数字图像中可以提取的特征一般指的是：局部图像特征（local image feature）。提取特征点(兴趣点、关键点)的方法有很多，从1977年开始研究至今，最著名的算法是(Scale Invariant Feature Transform) SIFT descriptor。有时候也指：图像边缘（image edge）。
提取边缘的方法也有很多，从1965年开始研究至今，最著名的算法是：Canny Edge Detector。
1、SIFT
SIFT：尺度不变特征变换(Scale-invariant features transform)。SIFT是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果。
SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果
2、SURF
SURF:加速稳健特征（Speeded Up Robust Features）。SURF是对SIFT算法的改进，其基本结构、步骤与SIFT相近，但具体实现的过程有所不同。SURF算法的优点是速度远快于SIFT且稳定性好。
3、HOG
HOG:方向梯度直方图（Histogram of Oriented Gradient）。
4、DOG
DOG：高斯函数的差分(Difference of Gaussian)。
5、LBP特征，Haar特征等
