目录

系统架构功能说明操作图&流程说明参考资料

---

系统架构

---

功能说明

上传图片至S3辨识图片内的文字,并框出辨识到的文字

---

操作图&流程说明

创建S3储存桶

在搜寻栏输入S3,前往该页面

点击建立储存贮体

命名储存贮体

启用ACL

解除存取权限的封锁

接着点击"建立储存贮体",便可看到刚刚创建的储存贮体

上传图片至刚创建的储存贮体内

进入储存贮体内

点击上传,选择图片并修改许可权后上传,成功后即可看到储存贮体内存在刚上传的图片

用同样的步骤上传opencv函式库(为了之后Lambda能使用opencv)

建立Lambda

在搜寻栏里输入Lambda,前往该页面

点击建立函式

命名此函式,并修改要使用的程式语言(对应到opencv的版本)

修改执行角色为LabRole

完成上述步骤后点击建立函式,成功后便可看到刚建立的函式

在Lambda上实现辨识文字并框选的功能将程式码贴到红色框框标式的区域内,并按"Deploy"

import jsonimport base64import boto3from datetime import datetimeimport numpy as npimport cv2import osimport timedef lambda_handler(event, context):    s3 = boto3.client('s3')        #bucket_name要改为自己储存贮体的名称    #file_name则是要从储存贮体拿来辨识的图片名称    bucket_name = 'detectword'    file_name = "origin.png"           img_data = s3.get_object(Bucket=bucket_name, Key=file_name)    image_data = img_data['Body'].read()            nparr = np.frombuffer(image_data, np.uint8)    image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)                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))                    # 获取文本区域的信息    text_detections = response["TextDetections"]    # 绘制矩形    for detection in text_detections:        # 检查是否检测到了文本        if "Geometry" in detection and "BoundingBox" in detection["Geometry"]:            box = detection["Geometry"]["BoundingBox"]            x = int(box["Left"] * image.shape[1])            y = int(box["Top"] * image.shape[0])            w = int(box["Width"] * image.shape[1])            h = int(box["Height"] * image.shape[0])            cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)        cv2.imwrite('/tmp/image.jpg', image)        s3.upload_file('/tmp/image.jpg', bucket_name, f"result.png")        return {        'statusCode': 200,        'body': json.dumps('Hello from Lambda!')    }

接着,先回到S3创建的储存贮体内複製opencv的物件URL,在下一步会用到

完成后回到Lambda,点击左上角的这个图标

点击"层",并开始建立Layer

建立成功后回到Lambda的程式设计页面

将页面滑到最下面,开始将刚刚创立的Layer新增到此函式

点击"自订Layer",并选择刚刚建立的Layer和版本,接着点击"新增"

完成后会回到程式设计页面,接着点击"TEST"建立测试用事件

接着,为了预防程式运作时长过久而报错,要先修改程式运作时间

完成后回到"程式码",点击"TEST",若成功运作则会回传'Hello from Lambda!',否则会出现error

下载辨识后的结果图

若成功运作的话,回到S3的储存贮体内会看到处理后的图(result.png)

点进去后要先到"许可"编辑物件的读取权,修改好后储存变更(若没修改则无法下载结果图)

接着点击"物件URL",便能下载结果图

---

参考资料

文字辨识: https://aws.amazon.com/tw/rekognition/
Lambda: https://docs.aws.amazon.com/zh_tw/lambda/latest/dg/lambda-python.html
框出文字: https://blog.csdn.net/weixin_38145317/article/details/89497616