SIFT和SURF演算法都是特徵檢測中較常用的演算法，SURF是對SIFT的一種改進，尤其在效率上有明顯提升。

下面的實驗給出了SIFT演算法和SURF演算法在特徵檢測效率上的對比，

SURF特徵檢測中的綠色箭頭表示暗背景中的亮點(laplacian符號為0)，粉色箭頭表示亮背景中的暗點(laplacian符號為1)。

(1) 影象尺寸：288 * 400

   檢測圖中的SIFT特徵點用時：0.308204秒，特徵點個數：354                  

(2) 影象尺寸：244 * 265

            檢測圖中的SIFT特徵點用時：0.61654秒，特徵點個數：879                                        檢測圖中的SURF特徵點用時：0.145502秒，特徵點個數：213

(2)影象尺寸：520 * 387

      檢測圖中的SIFT特徵點用時：1.19946秒，特徵點個數：1795       檢測圖中的SURF特徵點用時：0.270752秒，特徵點個數：419

(4)影象尺寸：640 * 480

    檢測圖中的SIFT特徵點用時：0.58695秒，特徵點個數：594         檢測圖1中的SURF特徵點用時：0.268403秒，特徵點個數：301

(5)影象尺寸：400 * 300

      檢測圖中的SIFT特徵點用時：0.12064秒，特徵點個數：50          檢測圖中的SURF特徵點用時：0.153961秒，特徵點個數：196

可以看到，一般來說，SURF演算法的效率是SIFT演算法的3倍左右，而檢測出的特徵點的個數是SIFT演算法的1/3左右，當然也和影象大小、紋理複雜程度、演算法引數設定有關。從第(5)組例子中可以看出，SURF演算法在邊緣抑制上做的似乎沒有SIFT好，好多邊緣都被檢測成了特徵點，從而導致特徵點個數多於SIFT。

參考