要实现图片内多个物体尺寸测量，你可以使用计算机视觉库，如 OpenCV 来实现。

首先，你需要读取图片，然后对图像进行预处理，以便更容易地检测到图像中的物体。例如，你可以使用边缘检测算法来提取边缘，或者使用图像分割算法来分割图像中的物体。

然后，你可以使用模板匹配或者特征点匹配来查找图像中的特征点，并使用这些特征点来计算图像中的物体的尺寸。

最后，你可以使用 OpenCV 的绘图功能来在图像上绘制测量结果，并将结果保存到新的图像文件中。

效果图：

代码：

import cv2# 读取图片
image = cv2.imread('image.jpg')# 对图像进行预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresholded = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]# 查找图像中的轮廓
contours, _ = cv2.findContours(thresholded, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 对每个轮廓进行处理
for c in contours:# 计算轮廓的边界框

 该程序首先读取图片，然后对图像进行预处理，以便更容易地检测到图像中的物体。然后，它使用 OpenCV 的轮廓检测功能来查找图像中的轮廓，并遍历每个轮廓。对于每个轮廓，程序计算轮廓的边界框，然后在图像上绘制边界框。接着，它计算物体的尺寸，并使用 OpenCV 的文本添加功能在图像上添加文本，显示物体的尺寸。最后，程序使用 OpenCV 的图像显示功能显示处理后的图像，并使用 OpenCV 的图像保存功能将处理后的图像保存到新的文件中。

请注意，这只是一个简单的示例代码，你可能需要根据你的需求和图像特点来调整代码。

完整代码：

import cv2# 读取图片
image = cv2.imread('1.jpg')# 对图像进行预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresholded = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]# 查找图像中的轮廓
contours, _ = cv2.findContours(thresholded, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 对每个轮廓进行处理
for c in contours:# 计算轮廓的边界框x, y, w, h = cv2.boundingRect(c)# 在图像上绘制边界框cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# 计算物体的尺寸size = w * h# 在图像上添加文本，显示物体的尺寸cv2.putText(image, f'Size: {size}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)# 显示处理后的图像
cv2.imshow('Image', image)
cv2.waitKey(0)# 保存处理后的图像
cv2.imwrite('image_processed.jpg', image)