不同標籤。
功能 | 未分類 | 組合 |
---|---|---|
導入作業 | 模型會透過 Google Play 服務動態下載。 | 模型會在建構期間以靜態方式連結至您的。 |
應用程式大小 | 大小增加約 200 KB。 | 大小增加約 5.7 MB。 |
初始化時間 | 可能要等到模型下載完畢再開始使用。 | 模型可立即使用 |
立即試用
- 使用範例應用程式試試 請查看此 API 的使用範例。
事前準備
在專案層級的
build.gradle
檔案中,請務必加入 Google 的buildscript
和allprojects
區段內的 Maven 存放區。將 ML Kit Android 程式庫的依附元件新增至模組的 應用程式層級的 Gradle 檔案,通常為
app/build.gradle
。選擇下列其中一項 並授予下列依附元件:將模型與應用程式搭配使用:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:image-labeling:17.0.9' }
在 Google Play 服務中使用模型的步驟如下:
dependencies { // ... // Use this dependency to use the dynamically downloaded model in Google Play Services implementation 'com.google.android.gms:play-services-mlkit-image-labeling:16.0.8' }
如果您選擇在 Google Play 服務中使用模型,可以 讓應用程式自動下載至裝置, 安裝如果要這麼做,請將下列宣告加入 應用程式的
AndroidManifest.xml
檔案:<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="ica" > <!-- To use multiple models: android:value="ica,model2,model3" --> </application>
您也可以明確確認模型可用性,並透過下列任一方式要求下載: Google Play 服務 ModuleInstallClient API。
如果您沒有啟用安裝期間模型下載功能或要求明確下載, 。您提出的要求 就無法取得任何結果。
您現在可以開始為圖片加上標籤。
1. 準備輸入圖片
使用圖片建立InputImage
物件。
當您使用 Bitmap
或
Camera2 API,YUV_420_888 media.Image
,
您可以建立InputImage
不同來源的 ANR 物件,說明如下。
使用 media.Image
如要建立InputImage
物件,例如從 media.Image
物件擷取圖片
裝置的相機,請傳遞 media.Image
物件和映像檔的
旋轉為 InputImage.fromMediaImage()
。
如果您使用
CameraX 程式庫、OnImageCapturedListener
和
ImageAnalysis.Analyzer
類別會計算旋轉值
不必確保憑證管理是否適當
因為 Google Cloud 會為您管理安全性
Kotlin
private class YourImageAnalyzer : ImageAnalysis.Analyzer { override fun analyze(imageProxy: ImageProxy) { val mediaImage = imageProxy.image if (mediaImage != null) { val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees) // Pass image to an ML Kit Vision API // ... } } }
Java
private class YourAnalyzer implements ImageAnalysis.Analyzer { @Override public void analyze(ImageProxy imageProxy) { Image mediaImage = imageProxy.getImage(); if (mediaImage != null) { InputImage image = InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees()); // Pass image to an ML Kit Vision API // ... } } }
如果您沒有使用相機程式庫提供圖片的旋轉角度, 可根據裝置的旋轉角度和相機方向來計算 感應器:
Kotlin
private val ORIENTATIONS = SparseIntArray() init { ORIENTATIONS.append(Surface.ROTATION_0, 0) ORIENTATIONS.append(Surface.ROTATION_90, 90) ORIENTATIONS.append(Surface.ROTATION_180, 180) ORIENTATIONS.append(Surface.ROTATION_270, 270) } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) @Throws(CameraAccessException::class) private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. val deviceRotation = activity.windowManager.defaultDisplay.rotation var rotationCompensation = ORIENTATIONS.get(deviceRotation) // Get the device's sensor orientation. val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager val sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION)!! if (isFrontFacing) { rotationCompensation = (sensorOrientation + rotationCompensation) % 360 } else { // back-facing rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360 } return rotationCompensation }
Java
private static final SparseIntArray ORIENTATIONS = new SparseIntArray(); static { ORIENTATIONS.append(Surface.ROTATION_0, 0); ORIENTATIONS.append(Surface.ROTATION_90, 90); ORIENTATIONS.append(Surface.ROTATION_180, 180); ORIENTATIONS.append(Surface.ROTATION_270, 270); } /** * Get the angle by which an image must be rotated given the device's current * orientation. */ @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP) private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing) throws CameraAccessException { // Get the device's current rotation relative to its "native" orientation. // Then, from the ORIENTATIONS table, look up the angle the image must be // rotated to compensate for the device's rotation. int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation(); int rotationCompensation = ORIENTATIONS.get(deviceRotation); // Get the device's sensor orientation. CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE); int sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION); if (isFrontFacing) { rotationCompensation = (sensorOrientation + rotationCompensation) % 360; } else { // back-facing rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360; } return rotationCompensation; }
然後,請傳遞 media.Image
物件和
將度數值旋轉為 InputImage.fromMediaImage()
:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
使用檔案 URI
如要建立InputImage
物件,將應用程式結構定義與檔案 URI 傳遞至
InputImage.fromFilePath()
。如果您要
使用 ACTION_GET_CONTENT
意圖提示使用者選取
取自圖片庫應用程式中的圖片。
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
使用 ByteBuffer
或 ByteArray
如要建立InputImage
ByteBuffer
或 ByteArray
的物件,請先計算圖片
與先前 media.Image
輸入中所述的旋轉角度相同。
接著,使用緩衝區或陣列建立 InputImage
物件,以及
高度、寬度、顏色編碼格式以及旋轉角度:
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
使用 Bitmap
如要建立InputImage
物件中,Bitmap
物件,請做出以下宣告:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
圖像以 Bitmap
物件和旋轉角度表示。
2. 設定並執行映像檔標籤工具
如要為圖片中的物件加上標籤,請將InputImage
物件傳遞至
ImageLabeler
的 process
方法。
首先,請取得
ImageLabeler
。如要使用裝置端圖片標籤工具,請按照以下說明操作 宣告:
Kotlin
// To use default options: val labeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) // Or, to set the minimum confidence required: // val options = ImageLabelerOptions.Builder() // .setConfidenceThreshold(0.7f) // .build() // val labeler = ImageLabeling.getClient(options)
Java
// To use default options: ImageLabeler labeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS); // Or, to set the minimum confidence required: // ImageLabelerOptions options = // new ImageLabelerOptions.Builder() // .setConfidenceThreshold(0.7f) // .build(); // ImageLabeler labeler = ImageLabeling.getClient(options);
- 接著,將圖片傳遞至
process()
方法:
Kotlin
labeler.process(image) .addOnSuccessListener { labels -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
Java
labeler.process(image) .addOnSuccessListener(new OnSuccessListener<List<ImageLabel>>() { @Override public void onSuccess(List<ImageLabel> labels) { // Task completed successfully // ... } }) .addOnFailureListener(new OnFailureListener() { @Override public void onFailure(@NonNull Exception e) { // Task failed with an exception // ... } });
3. 取得加上標籤的物件相關資訊
如果圖片標籤作業成功,系統會顯示ImageLabel
物件會傳遞到成功事件監聽器。每項
ImageLabel
物件代表圖片中加上標籤的內容。基本
模型支援超過 400 個標籤。
您可以取得每個標籤的文字說明以及
和比對結果的可信度分數例如:
Kotlin
for (label in labels) { val text = label.text val confidence = label.confidence val index = label.index }
Java
for (ImageLabel label : labels) { String text = label.getText(); float confidence = label.getConfidence(); int index = label.getIndex(); }
即時效能改善訣竅
如要在即時應用程式中為圖片加上標籤,請按照下列步驟操作: 實現最佳影格速率:
- 如果您使用
Camera
或camera2
API、 限制對圖片標籤人員的呼叫如果影片有新影片 請捨棄影格,讓圖片標籤工具執行期間可供使用。詳情請參閱VisionProcessorBase
類別的範例。 - 如果您是使用
CameraX
API, 請務必將背壓策略設為預設值ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
。 這麼做可保證系統一次只會傳送一張圖片進行分析。如果圖片較多 會在分析器忙碌時產生,這些作業會自動遭到捨棄,不會排入佇列 廣告放送。以呼叫方式關閉要分析的圖片後 ImageProxy.close(),最新一張圖片才會放送。 - 如果您使用圖片標籤人員的輸出內容來重疊顯示圖像
先從 ML Kit 取得結果,然後算繪圖片
並疊加單一步驟這會轉譯至顯示介面
每個輸入影格只能建立一次詳情請參閱
CameraSourcePreview
和 如需範例,請前往快速入門導覽課程範例應用程式中的GraphicOverlay
類別。 - 如果你使用 Camera2 API,
ImageFormat.YUV_420_888
格式。如果使用舊版 Camera API,請以ImageFormat.NV21
格式。