在图像处理中，特征是从图像中提取的特定特征或属性，以帮助其分析。这些特征可以分为两种主要类型: 局部特征和全局特征。了解这两种类型之间的区别对于各种计算机视觉应用 (包括对象识别和图像分类) 至关重要。
局部特征是指图像的小区域内的特定细节或模式。这些特征通常对于照明、缩放和旋转的变化是不变的，使得它们对于匹配和识别任务是鲁棒的。常见的局部特征提取技术包括尺度不变特征变换 (SIFT) 和加速鲁棒特征 (SURF)。这些方法识别图像中的关键点或兴趣点，诸如角或边，并且使用特征描述符来描述它们。局部特征对于诸如对象跟踪和3D重建之类的任务特别有用，其中需要精确匹配图像区域。
另一方面，全局特征捕获整个图像的整体特征。这些特征提供图像内容的概要或整体表示。用于提取全局特征的技术包括颜色直方图、纹理描述符和形状描述符。全局特征通常用于图像检索系统中，其目标是找到具有相似整体内容的图像。它们还用于场景分类等任务，其中分析整个图像以确定其类别或上下文。
本地和全球功能都有其优势和局限性。局部特征对于特定图像区域的详细分析和匹配非常有效，而全局特征提供图像内容的更广泛概览。使用局部或全局特征之间的选择取决于手头的计算机视觉任务的具体要求。通常，利用两种特征类型的组合来在图像分析中实现更准确和稳健的结果。