Vision w iOS 11 ma wszystko, czego potrzebujesz, aby stworzyć aplikację, która potrafi rozpoznawać znaki tekstowe, a implementacja odbywa się jednocześnie. Nie potrzebujesz technicznej wiedzy o kodowaniu – poruszanie się po funkcji jest dość proste. Co więcej, wdrożenie przebiega bezproblemowo.
Ramy wizyjne umożliwiają łatwą realizację każdego zadania, które obejmuje szczegóły dotyczące komputera. Struktura wykonuje wykrywanie twarzy i punktów orientacyjnych twarzy, rozpoznawanie kodów kreskowych, rejestrację obrazu, ogólne śledzenie cech i wykrywanie tekstu. Vision umożliwia również korzystanie z niestandardowych modeli Core ML do zadań takich jak klasyfikacja lub wykrywanie obiektów.
VN DetectTextRectanglesRequest to żądanie do analizy obrazu, która znajduje regiony widocznego tekstu na obrazie; funkcja zwraca znaki tekstowe w postaci prostokątnej ramki ograniczającej z początkiem i rozmiarem.
Jeśli jesteś przyzwyczajony do używania swiftu i programujesz od jakiegoś czasu, prawdopodobnie zastanawiasz się, do czego służy Vision, gdy istnieją inne funkcje, takie jak obraz i AVFoundation. Cóż, Vision jest dokładniejszy i prostszy. Ta funkcja jest również dostępna na różnych platformach. Jednak korzystanie z Vision może wymagać większej mocy obliczeniowej i czasu przetwarzania.
Aby używać Vision do wykrywania tekstu, będziesz potrzebować Xcode 9 i urządzenia z systemem iOS 11.
Najpierw musisz stworzyć kamerę z AVCapture ; jest to inicjowanie jednej sesji AVcaptures do wykonywania przechwytywania w czasie rzeczywistym lub offline. Następnie nawiąż sesję z połączeniem urządzenia.
Aby zaoszczędzić czas potrzebny na budowanie interfejsu użytkownika aplikacji, zastanów się nad stworzeniem projektu startowego, który na początek da ci czas na skupienie się na nauce frameworka Vision.
Otwórz swój projekt startowy. Widoki w scenorysie powinny być gotowe i skonfigurowane dla Ciebie.
W ViewController.swift poszukaj sekcji kodu z funkcjami i wyjściami .
W sekcji outlet- ImageView zadeklaruj sesję dla sesji AVcaptures – jest ona używana, gdy chcesz, aby akcje były wykonywane w oparciu o transmisję na żywo.
Ustaw sesję AVcaptures i AVmediatype na wideo, ponieważ będziesz wykonywać zdjęcia z kamery, aby umożliwić jej ciągłe działanie
Zdefiniuj urządzenie wyjściowe i wejściowe
Wejście jest tym, co zobaczy kamera, a wyjściem jest wideo w ustawionym formacie typu KCVPixelFormatType_32GRA.
Na koniec dodaj podwarstwę zawierającą filmy do imageView i rozpocznij sesję. Funkcja jest znana jako inViewdidload. Musisz także ustawić ramkę warstwy.
Wywołaj funkcję w metodzie viewWillAppear .
Ponieważ granice nie są jeszcze sfinalizowane, zastąp metodę viewDidLayoutSubviews ( ) , aby zaktualizować powiązane warstwy.
Po premierze iOS 10 potrzebny jest dodatkowy wpis w Info.plist, jest to powód do korzystania z aparatu. Powinieneś także ustawić opis użycia prywatności-kamery.
Implementacja Vision w aplikacji składa się z trzech kroków.
Handlery – to jest, gdy chcesz, aby framework zrobił coś po wywołaniu żądania.
Obserwacje – to chcesz zrobić z danymi dostarczonymi przez Ciebie, zaczynając od jednego zapytania
Requests – wtedy pytasz o framework Detect
Najlepiej jest utworzyć jedno żądanie tekstowe jako VNdetecttextrectanglesrequest . Jest to rodzaj VNrequest, który graniczy z tekstem. Gdy framework zakończy aplikację, przystępujesz do wywołania funkcji Dettexthandler . Będziesz także chciał znać dokładną ramkę, która została rozpoznana, ustaw ją na Reportcharacterboxes = True.
Następnie zdefiniuj obserwacje, które zawierają wszystkie wyniki VNdetecttextrectanglesrequest , pamiętaj, aby dodać Vision do kamery wyjściowej. Ponieważ Vision udostępnia interfejsy API wysokiego poziomu, praca z nim jest bezpieczna.
Funkcja sprawdza czy Cmsamplebuffer istnieje i PutOut Avcaptureoutput . Następnie należy przystąpić do tworzenia jednej zmiennej Requestoptions jako 1 typ słownika VNimageoption . Opcja VNmage to rodzaj struktury, która zawiera właściwości i dane z kamery. Następnie należy utworzyć VNimagerequesthandler i wykonać żądanie tekstowe.
Możesz zacząć od narysowania dwóch ramek, jednego dla każdej wykrytej litery, a drugiego dla każdego słowa. Tabele są kombinacją wszystkich pól znaków, które znajdziesz w Twojej prośbie.
Masz teraz rozplanowane wszystkie funkcje.
Aby połączyć kropki, zacznij od asynchronicznego uruchamiania kodu. Następnie należy sprawdzić, czy w wynikach z VNTextObservation istnieje region .
Możesz teraz wywołać swoją funkcję, która narysuje prostokąt w obszarze. Sprawdź, czy w regionie znajdują się pola znaków, a następnie zadzwoń do usługi, która wprowadza pole wokół każdej litery.
Następnie utwórz zmienną RequestOptions. Możesz teraz utworzyć obiekt VNImageRequestHandler i wykonać utworzone żądanie tekstowe.
Ostatnim krokiem jest uruchomienie kodu wizji z transmisją na żywo. Będziesz musiał wziąć wyjście wideo i przekonwertować je na Cmsamplebuffer.
Zawsze staraj się przycinać obraz i przetwarzać tylko tę część, której potrzebujesz. Zmniejszy to czas przetwarzania i zużycie pamięci
Włącz korekcję języka, gdy masz do czynienia ze znakami nienumerycznymi, a następnie wyłącz ją, gdy masz do czynienia ze znakiem numerycznym
Uwzględnij walidację rozpoznanych ciągów liczbowych, aby potwierdzić dokładność i wyeliminować wyświetlanie fałszywej wartości użytkownikowi.
Kontroler kamery dokumentacyjnej jest najlepszym towarzyszem rozpoznawania tekstu, ponieważ jakość obrazu odgrywa znaczącą rolę w rozpoznawaniu tekstu.
Rozważ ustawienie minimalnej wysokości tekstu, aby zwiększyć wydajność.
Dzięki Vision masz wszystko, czego potrzebujesz do rozpoznawania tekstu. Ponieważ Vision jest łatwy w użyciu i zajmuje niewiele czasu na wdrożenie, używanie go jest prawie równoznaczne z zabawą Legos. Przetestuj swoją aplikację na różnych obiektach, czcionkach, oświetleniu i rozmiarach. Możesz również zaimponować sobie, łącząc Vision z Core ML.
Obawiasz się, że wyświetlacz iPhone'a 18 Pro może powodować bóle głowy? Oto, co Apple potwierdza na temat OLED-a, PWM, wygładzania impulsów wyświetlacza, jasności i testów komfortu użytkowania.
Apple oficjalnie nie nazywa tego przyciskiem akcji 2.0. Zobacz najlepsze konfiguracje iPhone'a 18 Pro pod kątem szybkości, ostrości, podróży, dostępności i codziennego użytkowania.
Do 14 września 2026 r. firma Apple nie ogłosiła jeszcze standardowego modelu iPhone 18. Oto porównanie iPhone'a 17 z oficjalną ścieżką aktualizacji do iPhone'a 18 Pro.
Praktyczny przewodnik po łączności iPhone'a 18 w przypadku przerw w działaniu Wi-Fi i 5G, wykorzystujący obsługiwane przez Apple funkcje sprawdzania, od szybkich resetów radia po aktualizacje operatora i resetowanie sieci.
Praktyczna ocena aparatu iPhone'a 18 Pro przed jego premierą, obejmująca nowy główny czujnik 48 MP, zmienną przysłonę, elementy sterujące Pro i to, co wciąż wymaga przetestowania w warunkach rzeczywistych.
Discover hidden iPhone 18 Pro features Apple confirmed, including manual camera controls, Reference Image, Siri AI, Dynamic Island, Safari, and more.
Widzisz podsłuchy w iPhonie 18 Pro Max? Oto, co zostało potwierdzone, co wciąż nie, jak zidentyfikować przyczynę i kiedy zgłosić się do serwisu Apple.
Szukasz rozwiązania problemu rozładowywania się baterii w systemie iOS 20 w iPhonie 18? Apple korzysta z systemu iOS 27. Bezpieczna diagnostyka zużycia baterii, trybów zasilania, aktualizacji i stanu baterii.
Poznaj pięć funkcji Apple Intelligence potwierdzonych dla iPhone'a 18 Pro, od Siri AI po Visual Intelligence, a także dowiedz się, co jest w fazie beta, co jest funkcją regionalną, a co jeszcze nie zostało ujawnione.
Według stanu na 14 września 2026 roku iPhone 18 Pro nie trafił jeszcze do sprzedaży detalicznej. Oto, co Apple potwierdza na temat temperatury, normalnego ciepła i rzeczywistych sygnałów ostrzegawczych.
