本文属于【Azure 架构师学习笔记】系列。
本文属于【Azure AI】系列。
接上文 【Azure 架构师学习笔记 】- Azure AI(4)-数据工程在AI系统中的设计（ADF+ADLS+Azure ML）
前言
本文开始接触一下另外一个服务：Azure 认知服务（Cognitive Services）。
从上图可以看到
- Azure AI = Azure 的 AI 服务总称（包含认知服务+高级AI）
- 认知服务 = Azure AI 的基础服务层（预训练模型，开箱即用）
- Azure AI Vision = 认知服务中的计算机视觉子集（包含OCR、图像分析等）
Azure Computer Vision服务在2026年已经演变为一个统一的、多模态的图像分析平台。它的核心能力可以概括为以下几个层面：
- 光学字符识别：不只是提取文字
o 强大的OCR引擎：底层的读取OCR引擎构建在多个深度学习模型之上，由基于脚本的通用模型提供支持，提供了真正的全球语言支持，对印刷体和手写体都有很高的识别率 。
o 与生成式AI的集成：这是2026年的一个重大变化。OCR功能可以被集成到Azure OpenAI服务中。例如，当你使用GPT-4 Turbo with Vision模型时，可以开启"视觉增强"选项，让AI助手不仅能"看"图片，还能通过图像分析API获取图片中可读文本和物体的精确位置，从而进行更深入的分析 。 - 图像分析：让AI理解图片内容
o 这是Computer Vision更广泛的能力，包括：
图像标记：根据图片内容自动生成标签列表，例如"户外"、"沙滩"、"狗"。
目标检测：定位并框出图片中的物体，如人、车辆、产品。
图像描述：自动生成一句描述图片内容的人类可读文本。
名人/地标识别：识别图片中的知名人物和地标。
智能裁剪：为缩略图自动找到最佳的裁剪区域。 - 空间分析：处理视频流中的人、移动和互动，适用于零售、安全等场景。例如，统计顾客在货架前的停留时间，或检测社交距离。
创建 Azure Computer Vision 资源
可以参考前文terraform脚本创建的方式Azure 架构师学习笔记】 - Azure AI(1)- 概述，或者用portal创建。
- 登录 Azure 门户
- 点击 "创建资源"，搜索 Computer Vision
- 选择 "Computer Vision"，点击 创建
- 填写基本信息：
订阅：选择你的订阅
资源组：新建或选择已有
区域：建议选 East US 或 Southeast Asia（延迟较低）
名称：任意
定价层：免费层 F0（每月 20 次免费调用，足够学习）或标准层 S1
点击 "审阅+创建" → "创建"
获取密钥和终结点
实操
接下来我们做一个极其简单的演示：
输入：本地图片文件（如 sample.jpg）
输出：从图片中提取的文本（OCR）
代码
运行时请更新必要的包，并确保KEY, Endpoint等可用。
python
pip install azure-cognitiveservices-vision-computervision msrest
python
import os
import time
from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from msrest.authentication import CognitiveServicesCredentials
VISION_ENDPOINT = "你的endpoint"
VISION_KEY = "你的密码"
def ocr_local_image(image_path):
"""从本地图片提取文字"""
client = ComputerVisionClient(
endpoint=VISION_ENDPOINT,
credentials=CognitiveServicesCredentials(VISION_KEY)
)
# 1. 提交本地图片
with open(image_path, "rb") as f:
read_response = client.read_in_stream(f, raw=True)
# 2. 获取操作 ID
operation_location = read_response.headers["Operation-Location"]
operation_id = operation_location.split("/")[-1]
# 3. 轮询结果
while True:
result = client.get_read_result(operation_id)
if result.status.lower() not in ["notstarted", "running"]:
break
time.sleep(1)
# 4. 提取文字
texts = []
if result.status == "succeeded":
for page in result.analyze_result.read_results:
for line in page.lines:
texts.append(line.text)
return "\n".join(texts) if texts else "未识别到文字"
if __name__ == "__main__":
image_path = r"本地图片完整路径" # 你的本地图片
if not os.path.exists(image_path):
print(" 图片不存在")
else:
print(" 识别中...")
result = ocr_local_image(image_path)
print(" 结果：\n", result)测试图片：
运行结果：
小结
认知服务现在叫 Azure AI 服务，创建的 Computer Vision 就是它的一部分。
你可以创建一个多服务资源，用一个密钥调用多个 AI 能力。上面的例子中，我们可以通过一个Azure AI Service来完成。
下一步计划探索 Document Intelligence（文档智能）。