Detektor punktu procentowego (kluczowego, istotnego) jest algorytmem, który wybiera punkty z obrazu na podstawie pewnego kryterium. Zazwyczaj punkt zainteresowania to lokalne maksimum niektórych funkcji, takich jak metryka „pustkowia”.
Deskryptor to wektor wartości, który w jakiś sposób opisuje łatkę obrazu wokół punktu zainteresowania. Może być tak proste, jak surowe wartości pikseli, lub może być bardziej skomplikowane, takie jak histogram orientacji gradientu.
Razem punkt zainteresowania i jego deskryptor nazywa się zwykle cechą lokalną. Lokalne funkcje są używane do wielu zadań związanych z wizją komputera, takich jak rejestracja obrazu, rekonstrukcja 3D, wykrywanie obiektów i rozpoznawanie obiektów.
Harris, Min Eigen i FAST są detektorami punktów zainteresowania, a dokładniej - detektorami narożnymi.
SIFT zawiera zarówno detektor, jak i deskryptor. Detektor opiera się na różnicy Gaussa (DoG), która jest przybliżeniem Laplaciana. Detektor DoG wykrywa centra struktur podobnych do kropelek. Deskryptor SIFT jest oparty na histogramie orientacji gradientu.
SURF ma być szybkim przybliżeniem SIFT.
BRISK, podobnie jak SIFT i SURF, zawiera detektor i deskryptor. Detektor jest detektorem narożnym. Deskryptor to ciąg binarny reprezentujący znaki różnicy między pewnymi parami pikseli wokół punktu zainteresowania.