Um detector de ponto de interesse (ponto-chave, ponto saliente) é um algoritmo que escolhe pontos de uma imagem com base em algum critério. Normalmente, um ponto de interesse é o máximo local de alguma função, como uma métrica "esquina".
Um descritor é um vetor de valores, que de alguma forma descreve o patch da imagem em torno de um ponto de interesse. Pode ser tão simples quanto os valores de pixel bruto ou mais complicado, como um histograma de orientações de gradiente.
Juntos, um ponto de interesse e seu descritor geralmente são chamados de recursos locais. Os recursos locais são usados para muitas tarefas de visão computacional, como registro de imagens, reconstrução 3D, detecção de objetos e reconhecimento de objetos.
Harris, Min Eigen e FAST são detectores de pontos de interesse ou, mais especificamente, detectores de canto.
SIFT inclui um detector e um descritor. O detector é baseado na diferença de Gauss (DoG), que é uma aproximação do Laplaciano. O detector DoG detecta centros de estruturas semelhantes a bolhas. O descritor SIFT é baseado em um histograma de orientações de gradiente.
SURF pretende ser uma aproximação rápida do SIFT.
O BRISK, como SIFT e SURF, inclui um detector e um descritor. O detector é um detector de canto. O descritor é uma cadeia binária que representa os sinais da diferença entre certos pares de pixels em torno do ponto de interesse.