按任务步骤推进，观察关键点检测、描述子生成、距离匹配和 ratio test 筛选的完整流程。
为两张不同视角的图像建立局部结构对应关系。
先建立整体任务图景，再进入检测、描述、匹配和筛选阶段逐步观察。
当同一场景在两张图里发生视角偏移、尺度变化或亮度变化时，直接比对整图像素很难找到对应位置；我们需要先把图中稳定可重复的结构找出来。
常用办法分三步：先在两张图里分别检测 ，再为每个关键点生成 ，最后比较描述子相似度找到对应关系。这样整图对齐就被拆成了局部结构的配对问题。
切换示例图片对或调整检测阈值，观察关键点在两张图里是否都能重复出现；拖动滑块改变匹配阈值，注意哪些连线真的连接了相同的局部结构，哪些是误匹配。
检测可重复的关键点，为每个关键点邻域生成描述子，通过距离比较和 ratio test 建立可靠的关键点匹配。
两张不同视角的图像，通过局部特征建立对应关系。
检测可重复出现的局部显著位置
把关键点邻域编码成浮点向量或二进制串
计算到目标图各关键点的距离并找最近邻
通过 ratio test 保留稳定匹配
特征点匹配流程：提取关键点 → 生成描述子 → 特征匹配 → 结果筛选
SIFT、SURF、ORB、BRISK 都包含“检测 + 描述”的完整链路；BRIEF 只负责描述子编码，通常依赖外部检测器提供关键点。 距离度量和 ratio test 则负责比较描述子并初步过滤不可靠的匹配。
固定模板比较整块像素，遇到旋转、缩放、光照变化时很容易失效。特征点方法先寻找可重复出现的局部显著位置， 再为每个位置生成描述子。匹配时比较描述子的相似度，把“整块像素直接硬对齐”改成“先找局部对应，再组合判断整体关系”。