对于图像的特征点，前面我们讨论过边缘检测方法，Harris角点检测算法等，这些检测算法检测的都是图像的轮廓边缘，而不是内部细节，如果要进一步提取图像内部细节方面的特征，需要用到SIFT特征提取器和Star特征提取器。上一篇我们讲解了SIFT特征提取器，下面我们来介绍Star特征提取器。
在博文特征点的基本概念和如何找到它们中提到，OpenCV中具有以下特征点模型：（这些函数的使用也同样适用于OpenCV-Python）
1、Harris-Shi-Tomasi特征检测器和cv :: GoodFeaturesToTrackDetector
最常用的角点定义是由哈里斯[Harris88]提出的， 这些角点，被称为哈尔角点，可以被认为是原始的关键点；而后被Shi和Tomasi [Shi94]进行了进一步扩展，后者被证明对于大多数跟踪应用来说是优越的。由于历史原因，在OpenCV中叫做”GoodFeatures";
2、简单的blob检测器和cv :: SimpleBlobDetector
提出“斑点”的概念。斑点本质上没有那么明确的局部化，而是表示可能预期随时间具有一定稳定性的感兴趣区域。
3、FAST特征检测器和cv :: FastFeatureDetector
最初由Rosten和Drummond [Rosten06]提出的FAST（加速段测试的特征），其基本思想是，如果附近的几个点与P类似，那么P将成为一个很好的关键点。
4、SIFT特征检测器和cv :: xfeatures2d :: SIFT
由David Lowe最初于2004年提出的SIFT特