试用光学字符识别 (OCR) 功能

借助 Cloud Vision API 的光学字符识别 (OCR) 功能，您可以从图片中提取印刷文本和手写文本。在本教程中，您将容器化一个对图片运行 OCR 的 Python 客户端，并将其作为作业部署到 Google Distributed Cloud (GDC) Sandbox 中。

如需运行此工作负载，您需要一个已启用 Cloud Vision API 的有效 Google Cloud 项目、一个有效的 API 密钥，以及对 GDC Sandbox 实例和 Harbor Container Registry 的访问权限。在尝试此示例之前，请按照《Vertex AI 快速入门：使用客户端库》中的 Python 设置说明执行操作。如需了解详情，请参阅使用 Vertex AI 和 Vertex AI Python API 参考文档。

1. 创建一个 Python 文件 ocr_test.py。将 image_uri_to_test 值替换为来源映像的 URI，如下所示：

   import os
   import requests
   import json
   
   def detect_text_rest(image_uri):
       """Performs Optical Character Recognition (OCR) on an image by invoking the Vertex AI REST API."""
   
       # Securely fetch the API key from environment variables
       api_key = os.environ.get("GCP_API_KEY")
       if not api_key:
           raise ValueError("GCP_API_KEY environment variable must be defined.")
   
       # Construct the Vision API endpoint URL
       vision_api_url = f"https://vision.googleapis.com/v1/images:annotate?key={api_key}"
   
       print(f"Initiating OCR process for image: {image_uri}")
   
       # Define the request payload for text detection
       request_payload = {
           "requests": [
               {
                   "image": {
                       "source": {
                           "imageUri": image_uri
                       }
                   },
                   "features": [
                       {
                           "type": "TEXT_DETECTION"
                       }
                   ]
               }
           ]
       }
   
       # Send a POST request to the Vision API
       response = requests.post(vision_api_url, json=request_payload)
       response.raise_for_status()  # Check for HTTP errors
   
       response_json = response.json()
   
       print("\n--- OCR Results ---")
   
       # Extract and print the detected text
       if "textAnnotations" in response_json["responses"]:
           full_text = response_json["responses"]["textAnnotations"]["description"]
           print(f"Detected Text:\n{full_text}")
       else:
           print("No text was detected in the image.")
   
       print("--- End of Results ---\n")
   
   if __name__ == "__main__":
       # URI of a publicly available image, or a storage bucket
       image_uri_to_test = "IMAGE_URI"
   
       detect_text_rest(image_uri_to_test)
   

   替换以下内容：

   • IMAGE_URI 替换为包含文本的公开可用图片的 URI，例如“https://cloud.google.com/vision/docs/images/sign.jpg”。或者，您也可以指定 Cloud Storage URI，例如“gs://your-bucket/your-image.png”

2. 创建 Dockerfile：

   ROM python:3.9-slim
   
   WORKDIR /app
   
   COPY ocr_test.py /app/
   
   # Install 'requests' for HTTP calls
   RUN pip install --no-cache-dir requests
   
   CMD ["python", "ocr_test.py"]
   

3. 为翻译应用构建 Docker 映像：

   docker build -t ocr-app .
   

4. 按照配置 Docker 中的说明执行以下操作：

   1. 配置 Docker，
   2. 创建 Secret，以及
   3. 将映像上传到 HaaS。

5. 登录用户集群，并使用用户身份生成其 kubeconfig 文件。请务必将 kubeconfig 路径设置为环境变量：

   export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
   

6. 在终端中运行以下命令，粘贴您的 API 密钥，以创建 Kubernetes Secret：

   kubectl create secret generic gcp-api-key-secret \
     --from-literal=GCP_API_KEY='PASTE_YOUR_API_KEY_HERE'
   

   此命令会创建一个名为 gcp-api-key-secret 的 Secret，其密钥为 GCP_API_KEY。

7. 应用 Kubernetes 清单：

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: ocr-test-job-apikey
   spec:
     template:
       spec:
         containers:
         - name: ocr-test-container
           image: HARBOR_INSTANCE_URL/HARBOR_PROJECT/ocr-app:latest # Your image path
           # Mount the API key from the secret into the container
           # as an environment variable named GCP_API_KEY.
           imagePullSecrets:
           - name: ${SECRET}
           envFrom:
           - secretRef:
               name: gcp-api-key-secret
         restartPolicy: Never
     backoffLimit: 4
   
   

   替换以下内容：

   • HARBOR_INSTANCE_URL：Harbor 实例网址。
   • HARBOR_PROJECT：Harbor 项目。
   • SECRET：为存储 Docker 凭证而创建的 Secret 的名称。

8. 检查作业状态：

   kubectl get jobs/ocr-test-job-apikey
   # It will show 0/1 completions, then 1/1 after it succeeds
   

9. 作业完成后，您可以在 Pod 日志中查看 OCR 输出：

   kubectl logs -l job-name=ocr-test-job-apikey