ORB 匹配

节点类型：node-type:/Image/OrbMatch

输入输出

输入名称	输入类型	输入说明	输出名称	输出类型	输出说明
模板	图像	要查找的模板图像	匹配结果	JSON数组	模板在图像中的每一次出现
掩码	图像	模板的掩码，非零像素才参与特征提取；留空则使用整个模板	是否匹配	布尔	找到匹配时为 true，否则为 false
图像	图像	待搜索的图像	首个匹配结果	JSON对象	匹配结果数组的第一个元素；无结果时为 {}
特征点匹配阈值	浮点数	特征匹配的筛选强度，取值 0~1，越大越严格
单实例最少内点数	整数	每个结果至少需要的吻合点数量
最大实例数	整数	最多输出的结果数量

作用

使用 ORB 特征在「图像」中查找「模板」，可以识别经过旋转的目标。结果输出为 JSON 数组，元素包含模板中心在图像中的坐标、旋转角度与缩放倍数（本节点恒为 1）。

没有匹配结果时，“匹配结果”为空数组，“是否匹配”为 false，“首个匹配结果”为 {}。“首个匹配结果”在有匹配时与匹配结果数组的第一个元素相同。

ORB 不能匹配缩放后的目标：目标被放大或缩小后就找不到。需要识别缩放后的目标，请改用「SIFT 匹配」节点。

「特征点匹配阈值」决定特征匹配的松紧：ORB 使用二进制描述子，只有汉明距离不超过该阈值换算出的上限的特征点才会成为候选，值越大筛选越严格，匹配数量会减少，默认 0.9 适合大多数场景。

「单实例最少内点数」是判定「找到了」的门槛：用 RANSAC 估计「平移 + 旋转」变换后，与该变换相符的特征点称为内点（吻合点），内点数少于该值的结果会被丢弃。模板纹理较少时，可以适当调小；误匹配较多时，可以适当调大。

模板在图像中出现多次时，每个位置都会输出一个元素：每找到一个结果，它的内点会从剩余匹配中移除，再继续查找下一个，最多输出「最大实例数」个结果。结果按查找顺序排列，通常吻合点最多的位置排在前面。

输出示例

匹配结果

「匹配结果」输出连接器（类型：JSON数组）的输出示例：

[
  {
    "center": { "x": 320.5, "y": 240 },
    "angle": 12.4,
    "scale": 1
  },
  {
    "center": { "x": 1180, "y": 705.5 },
    "angle": -3.1,
    "scale": 1
  }
]

数组元素各字段含义：

字段	类型	说明
center	二维浮点数向量	模板中心在图像中的坐标
angle	浮点数	旋转角度（度），正值表示逆时针
scale	浮点数	缩放倍数，本节点恒为 1

是否匹配

「是否匹配」输出连接器（类型：布尔）在找到匹配时输出：

true

没有匹配时为：

false

首个匹配结果

「首个匹配结果」输出连接器（类型：JSON对象）输出与匹配结果数组第一项相同：

{
  "center": { "x": 320.5, "y": 240 },
  "angle": 12.4,
  "scale": 1
}

没有匹配时为：

{}

需要目标数量时使用「数组/元素数量」读取“匹配结果”的长度，结果为 0 表示没有匹配。

注意事项

1. 输出只有位置、角度和缩放，没有相似度分数：需要比较「像不像」时，可以结合「模板匹配」节点，或在输出的位置上自行比较像素。
2. ORB 比 SIFT 快，但要求目标和模板大小一致、对旋转的容忍度也更低：目标缩放变化、画面模糊或光照变化剧烈时可能匹配不到，这时可以改用「SIFT 匹配」节点。
3. 与「模板匹配」节点相比，本节点支持旋转，但要求目标有足够的纹理；纯色按钮、大面积同色区域的特征点很少，可能匹配不到。
4. 表格、平铺花纹、重复文字等重复纹理可能出现匹配到错误位置的情况，建议提高「单实例最少内点数」或提高「特征点匹配阈值」。
5. 模板和图像都需要是 8 位图像（单通道、三通道或四通道均可），其它类型会报错；两者都会先转换为灰度图再提取特征。
6. 判定内点使用的是固定的重投影误差阈值（3 像素），不随输入变化。
7. 结果基于「平移 + 旋转」估计，目标存在透视或斜切时，角度是近似值。