假定我們正在運行某個應用程序，此應用程序需要用戶在應用程序中提交大量圖片文件，那麼對於系統管理員來說手動審覈這些圖片是很消耗時間的，並且對於圖片的審覈也許並不是即時的。爲了解決這一問題，這篇文章將向大家演示如何使用Azure Function和Cognitive Services來對上傳到應用程序的圖片進行自動化審覈。
再正式開始今天的實驗之前我們先帶大家瞭解一下本次實驗所有到的一些Azure功能：
l Azure Function：Azure Functions是一種無服務器計算服務，使您可以按需運行代碼，而無需顯式配置或管理基礎結構。使用Azure Functions運行腳本或代碼片段以響應各種事件
l Cognitive Services：Azure Cognitive Services是API，SDK和服務，可幫助開發人員構建智能應用程序，而無需直接的AI或數據科學技能或知識。Azure認知服務擴展了微軟不斷髮展的機器學習API產品組合，使開發人員能夠輕鬆添加認知功能 - 例如情感和視頻檢測; 面部，語言和視覺識別; 和語言和語言理解 - 進入他們的應用程序
l Content Moderator：Azure Content Moderator API是一種認知服務，可檢查文本，圖像和視頻內容，查找可能具有***性，風險或其他不良內容的材料。找到此類材料後，該服務會對內容應用適當的標籤（標記）。然後，您的應用可以處理已標記的內容，以符合法規或維護用戶的預期環境。
l Azure Blob Storage：Azure Blob存儲是Microsoft針對雲的對象存儲解決方案。Blob存儲優化用於存儲大量非結構化數據。非結構化數據是不遵循特定數據模型或定義的數據，例如文本或二進制數據。
下面是我們今天實驗的基本拓撲：
創建Content Moderator
點擊“新建”—“Content Moderator”—“創建”：
輸入相關信息，點擊創建：
創建完成，如下圖所示，我們點擊“Show access keys並將此值記錄下來”：
創建Function App和Storage
創建Function App
點擊“新建”—“計算”—“Function App”：
輸入如下參數，點擊創建：
創建成功，如下圖所示：
點擊“新建Function”：
在此選擇“自定義Function”：
選擇“Blob trigger”—“C#”：
修改名稱和路徑，點擊創建：
創建成功，如下圖所示：
點擊“集成”—“+新建輸出”：
選擇“Azure Blob存儲”：
將路徑修改爲“Container1/{name}”，點擊保存：
配置Storage
創建container1和container2，如下圖所示：
配置Function + Cognitive Services實現圖片自動審覈：
打開我們之前創建的Function，點擊“ImageAnalysis”：
將之前創建Content Moderator時所保存的Key替換到如下位置：
點擊保存：
測試功能
測試“無效“圖片：
上傳“無效“圖片到Container1,如下圖所示：
圖片上傳完成，我們可以看到如下Log:
上傳“有效“圖片
上傳“有效“圖片到Container1：
上傳成功可以看到如下Log：
同時我們的圖片會被添加水印並存儲再Container2：
添加水印的圖片如下圖所示：
