Extraire du texte d’images avec Node.js et AWS Rekognition

Kevin van Zonneveld

Cofondateur · Amsterdam, Pays-Bas · Afficher la bio

Utilisez l’opération DetectText d’AWS Rekognition pour lire le texte de panneaux, d’étiquettes et d’autres images depuis Node.js. Ce guide développe une CLI qui accepte un fichier JPEG ou PNG local, ou un objet S3 existant, et affiche les lignes détectées avec leurs scores de confiance et leur géométrie.

Présentation d’AWS Rekognition et de la détection de texte

DetectText renvoie des détections LINE et WORD. Afficher les deux répète le même texte, donc notre CLI renvoie uniquement les lignes et les compte. Une ligne détectée peut faire partie d’une phrase ; le résultat ne représente ni la structure des paragraphes d’un document ni un ordre de lecture garanti. AWS indique un maximum de 100 mots détectés par image dans son guide de détection de texte⁠. Pour la reconnaissance optique de caractères dans les formulaires, les tableaux et les documents de plusieurs pages, évaluez plutôt Amazon Textract⁠.

Configurer AWS Rekognition

Vous avez besoin d’un compte AWS et d’un profil local authentifié ou d’un rôle IAM autorisant rekognition:DetectText. Cette action utilise Resource: "*" ; elle n’opère pas sur une collection Rekognition. Un administrateur peut accorder les autorisations avec la politique suivante :

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": "rekognition:DetectText",
      "Resource": "*"
    }
  ]
}

Utilisez la méthode d’authentification existante de votre organisation. Pour un profil local, effectuez la configuration de l’authentification du SDK AWS⁠ et connectez-vous avant d’exécuter l’exemple. Nous laissons credentials non défini pour que la chaîne de fournisseurs d’informations d’accès par défaut⁠ puisse déterminer votre profil ou votre rôle. Les informations d’accès fournies par des variables d’environnement sont également prises en charge ; les informations d’accès temporaires nécessitent AWS_SESSION_TOKEN en plus de la clé d’accès et du secret. Ne placez pas les valeurs de vos informations d’accès dans les fichiers source ou la sortie du terminal.

Choisissez une région AWS prise en charge⁠. Les commandes ci-dessous utilisent us-east-1 ; remplacez cette valeur par votre région et MY_PROFILE par le nom de votre profil. Pour un rôle IAM déployé, omettez AWS_PROFILE. Envoyer une image à Rekognition transmet son contenu à AWS et peut entraîner des frais.

Installer le SDK AWS pour Node.js

Installez Node.js 24 LTS avec npm⁠. L’exemple a été testé avec Node.js 24.21.0 et @aws-sdk/client-rekognition 3.1148.0 du SDK AWS v3. La version corrective de Node.js est une version testée, pas une exigence intrinsèque de l’API ; les versions ultérieures maintenues de la même version majeure conviennent. Les commandes shell utilisent Bash et ont été testées sous Linux. Utilisez un shell sans NODE_OPTIONS pour que les chargeurs injectés ne modifient pas la résolution des modules du nouveau projet.

Exécutez ces commandes depuis le répertoire où vous souhaitez créer un projet rekognition-text. Le sous-shell laisse votre répertoire courant inchangé, et mkdir refuse un projet existant. L’installation cible explicitement le nouveau projet, même à l’intérieur d’un autre projet npm ou Yarn :

(
  command -v node >/dev/null || { printf 'Install Node.js first.\n' >&2; exit 1; }
  command -v npm >/dev/null || { printf 'Install npm first.\n' >&2; exit 1; }
  [ -z "${NODE_OPTIONS:-}" ] || { printf 'Use a shell without NODE_OPTIONS.\n' >&2; exit 1; }
  mkdir rekognition-text && cd rekognition-text &&
    printf '{"private":true,"type":"module"}\n' > package.json &&
    npm install --prefix "$PWD" --workspaces=false --ignore-scripts --save-exact \
      @aws-sdk/client-rekognition@3.1148.0
)

Si l’installation échoue après la création, conservez le répertoire et réessayez la commande npm install depuis ce répertoire. Ne répétez pas mkdir et n’écrasez pas un projet qui contient déjà votre travail. Conservez le fichier package-lock.json obtenu lorsque vous partagez l’exemple.

Intégrer le SDK AWS à une application Node.js

Créez rekognition-text/detect-text.mjs avec ce premier bloc. L’extension .mjs rend le format du module explicite, y compris dans un projet CommonJS. maxAttempts: 1 fait en sorte que chaque invocation tente une analyse sans nouvelle tentative automatique :

import { DetectTextCommand, RekognitionClient } from '@aws-sdk/client-rekognition'

const client = new RekognitionClient({
  region: process.env.AWS_REGION,
  maxAttempts: 1,
})

Détecter du texte avec AWS Rekognition

Ajoutez le bloc suivant au même fichier. Le chemin local est ouvert directement, sans interpréter les séquences d’échappement d’URL ni se fier à son extension. La lecture est limitée à 5 MiB plus un octet pour que les fichiers trop volumineux soient rejetés avant toute analyse. Utilisez un fichier ordinaire qui ne change pas pendant sa lecture. Le SDK accepte directement le Buffer et gère l’encodage base64⁠. AWS valide le format de l’image et décode son contenu ; une réponse réussie ne prouve pas qu’une image endommagée a été entièrement récupérée.

import { open } from 'node:fs/promises'

class InputError extends Error {}

async function localBytes(path) {
  const file = await open(path, 'r')
  try {
    const info = await file.stat()
    const limit = 5 * 1024 * 1024
    if (!info.isFile() || info.size === 0 || info.size > limit) {
      throw new InputError('Use a nonempty regular image file of at most 5 MiB.')
    }
    const buffer = Buffer.alloc(limit + 1)
    let length = 0
    while (length < buffer.length) {
      const { bytesRead } = await file.read(buffer, length, buffer.length - length, null)
      if (bytesRead === 0) break
      length += bytesRead
    }
    if (length === 0 || length > limit) {
      throw new InputError('Use a nonempty image file of at most 5 MiB.')
    }
    return buffer.subarray(0, length)
  } finally {
    await file.close()
  }
}

async function main() {
  const [mode, first, second, ...extra] = process.argv.slice(2)
  if (!process.env.AWS_REGION) throw new InputError('Set AWS_REGION before running the CLI.')
  let image
  let source
  if (mode === 'local' && first && second === undefined && extra.length === 0) {
    image = { Bytes: await localBytes(first) }
    source = { mode, path: first }
  } else if (mode === 's3' && first && second && extra.length === 0) {
    image = { S3Object: { Bucket: first, Name: second } }
    source = { mode, bucket: first, key: second }
  } else {
    throw new InputError('Usage: node detect-text.mjs local PATH | s3 BUCKET KEY')
  }
  const response = await client.send(new DetectTextCommand({ Image: image }))
  const lines = (response.TextDetections ?? [])
    .filter((item) => item.Type === 'LINE')
    .map((item) => ({
      text: item.DetectedText,
      confidence: item.Confidence,
      boundingBox: item.Geometry?.BoundingBox,
      polygon: item.Geometry?.Polygon,
    }))
  console.log(JSON.stringify({ source, lineCount: lines.length, lines }, null, 2))
}

main()
  .catch((error) => {
    const codes = [
      'AccessDeniedException', 'CredentialsProviderError', 'InvalidImageFormatException',
      'ImageTooLargeException', 'InvalidParameterException', 'InvalidS3ObjectException',
      'ProvisionedThroughputExceededException', 'ThrottlingException', 'ENOENT', 'EACCES',
    ]
    const name = error instanceof Error && 'code' in error ? error.code : error?.name
    const code = codes.includes(name) ? name : 'RequestError'
    console.error(error instanceof InputError ? error.message : `Text detection failed (${code}).`)
    process.exitCode = 1
  })
  .finally(() => client.destroy())

Analyser des images depuis S3

Le mode s3 transmet le bucket et la clé exacte à Rekognition ; il ne télécharge pas l’objet dans Node.js. Utilisez un objet privé existant dans un bucket S3 à usage général situé dans la même région que AWS_REGION. L’identité qui effectue l’appel doit disposer de l’autorisation s3:GetObject sur cet objet, ainsi que de rekognition:DetectText. Cette opération synchrone ne nécessite ni bucket public ni rôle de service. Consultez le contrat d’entrée S3⁠ et la procédure d’analyse d’images⁠.

Fournissez la clé brute, par exemple images/sign %20.png, plutôt qu’une URL S3 ou une clé encodée pour une URL. Cet exemple lit l’objet actuel et ne spécifie pas de version. Nos objets S3 testés utilisent le chiffrement SSE-S3 ; les objets chiffrés avec KMS peuvent nécessiter des autorisations supplémentaires sur la clé. La CLI ne crée, ne modifie et ne supprime aucun objet S3.

Exemple pratique et extraits de code

Placez votre image à l’emplacement rekognition-text/photo.png. Depuis le répertoire parent, exécutez :

(
  cd rekognition-text &&
    AWS_PROFILE=MY_PROFILE AWS_REGION=us-east-1 node detect-text.mjs local './photo.png'
)

Pour une image déjà téléversée vers S3, remplacez MY_BUCKET et images/photo.png par votre bucket et votre clé, et utilisez la même région que ce bucket :

(
  cd rekognition-text &&
    AWS_PROFILE=MY_PROFILE AWS_REGION=us-east-1 node detect-text.mjs s3 'MY_BUCKET' 'images/photo.png'
)

Le JSON identifie la source demandée et contient uniquement les lignes détectées. Pour une image nette contenant une ligne, vérifiez que lineCount vaut un et que lines[0].text correspond au texte visible dans l’image. Un score de confiance⁠ se situe sur une échelle de 0–100 ; il ne garantit pas l’exactitude. Le rectangle englobant⁠ utilise des coordonnées relatives à l’image. Pour une image non inclinée de 1 000 pixels de large, une valeur Left de 0.1 signifie 100 pixels depuis le bord gauche. Le polygone indique les sommets de la région détectée. Les champs facultatifs qu’AWS omet sont omis du JSON, plutôt que remplis avec des valeurs inventées.

Une analyse réussie qui ne trouve aucune ligne affiche lineCount: 0 et un tableau lines vide, puis se termine avec un code de sortie égal à zéro. Cela peut se produire sur une image vierge ou lorsque le texte n’est pas reconnu. En revanche, un fichier manquant, une entrée invalide, un problème d’informations d’accès ou une requête AWS échouée écrit un diagnostic sur stderr et se termine avec un code de sortie non nul ; aucun JSON de réussite n’est affiché. Comparez le texte à l’image source avant de l’utiliser pour la saisie de données ou l’accessibilité.

Limites et tarification du service AWS Rekognition

La documentation des limites du service⁠ d’AWS indique des entrées JPEG et PNG, un minimum de 80 pixels pour les deux dimensions de l’image et un maximum de 100 mots détectés. Elle indique une limite de 5 MB pour les octets bruts et de 15 MB pour les objets S3. Cette CLI limite les entrées locales à exactement 5 242 880 octets, y compris les éventuelles données ajoutées à la fin ; la représentation base64 du SDK entraîne une surcharge mémoire. Pour les entrées S3, AWS applique sa limite d’objet. Vérifiez la taille et les dimensions de l’objet stocké avant l’appel, plutôt que de supposer qu’un petit fichier compressé respecte toutes les contraintes.

Utilisez la référence des erreurs⁠ de l’API pour le dépannage. Pour InvalidS3ObjectException, vérifiez la clé exacte, la région et les autorisations de lecture de l’objet. Pour les erreurs d’image, vérifiez le format réel, les dimensions et la taille en octets. Un échec lié à l’accès ou aux informations d’accès nécessite de corriger l’authentification ou les autorisations. Les échecs liés au débit et à la limitation des requêtes peuvent faire l’objet de nouvelles tentatives avec un délai d’attente progressif après vérification de votre utilisation ; cet exemple vous laisse décider de réessayer plutôt que de masquer des analyses répétées.

Consultez la tarification d’AWS Rekognition⁠ pour votre région, votre API, votre volume et l’éligibilité de votre compte. Le stockage et les requêtes S3 sont facturés séparément.

Conclusion

Utilisez les lignes renvoyées comme résultats potentiels de reconnaissance optique de caractères et conservez la géométrie lorsque vous devez localiser du texte dans une image. Si vous avez aussi besoin d’un pipeline de traitement d’images, consultez l’Image Describe Robot de Transloadit pour une étape d’analyse d’images gérée ; son API et sa sortie diffèrent de celles de cette CLI.