一、SIFT算法
1.描述：
Harris和Shi-Tomasi角点检测具有旋转不变性，但是都不具有尺度不变性，当图象被放大后，使用同样的窗口，就会检测不到角点，此时需要尺度不变特征转换即SIFT算法，分为以下四步：
2.实现：
| flags相关参数 | 描述 |
| cv.DRAW_MATCHES_FLAGS_DEFAULT | 创建输出图像，使用现存输出图像绘制匹配对和特征点，对每一个关键点只绘制中间点 |
| cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG | 不创建输出图像矩阵，在输出图像上绘制匹配对 |
| cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS | 对每一个特征点绘制带大小和方向的关键点图形 |
| cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS | 单点的特征点不被绘制 |
3.示例：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
img=cv.imread('building.jpg')
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
sift=cv.xfeatures2d.SIFT_create()
kp,des=sift.detectAndCompute(gray,None)
cv.drawKeypoints(img,kp,img,flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
plt.imshow(img[:,:,::-1])
plt.show()
二、FAST算法
1.描述：
FAST算法是一种用于角点检测的算法，该算法原理是提取图像中检测点，以该点为圆心的周围邻域内像素点判断检测点是否为角点，即若有一个像素周围有一定数量的像素与该点像素值不同，则认为其是角点，流程如下：
2.实现：
3.示例：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
img=cv.imread('building.jpg')
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
fast=cv.FastFeatureDetector_create(threshold=30)
kp=fast.detect(img,None)
img2=cv.drawKeypoints(img,kp,None,color=(0,0,255))
plt.imshow(img2[:,:,::-1])
plt.show()
三、ORB算法
1.描述：
ORB算法提出构造金字塔，为fast特征点添加了方向，使关键点具有尺度不变性和旋转不变性,改进了 Brief算法，Brief描述子不具备旋转不变性，理想的特征点描述子应该具备旋转不变性，使得图像在经过一定的旋转后仍然能够识别匹配其中的特征点,ORB算法解决了旋转一致性问题
2.实现：
3.示例：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
img=cv.imread('building.jpg')
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
orb=cv.ORB_create(nfeatures=4000)
kp,des=orb.detectAndCompute(img,None)
img2=cv.drawKeypoints(img,kp,None,color=(0,255,0))
plt.imshow(img2[:,:,::-1])
plt.show()
