比例尺长度计算方法、装置、计算机设备及存储介质

技术领域

本发明涉及计算机技术领域，特别是涉及一种比例尺长度计算方法、装置、计算机设备及存储介质。

背景技术

金相分析是金属材料试验研究的重要手段之一，采用定量金相学原理，由二维金相试样磨面或薄膜的金相显微组织的测量和计算来确定合金组织的三维空间形貌，从而建立合金成分、组织和性能间的定量关系。目前在金相分析领域，比例尺是一项及其重要的计算依据，对分析结果有着直接的影响。对于采集到金相图片，比例尺的添加主要在于人工输入，同时对金相图片的评级工作需要测量标尺的长度，现状对于标尺的识别主要依靠人工测量。

然而，由于拍照条件、拍照设备等不一致，且各个技术人员的习惯不同，导致不同金相图片的比例尺多种多样，例如：字体，颜色，位置，大小等，很难做到标准统一。因此，传统的比例尺识别存在不准确的问题。

发明内容

基于此，为了解决上述技术问题，提供一种比例尺长度计算方法、装置、计算机设备和存储介质，可以提高比例尺的识别精度。

一种比例尺长度计算方法，所述方法包括：

获取待测图像，所述待测图像中包含有比例尺；

通过目标识别算法识别并分割出所述待测图像中的比例尺区域；

根据所述比例尺区域计算所述比例尺对应的图像像素长度，并识别所述比例尺区域中的长度数据；

根据所述图像像素长度、所述长度数据计算所述比例尺的长度。

在其中一个实施例中，所述比例尺区域中包括比例尺线段区域、比例尺长度数据区域。

在其中一个实施例中，所述根据所述比例尺区域计算所述比例尺对应的图像像素长度，包括：

提取所述比例尺区域中的所述比例尺线段区域；

基于边缘检测算法检测所述比例尺线段区域中的比例尺线段；

通过骨架提取算法得到所述比例尺线段对应的图像像素长度。

在其中一个实施例中，所述方法还包括：

提取所述比例尺区域中的所述比例尺长度数据区域；

通过所述目标识别算法识别所述比例尺长度数据区域中的长度数据；

根据所述长度数据计算相机放大倍数。

在其中一个实施例中，所述根据所述图像像素长度、所述长度数据计算所述比例尺的长度，包括：

根据所述相机放大倍数计算与所述图像像素长度对应的目标长度；

通过所述目标长度、所述长度数据计算所述比例尺的长度。

在其中一个实施例中，所述方法还包括：

获取训练样本图像，并将所述训练样本图像输入至初始目标识别算法；

通过所述初始目标识别算法对所述训练样本图像进行标记训练，得到训练结果；

根据所述训练结果对所述初始目标识别算法进行参数调整，得到所述目标识别算法。

在其中一个实施例中，所述方法还包括：

采集样本图像，并对所述样本图像进行预处理，得到所述训练样本图像。

一种比例尺长度计算装置，所述装置包括：

图像获取模块，用于获取待测图像，所述待测图像中包含有比例尺；

区域分割模块，用于通过目标识别算法识别并分割出所述待测图像中的比例尺区域；

数据识别模块，用于根据所述比例尺区域计算所述比例尺对应的图像像素长度，并识别所述比例尺区域中的长度数据；

长度计算模块，用于根据所述图像像素长度、所述长度数据计算所述比例尺的长度。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待测图像，所述待测图像中包含有比例尺；

通过目标识别算法识别并分割出所述待测图像中的比例尺区域；

根据所述比例尺区域计算所述比例尺对应的图像像素长度，并识别所述比例尺区域中的长度数据；

根据所述图像像素长度、所述长度数据计算所述比例尺的长度。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取待测图像，所述待测图像中包含有比例尺；

通过目标识别算法识别并分割出所述待测图像中的比例尺区域；

根据所述比例尺区域计算所述比例尺对应的图像像素长度，并识别所述比例尺区域中的长度数据；

根据所述图像像素长度、所述长度数据计算所述比例尺的长度。

上述比例尺长度计算方法、装置、计算机设备和存储介质，通过获取待测图像，所述待测图像中包含有比例尺；通过目标识别算法识别并分割出所述待测图像中的比例尺区域；根据所述比例尺区域计算所述比例尺对应的图像像素长度，并识别所述比例尺区域中的长度数据；根据所述图像像素长度、所述长度数据计算所述比例尺的长度。通过分割出比例尺区域，并计算出图像像素长度、识别出长度数据，进而计算出比例尺的长度，提高了比例尺识别的精度。

附图说明

图1为一个实施例中比例尺长度计算方法的应用环境图；

图2为一个实施例中比例尺长度计算方法的流程示意图；

图3为一个实施例中比例尺长度计算装置的结构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的比例尺长度计算方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境包括计算机设备110。计算机设备110可以获取待测图像，待测图像中包含有比例尺；计算机设备110可以通过目标识别算法识别并分割出待测图像中的比例尺区域；计算机设备110可以根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据；计算机设备110可以根据图像像素长度、长度数据计算比例尺的长度。其中，计算机设备110可以但不限于是各种个人计算机、笔记本电脑、机器人、平板电脑等。

在一个实施例中，如图2所示，提供了一种比例尺长度计算方法，包括以下步骤：

步骤202，获取待测图像，待测图像中包含有比例尺。

待测图像可以是通过摄像机采集到的需要进行金相组织分析的图像。其中，待测图像中可以包含有比例尺。在金相组织分析领域，比例尺是一项及其重要的计算依据，分析结果有着直接的影响。

步骤204，通过目标识别算法识别并分割出待测图像中的比例尺区域。

其中，比例尺区域可以用于表示待测图像中包含有比例尺的区域。目标识别算法可以是已经训练好的，用于识别待测图像的中比例尺，并对待测图像中的比例尺区域进行分割。

步骤206，根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据。

像素是指由图像的小方格组成的，这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。计算机设备在通过目标识别算法分割出比例尺区域后，可以进一步根据比例尺区域计算出比例尺对应的图像像素长度。

长度数据可以是标记在比例尺区域中的数据，计算机设备可以识别出比例尺区域中的长度数据。

步骤208，根据图像像素长度、长度数据计算比例尺的长度。

计算机设备可以根据图像像素长度、长度数据计算出比例尺的实际长度。

在本实施例中，通过获取待测图像，待测图像中包含有比例尺；通过目标识别算法识别并分割出待测图像中的比例尺区域；根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据；根据图像像素长度、长度数据计算比例尺的长度。通过分割出比例尺区域，并计算出图像像素长度、识别出长度数据，进而计算出比例尺的长度，提高了比例尺识别的精度。

在一个实施例中，比例尺区域中包括比例尺线段区域、比例尺长度数据区域。其中，比例尺线段区域可以用于表示包含有比例尺线段的区域；比例尺长度数据区域可以用于表示包含有比例尺长度数据的区域。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括计算比例尺对应的图像像素长度的过程，具体过程包括：提取比例尺区域中的比例尺线段区域；基于边缘检测算法检测比例尺线段区域中的比例尺线段；通过骨架提取算法得到比例尺线段对应的图像像素长度。

其中，边缘检测算法可以用于检测比例尺线段区域中的比例尺线段。骨架提取算法可以用于在图像处理过程中对图像的骨架进行提取。

计算机设备可以通过目标识别算法提取比例尺区域中的比例尺线段区域，进而基于边缘检测算法检测出比例尺线段，通过骨架提取算法提取出比例尺线段，进而计算出比例尺线段对应的图像像素长度。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括计算相机放大倍数的过程，具体过程包括：提取比例尺区域中的比例尺长度数据区域；通过目标识别算法识别比例尺长度数据区域中的长度数据；根据长度数据计算相机放大倍数。

长度数据可以是比例尺长度数据区域中标注的数据值。计算机设备可以通过目标识别算法提取出比例尺区域中的比例尺长度数据区域，进而识别出比例尺长度数据区域中的长度数据，基于长度数据计算出相机的放大倍数。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括计算比例尺的长度的过程，具体过程包括：根据相机放大倍数计算与图像像素长度对应的目标长度；通过目标长度、长度数据计算比例尺的长度。

其中，比例尺的长度可以是待测图像单位像素所对应的实际长度，即比例尺线段的像素范围所对应的实际长度/比例尺线段的像素长度。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括训练得到目标识别算法的过程，具体过程包括：获取训练样本图像，并将训练样本图像输入至初始目标识别算法；通过初始目标识别算法对训练样本图像进行标记训练，得到训练结果；根据训练结果对初始目标识别算法进行参数调整，得到目标识别算法。

训练样本图像可以是预先采集好的图像，计算机设备可以获取到训练样本图像，并将训练样本图像输入至训练平台，利用初始目标识别算法分别识别出比例尺的数值部分和线段部分，并进行分割；计算机设备可以将分割出的数值部分通过初始目标识别算法进行标记训练，训练得出图片所代表的数值结果；计算机设备可以将图片对应的放大倍数输入到训练所得的数值结果中，使数值与放大倍数相对应，从而得到训练结果；计算机设备可以根据训练结果对初始目标算法的参数进行调整，从而得到目标识别算法。

在本实施例中，计算机设备可以将训练得到的数值结果以及将图片对应的放大倍数输入到训练所得的数值结果进行合成并保留；计算机设备可以将分割出的线段部分通过边缘检测和骨架提取算法进行训练，提取出线段的轮廓；计算机设备可以计算提取出的线段轮廓的像素点长度；计算机设备可以将像素点长度、数值结果与将图片对应的放大倍数输入到训练所得的数值结果进行合成，从而得到对应线段长度所代表的数值，从而得出标尺所代表的实际长度。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括得到训练样本图像的过程，具体过程包括：采集样本图像，并对样本图像进行预处理，得到训练样本图像。

在一个实施例中，提供的一种比例尺长度计算方法还可以包括收集数据、模型训练的过程，具体过程包括：

1、数据收集：在AI平台进行训练之前，需要准备体量足够大的样本集，样本集是指含有比例尺的金相图片，金相图片的来源主要包括，样品拍照、历史检测数据图片和客户图片收集等等；

2、样本集预处理：将金相图片按照标尺颜色、形状、数值等进行分类，然后对已经分类的图片进行标注；将数据集按照一定比例分为训练集和测试集，将一部分测试集用于验证训练结果；

3、模型训练和建立：将准备好的训练集输入AI训练平台，训练平台对数据进行样本集加强，对图片特征进行提取，并拟合算法进行自我验证，同时循环训练，当置信度达到收敛状态，或训练次数达到设定次数则训练停止，生成模型；

4、模型验证：将测试集输入模型进行验证，或部署于生产环境进行验证，当准确率达到要求则模型建立完成，当准确率不达标，则重新进行数据预处理或加大样本量，重复上述步骤进行再次训练。

应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种比例尺长度计算装置，包括：图像获取模块310、区域分割模块320、数据识别模块330和长度计算模块340，其中：

图像获取模块310，用于获取待测图像，待测图像中包含有比例尺；

区域分割模块320，用于通过目标识别算法识别并分割出待测图像中的比例尺区域；

数据识别模块330，用于根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据；

长度计算模块340，用于根据图像像素长度、长度数据计算比例尺的长度。

在一个实施例中，比例尺区域中包括比例尺线段区域、比例尺长度数据区域。

在一个实施例中，数据识别模块330还用于提取比例尺区域中的比例尺线段区域；基于边缘检测算法检测比例尺线段区域中的比例尺线段；通过骨架提取算法得到比例尺线段对应的图像像素长度。

在一个实施例中，数据识别模块330还用于提取比例尺区域中的比例尺长度数据区域；通过目标识别算法识别比例尺长度数据区域中的长度数据；根据长度数据计算相机放大倍数。

在一个实施例中，数据识别模块330还用于根据相机放大倍数计算与图像像素长度对应的目标长度；通过目标长度、长度数据计算比例尺的长度。

在一个实施例中，提供的一种比例尺长度计算装置还可以包括模型训练模块，用于获取训练样本图像，并将训练样本图像输入至初始目标识别算法；通过初始目标识别算法对训练样本图像进行标记训练，得到训练结果；根据训练结果对初始目标识别算法进行参数调整，得到目标识别算法。

在一个实施例中，模型训练模块还用于采集样本图像，并对样本图像进行预处理，得到训练样本图像。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种比例尺长度计算装置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取待测图像，待测图像中包含有比例尺；

通过目标识别算法识别并分割出待测图像中的比例尺区域；

根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据；

根据图像像素长度、长度数据计算比例尺的长度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：比例尺区域中包括比例尺线段区域、比例尺长度数据区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：提取比例尺区域中的比例尺线段区域；基于边缘检测算法检测比例尺线段区域中的比例尺线段；通过骨架提取算法得到比例尺线段对应的图像像素长度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：提取比例尺区域中的比例尺长度数据区域；通过目标识别算法识别比例尺长度数据区域中的长度数据；根据长度数据计算相机放大倍数。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据相机放大倍数计算与图像像素长度对应的目标长度；通过目标长度、长度数据计算比例尺的长度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取训练样本图像，并将训练样本图像输入至初始目标识别算法；通过初始目标识别算法对训练样本图像进行标记训练，得到训练结果；根据训练结果对初始目标识别算法进行参数调整，得到目标识别算法。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集样本图像，并对样本图像进行预处理，得到训练样本图像。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取待测图像，待测图像中包含有比例尺；

通过目标识别算法识别并分割出待测图像中的比例尺区域；

根据比例尺区域计算比例尺对应的图像像素长度，并识别比例尺区域中的长度数据；

根据图像像素长度、长度数据计算比例尺的长度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：比例尺区域中包括比例尺线段区域、比例尺长度数据区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：提取比例尺区域中的比例尺线段区域；基于边缘检测算法检测比例尺线段区域中的比例尺线段；通过骨架提取算法得到比例尺线段对应的图像像素长度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：提取比例尺区域中的比例尺长度数据区域；通过目标识别算法识别比例尺长度数据区域中的长度数据；根据长度数据计算相机放大倍数。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据相机放大倍数计算与图像像素长度对应的目标长度；通过目标长度、长度数据计算比例尺的长度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取训练样本图像，并将训练样本图像输入至初始目标识别算法；通过初始目标识别算法对训练样本图像进行标记训练，得到训练结果；根据训练结果对初始目标识别算法进行参数调整，得到目标识别算法。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采集样本图像，并对样本图像进行预处理，得到训练样本图像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。