利用计算机视觉API进行图像分析的多语言实现

### 利用计算机视觉 API 进行图像分析的多语言实现 #### 1. 获取服务密钥 无论使用何种编程语言或框架来调用计算机视觉 API，都需要获取服务密钥，这些密钥用于代码与服务进行身份验证。操作步骤如下： 1. 进入“Keys and Endpoint”页面。 2. 点击左侧的“Keys and Endpoint”项。 3. 默认情况下，密钥是隐藏的，点击“Show Keys”按钮。通常只需要 Key 1 即可，Key 2 是出于安全考虑提供的。记录下 Key 1 和 Endpoint 字段，后续编写代码时会用到。 #### 2. 使用 .NET 消费 AI 服务 以下是使用 .NET 创建控制台应用程序来进行图像分析的详细步骤： 1. **创建新项目**： - 在 Visual Studio Code 中，通过“Terminal” -> “New Terminal”打开新的终端实例。 - 创建一个子文件夹用于存放新项目。 - 在终端中输入以下命令生成新的控制台项目： ``` > dotnet new console ``` 2. **安装客户端库**：Microsoft 提供了用于 .NET 的客户端库 `Microsoft.Azure.CognitiveServices.Vision.ComputerVision`，可以简化调用计算机视觉 API 的过程。在终端中输入以下命令安装该库： ``` > dotnet add package Microsoft.Azure.CognitiveServices.Vision.ComputerVision ``` 3. **设置变量和常量**：打开 `Program.cs` 文件，添加以下代码，并将 `serviceKey` 和 `endpoint` 替换为实际的计算机视觉服务密钥和端点： ```csharp using Microsoft.Azure.CognitiveServices.Vision.ComputerVision; using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models; namespace ComputerVisionNet { class Program { static string serviceKey = "YOUR-KEY-GOES-HERE"; static string endpoint = "https://YOUR-ENDPOINT.cognitiveservices.azure.com/"; private const string imageToAnalyze = "https://moderatorsampleimages.blob.core.windows.net/samples/sample16.png"; async static void Main(string[] args) { // Create a client ComputerVisionClient client = Authenticate(endpoint, serviceKey); // Analyze an image to get features and other properties. await AnalyzeImageUrlAsync(client, imageToAnalyze); } public static ComputerVisionClient Authenticate(string endpoint, string key) { ComputerVisionClient client = new ComputerVisionClient(new ApiKeyServiceClientCredentials(key)) { Endpoint = endpoint }; return client; } public static async Task AnalyzeImageUrlAsync(ComputerVisionClient client, string imageUrl) { // A list that defines the features to be extracted from the image. List<VisualFeatureTypes?> features = new List<VisualFeatureTypes?>() { VisualFeatureTypes.Tags, VisualFeatureTypes.Color, VisualFeatureTypes.Description, VisualFeatureTypes.Objects, VisualFeatureTypes.Faces, VisualFeatureTypes.Adult }; Console.WriteLine($"Analyzing the image {Path.GetFileName(imageUrl)}..."); Console.WriteLine(); // Analyze the URL image ImageAnalysis results = await client.AnalyzeImageAsync(imageUrl, visualFeatures: features); // Adult content? Console.WriteLine($"Is adult content?: {results.Adult.IsAdultContent}"); // Image tags and their confidence score Console.WriteLine("Tags:"); foreach (var tag in results.Tags) { Console.WriteLine($"{tag.Name} {tag.Confidence}"); } Console.WriteLine("Colors:"); Console.WriteLine($" {results.Color.AccentColor}") ```