開發環境：win10 anaconda python3.6 opencv3
1、四種特徵提取算法簡介（需要深入的同學可以參考其他博主的博客）
SIFT特徵主要提取圖像的局部特徵，對平移、旋轉、尺度縮放、亮度變化、遮擋和噪聲等具有很好的不變性，對視覺變化、仿射變換也保持一定程度的穩定性。SURF可以說是從SIFT發展而來的，速度上優於SIFT,快了一個數量級（10倍），並且穩定性要高於SIFT。而FAST算法提取了大量的特徵點，但在計算時間上，比SIFT要快兩個數量級 比SURF快一個數量級。ORB算法基於FAST算法，但是提取的特徵點質量比FAST高，特徵點數目比FAST較少。
實驗數據在這篇博客：點擊打開鏈接
計算速度： ORB>>SURF>>SIFT（各差一個量級）
旋轉魯棒性： SURF>ORB~SIFT（表示差不多）
模糊魯棒性： SURF>ORB~SIFT
尺度變換魯棒性： SURF>SIFT>ORB（ORB並不具備尺度變換性）
2、代碼+效果對比
# -*- coding: utf-8 -*-
"""
Spyder Editor
This is a temporary script file.
"""
import cv2
img = cv2.imread(r'C:\Users\Pictures\Camera Roll/test.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# one SIFT
#sift = cv2.xfeatures2d.SIFT_create()
#kp1 = sift.detect(gray,None)
#img1=cv2.drawKeypoints(gray,kp1,img)
#cv2.imshow("sift_Image", img1)
#cv2.imwrite(r'C:\Users\Pictures\Camera Roll/sift_test.jpg',img1)
#Compare four alogorithms
#Another SIFT
sift = cv2.xfeatures2d.SIFT_create()
(kps, descs) = sift.detectAndCompute(gray, None)
img1=cv2.drawKeypoints(gray, kps, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('SIFT_Algorithm', img1)
# SURF
surf = cv2.xfeatures2d.SURF_create()
(kps2, descs2) = surf.detectAndCompute(gray, None)
img2=cv2.drawKeypoints(gray, kps2, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('SURF_Algorithm', img2)
# FAST
fast = cv2.FastFeatureDetector_create()
kps3 = fast.detect(gray, None)
img3=cv2.drawKeypoints(gray, kps3, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('FAST_Algorithm', img3)
# ORB
orb = cv2.ORB_create()
kps4 = orb.detect(gray, None)
(kps4, des4) = orb.compute(gray, kps4)
img4=cv2.drawKeypoints(gray, kps4, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('ORB_Algorithm', img4)最終的圖像對比爲：
