首先，您需要知道类似于比例的概念称为每度量比的像素(pixels per metric ratio)。
近似含义是每个单位指标中包含的像素数。例如，图表上的1厘米包含100张图像。
实际上，相当于引用对象的作用，例如已知地图上的引用材质，我们可以使用此引用对象将其转换为地图上其他对象的大小。
引用对象需要具有两个重要属性：
- 属性＃1：我们应该以可测量的单位(例如毫米，英寸等)知道该对象的尺寸(在宽度或高度方面)。
- 属性＃2：我们应该能够在图像中轻松找到这个参考对象，或者根据对象的 位置(例如参考对象总是放在图像的左上角)，或者通过外观(如是独特的颜色或形状，独特且与图像中的所有其他物体不同)。在任何一种情况下，我们的参考应该 以某种方式唯一可识别。
我们应该能够轻松地在图像中找到参考对象，无论是基于对象的位置(例如，参考对象总是放置在图像的左上角)还是通过外观(例如，独特的颜色或形状，与图像不同)其他物品)。在任何一种情况下，我们的参考应该以某种方式唯一可识别。
在下面的示例中，我们将使用美国硬币作为参考对象。在所有示例中，确保它始终是图像中最左侧的对象。
我们将使用美国四分之一作为参考对象，并确保它始终作为图像中最左侧的对象放置，使我们可以通过基于其位置对轮廓进行排序来轻松提取它。
通过保证四分之一是最左边的对象，我们可以从左到右对对象轮廓进行排序，抓住四分之一(它将始终是排序列表中的第一个轮廓)，并使用它来定义 pixel_per_metric，我们定义为：
pixels_per_metric = object_width / know_width
美国四分之一的 已知宽度为0.955英寸。现在，假设我们的 object_width(以像素为单位)计算为150像素宽(基于其关联的边界框)。
因此 pixels_per_metric是：
pixels_per_metric = 150px / 0.955in = 157px
因此暗示在我们的图像中每0.955英寸大约有157个像素。使用此比率，我们可以计算图像中对象的大小。
用计算机视觉测量物体的大小
现在我们了解“每度量像素数”比率，我们可以实现用于测量图像中对象大小的Python驱动程序脚本。
打开一个新文件，将其命名为 object_size 。py ，并插入以下代码：
# import the necessary packagesfrom scipy.spatial import distance as distfrom imutils import perspectivefrom imutils import contoursimport numpy as npimport argparseimport imutilsimport cv2 def midpoint(ptA, ptB): return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5) # construct the argument parse and parse the argumentsap = argparse.ArgumentParser()ap.add_argument("-i