opencv - ORB 是否取决于图像分辨率？

Question

我正在尝试使用 OpenCV 从图像中检测和提取 ORB 特征。

但是，我得到的图像没有标准化(不同尺寸、不同分辨率等...)。

我想知道在提取 ORB 特征之前是否需要规范化我的图像以便能够跨图像匹配它们？

我知道特征检测是尺度不变的，但我不确定它对图像分辨率意味着什么(例如，2 张相同大小的图像，其中 1 个对象近，另一个对象远应该导致匹配，即使它们在图像上的比例不同，但如果图像的尺寸不同怎么办？)。

我是否应该根据图像大小调整 ORB 的 patchSize(例如，如果我有一张 800px 的图像并使用 20px 的 patchSize，我应该为 400px 的图像使用 10px 的 patchSize 吗？)。

谢谢。

更新:我用高分辨率和低分辨率图像测试了不同的算法(ORB、SURF 和 SIFT)，以了解它们的表现。在此图像中，对象大小相同，但图像分辨率不同:

我们可以看到 SIFT 非常稳定，尽管它的功能很少。 SURF 在关键点和特征尺度方面也相当稳定。所以我的猜测是，使用 SIFT 和 SURF 在低分辨率和高分辨率图像之间进行特征匹配是可行的，但是 ORB 在低分辨率中具有更大的特征，因此描述符与高分辨率图像中的描述符不匹配。

(在高分辨率和低分辨率特征提取之间使用了相同的参数)。

所以我的猜测是，如果我们想在不同分辨率的图像之间进行匹配，那么 SIFT 或 SURF 会更好。

Answer 1

根据 OpenCV documentation , ORB 也使用金字塔来产生多尺度特征。尽管此页面上的详细信息尚不清楚。
如果我们看一下 ORB paper itself ，在第 6.1 节中提到使用了五种不同比例的图像。但是我们仍然不确定您是否需要手动计算不同比例图像的描述符，或者它已经在 OpenCV ORB 中实现。
最后，from source code (我写这个答案时的第 1063 行)我们看到为关键点/描述符提取计算了不同分辨率的图像。如果您跟踪变量，您会发现 ORB 类有一个比例因子，您可以使用 getScaleFactor 方法访问它。

简而言之，ORB 尝试自己在不同尺度上执行匹配。