Traditional Feature: Row Pixels and Histograms Row Pixels: 把一張圖檔連接配接成一維向量，主要應用在機器學習領域，尤其是在CNN。 Drawbacks： 1，對尺寸，旋轉，視角敏感 2，suffer from occlusion Histograms: 1,Color Histograms 對圖檔中的每一個像素點用一個顔色向量（如rgb)表示，圖檔中的顔色向量的分布用直方圖表示。 将圖檔切割成小塊，然後計算顔色直方圖，最後得到總體直方圖。
2,Edge Histograms 3,LBP(Local Binary Pattern) Histograms
LBP紋理特征向量，一般以圖像的分塊LBP直方圖表示，具體計算步驟如下：
1).将圖像劃分為N*N的圖像子塊，計算每個子塊中每個像素的LBP值．
2).對每個子塊進行直方圖統計，得N*N圖像子塊的直方圖．
3).利用N*N個子塊的直方圖，描述該圖像的紋理特征．
SIFT(Scale-Invariant Feature Transform)尺度不變特征變換
局部特征優點：
1，對遮擋具有魯棒性，
2，與尺度，視角,光線改變無關。
1，Compute image gradient at each location
2, Histogram of the gradient orientation(8 bins)
3, Concatenate histograms over 4*4 spatial grid
Feature Dimensions:
8 * 4 * 4 = 128
SIFT employs:
1,A variant of Histagram of Gradient Orientation as descriptor
2,DoG as Local region detector
Difference of Gaussions
詳見：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html
More Quick
SURF( Speeded Up Robust Features)