注意，只能后端完成!!!!!

文字辨识与车牌辨识架构图

功能说明

上传图片至S3之后经由Lambda辨识图片内的文字，并框出所辨识到的文字(使用opencv)再回传至S3

操作与流程说明

步骤1: 在搜寻框里搜寻S3，之后打开S3，如下图所示

步骤2: 进入S3，点选建立伫体，如下图所示

步骤3: 先命名S3储存桶的名称，如下图所示

步骤4: 将点选"ACL已启用"，如下图所示

步骤5: 将"封锁公开存取权"改为不勾选的状态，记得要勾选"我确认目前的设定可能导致此储存贮体和其内的物件变成公开状态。"，如下图所示

步骤6: 第3~5的步骤做完后，即可建立储存桶，如下图所示

步骤7: 回到刚进S3时候的页面，点选建立好的储存桶，如下图所示

步骤8: 点选"上传" ，如下图所示

步骤9: 点选"新增档案"，之后就可以选取您想要辨识的图片，如下图所示

步骤10: 按"上传"，如下图所示

步骤11: 回到刚进S3时候的页面，确认是否上传成功，如下图所示

步骤12: 需要上传opencv至S3上，后面会利用到"物件URL"的连结(上传方式和第8~10的步骤相同，只是上传的是opencv档案，并不是图档而已)，如下图所示

步骤13: 点选您上传的opencv，框起来的地方就是"物件URL"的连结，複製起来，等等会用到，如下图所示

步骤14: 在搜寻框上搜寻Lambda，之后打开Lambda，如下图所示

步骤15: 点选"层"，如下图所示

-步骤16: 点选"建立Layer"，如下图所示

-步骤17: 特别要注意的是执行时间需与opencv所下载的python版本一致，其他都照着做即可，如下图所示

步骤18: 回到刚进lambda时候的页面，点选"建立函式"，如下图所示

步骤19: 照着下图做，特别需要注意的是要点选现有角色，现有角色为"LabRole"，如下图所示

步骤20: 建立完后，将滑鼠滑到至最下面的页面，就可找到"新增层"，如下图所示

步骤21: 照着下图做，要注意的点是，我在步骤17是命名为opencv，所以要选您命名的，除非跟我命名的是一模一样的，如下图所示

步骤22: 回到刚进lambda时候的页面，複製程式码

import jsonimport base64import boto3from datetime import datetimeimport osimport cv2import numpy as npdef lambda_handler(event, context):    s3 = boto3.client('s3')    # Get the bucket name and the uploaded file name    bucket_name = event['Records'][0]['s3']['bucket']['name']    file_name = event['Records'][0]['s3']['object']['key']    print('Bucket name: {}'.format(bucket_name))    print('Upload file name: {}'.format(file_name))    # Get current unix time    created = int(datetime.now().timestamp())        # OCR    client = boto3.client('rekognition')    response = client.detect_text(Image={'S3Object':{'Bucket':bucket_name,'Name':file_name}})    print(json.dumps(response))        # Text detection    img_path = '/tmp/input_img.jpg'  # Path to temporarily store the input image    output_img_path = '/tmp/output_img.jpg'  # Path to store the output image    s3.download_file(bucket_name, file_name, img_path)  # Download image from S3    img = cv2.imread(img_path)    detectedText = response['TextDetections']        # Iterate through detectedText to get the required name/value pairs    for text in detectedText:        # Get bounding box coordinates        box = text['Geometry']['BoundingBox']        h, w, _ = img.shape        x1, y1, x2, y2 = int(box['Left'] * w), int(box['Top'] * h), int((box['Left'] + box['Width']) * w), int((box['Top'] + box['Height']) * h)        # Draw rectangle around detected text        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)        # Put text label        cv2.putText(img, text['DetectedText'], (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)        # Save annotated image    cv2.imwrite(output_img_path, img)        # Upload annotated image to S3    s3.upload_file(output_img_path, bucket_name, 'annotated_' + file_name)    return {        'statusCode': 200,        'body': json.dumps('Hello from Lambda!')    }

把複製的程式码贴到框框内，之后按"Deploy"，如下图所示

步骤23: 按Test旁边的箭号，之后点框起来的地方，如下图所示

步骤24: 下面的程式码为测试事件所用的程式码，程式码为JSON所用的，需要注意的点是程式码内的"0429te"是我步骤1~6所建立的储存桶名称，所以必须要换成您所用命名的名称，除非步骤都和我的一模一样，还有"test2.png"的档案，需要换成您上传至S3的图档，档名与副档名都要相同才行!!!

{  "Records": [    {      "eventVersion": "2.1",      "eventSource": "aws:s3",      "awsRegion": "us-west-2",      "eventTime": "2024-04-29T00:00:00.000Z",      "eventName": "ObjectCreated:Put",      "userIdentity": {        "principalId": "EXAMPLE"      },      "requestParameters": {        "sourceIPAddress": "127.0.0.1"      },      "responseElements": {        "x-amz-request-id": "EXAMPLE123456789",        "x-amz-id-2": "EXAMPLE123/5678abcdefghijklambdaisawesome/mnopqrstuvwxyzABCDEFGH"      },      "s3": {        "s3SchemaVersion": "1.0",        "configurationId": "testConfigRule",        "bucket": {          "name": "0429te",          "ownerIdentity": {            "principalId": "EXAMPLE"          },          "arn": "arn:aws:s3:::0429te"        },        "object": {          "key": "test2.png",          "size": 1024,          "eTag": "0123456789abcdef0123456789abcdef",          "sequencer": "0A1B2C3D4E5F678901"        }      }    }  ]}

如下图所示