image - 检测图像中的比例尺-特征检测或模式识别

为了自动缩放像素以进行实际长度测量，在图像中找到比例尺的最佳方法是什么？
我发现在寻找条形码方面已经完成了一些工作，这些工作可能很相似，但是它们似乎是在沿图像的水平和垂直横截面使用对比度差异，我并不认为稀疏对于找到比例尺非常有用。
使用神经网络或某种模式识别可以最好地实现这一点，还是我可以通过进行一些图像处理来提供更多的声音逻辑呢？
我对图像处理非常陌生。
我假设大多数人都看过带有比例尺的显微镜图像，但以防万一，这是我的意思的一些示例:

这将返回100纳米，无论比例尺是什么像素长度。

这将返回500纳米，无论比例尺是什么像素长度。

这将返回5纳米，无论比例尺的像素长度是多少。

我已开始就此问题使用OpenCV，但我愿意接受有关语言，软件包或算法的建议。有人对图像处理中的这项任务有任何想法吗？

最佳答案

我认为从OCR的 Angular 来看，解决此问题的最佳方法将是几乎解决的问题。为此，您需要查看图像中nm，mm，cm等图案的位置。一旦有了比例尺字符的位置，就可以假定比例尺将位于附近位置，并且可以与其他水平线段充分区分。可能有两种情况:

比例尺位于无纹理的背景上。在这种情况下，问题应该不会很困难，因为可以搜索水平线段。您如何找到线段？使用滞后进行边缘检测，计算直线度度量(您可以自己定义)。

比例尺位于纹理上方，例如Google图片。在这种情况下，您可能需要基于RANSAC拟合一条线(在对边缘权重进行阈值设置之后)，以便可以修剪掉与直线不符的虚假候选物。甚至可能在背景中有线条。此时，可以选择最接近刻度中字符的 Angular 为0/90的线段(取决于字符的方向)。另一个很好的假设是比例尺线上的线条比背景线条更坚固。

我有一种感觉，无需大量学习数据即可完全凭视觉解决此问题。当然，如果OCR系统使用了一些内置学习功能(可能是其中一部分)，但是要获得比例尺，计算机视觉系统就足够了。