ORB算法是否依赖于图像分辨率？

Question

我正在尝试使用OpenCV来检测和提取图像中的ORB特征。

然而，我得到的图像并没有被标准化（大小不同，分辨率不同等）。

我想知道在提取ORB特征之前是否需要对图像进行标准化，以便能够在图像之间进行匹配？

我知道特征检测是尺度不变的，但我不确定这对于图像分辨率意味着什么（例如，两个大小相同的图像，在另一个上接近或远离1个对象应该会产生匹配，即使它们在图像上具有不同的比例，但如果图像大小不同怎么办？）。

我是否应该根据图像大小调整ORB中的patchSize（例如，如果我有一个800px的图像，并且取一个20px的patchSize，则对于400px的图像，我应该取一个10px的patchSize）？

谢谢。

更新： 我使用高分辨率和低分辨率的不同算法（ORB、SURF和SIFT）来测试它们的行为。在这张图片中，物体的大小都一样，但图像的分辨率不同：

我们可以看到SIFT非常稳定，虽然它的特征很少。SURF在关键点和特征尺度方面也相当稳定。因此，我的猜测是，在低分辨率和高分辨率图像之间进行特征匹配时，使用SIFT和SURF会起作用，但是ORB在低分辨率下具有更大的特征，因此描述符将无法与高分辨率图像中的描述符匹配。

（在高和低分辨率特征提取之间使用了相同的参数）。

因此，如果我们要对不同分辨率的图像进行匹配，使用SIFT或SURF会更好。

- whiteShadow

---

虽然ORB是“尺度不变”的，但正如ORB研究论文中所提到的那样，它并不像SURF/SIFT那样健壮。在具有不同分辨率的图像上，您将获得不同的匹配（数量/位置/方向），因此使用补丁大小可能会起作用。 - Rick M.

是的。我尝试使用SIFT/SURF，但不幸的是它们受到专利保护，因此OpenCV会抛出错误，告诉我应该重新编译它并加上OPENCV_USE_NONFREE选项，但由于我是通过pip安装的，所以无法重新编译它。 - whiteShadow

好的，实际上你也可以得到它们，参见此链接。 - Rick M.

是的。不幸的是，这需要我编译OpenCV，而我本来想避免这个步骤的。但我想我真的没有选择了。 - whiteShadow

旧的线程，但在这个例子中，我看到SIFT的行为与其他两个相同。 - Léon Pelletier

Answer 1

根据OpenCV文档，ORB也使用金字塔来生成多尺度特征。虽然此页面上的细节不清楚。
如果我们看一下ORB论文本身，在第6.1节中提到使用五个不同尺度的图像。但我们仍然不确定是否需要手动计算不同尺度图像上的描述符，或者它已经在OpenCV ORB中实现。
最后，从源代码（我写这篇答案时为第1063行），我们看到用于关键点/描述符提取的具有不同分辨率的图像。如果您跟踪变量，您会发现ORB类的比例因子可以通过getScaleFactor方法访问。

简而言之，ORB试图自行在不同的尺度上执行匹配。

- unlut

---

我认为你所指的比例因子是高斯金字塔中图像缩放之间的比率。但是，如果我使用1600x1600px和800x800px拍摄同一张图片，我认为我得到的特征将不会相同。 - whiteShadow

这就是为什么我说“尝试执行”的原因。当然，根据您的分辨率，您会得到不同的关键点。调整图像大小的方法也是一个重要因素（线性、双三次等）。如果您跟随源代码中的变量，您会发现所提到的比例用于调整图像大小，它调用了getScale函数，该函数取决于比例因子。 - unlut