按阶段推进；在算法阶段可点击主图选择 Patch，并拖动点对编号观察 bit 如何逐步构成描述子。
先把局部亮暗关系编码成 bit 串，再看两串 bit 有多少位不同。
当一幅图里检测出几百上千个关键点，需要快速判断哪些局部结构相似时，如果每个描述子都是高维浮点向量，存储和匹配都会变得很重。
常用办法是把关键点周围的局部小块变成 0/1 串：先在 Patch 里选若干点对并比较亮暗，亮暗关系决定每一位是 0 还是 1；BRIEF 直接随机选点比较，ORB 先估计主方向再旋转采样，BRISK 用长点对估计方向、短点对编码细节。两个二进制描述子的差异用汉明距离统计，匹配速度比浮点向量快很多。
拖动关键点位置或切换 BRIEF / ORB / BRISK，观察同一局部区域的采样点对、方向箭头和生成的 bit 串如何变化；重点比较旋转或移动后，哪些算法的 bit 串变化更小、更稳定。
真实系统里，局部图像块通常围绕关键点截取；当前页面为了把编码过程讲清楚，也允许你直接手动选一个局部区域来观察。
不同算法使用不同的点对采样策略和方向估计方法，因此对旋转变化的适应程度不同；完整 BRISK 流程还会额外考虑尺度变化。
通过比较两条描述子的汉明距离（不同 bit 的数量），可以快速估计它们是否更可能对应相似局部结构。
二进制描述子的核心思路可分为三步：先从图像里取出一小块局部区域，再把这块区域里的亮暗关系编码成 bit 串，最后比较两串 bit 有多少位不同。 这里的局部区域就是，编码结果就是。BRIEF、ORB、BRISK 都是在做这件事，只是补强的方式不同：BRIEF 直接比较点对亮暗，ORB 在比较前先对齐方向，BRISK 进一步把方向和尺度变化一起纳入考虑。所以后两者通常比原始 BRIEF 更能适应旋转或尺度变化，但也不意味着在所有视角或噪声条件下都一定稳定。
先选点对，再比较亮暗，直接生成 0/1 串。它的优点是快，代价是原始形式对旋转和尺度变化较敏感。
先估一个主方向，再按这个方向旋转点对，最后继续做 BRIEF 比较。因此它通常比原始 BRIEF 更能适应图像旋转。
先用长点对看整体朝向，再用短点对记局部亮暗关系；完整流程还会在尺度空间里找更容易重复检测到的关键点。