sift算法和surf算法缺点

SIFT（Scale-Invariant Feature Transform）算法和SURF（Speeded-Up Robust Features）算法都是用于图像特征提取和匹配的经典算法。它们在计算机视觉领域被广泛应用。

SIFT算法的缺点包括：
1. 计算复杂度高：SIFT算法需要对图像进行多次高斯模糊和差分运算，计算量较大，对于大规模图像处理可能会比较慢。
2. 特征点数量不稳定：SIFT算法提取的特征点数量可能会受到图像尺度和对比度的影响，导致提取到的特征点数量不稳定。
3. 参数敏感性：SIFT算法中有一些参数需要手动设置，如高斯金字塔层数、尺度空间采样步长等，这些参数的选择对算法的性能影响较大，需要经验或者试验来确定。

SURF算法的缺点包括：
1. 对旋转不变性较差：SURF算法使用了Haar小波响应来检测特征点，这种方法对于图像的旋转变化不太敏感，可能导致旋转不变性较差。
2. 对尺度变化不稳定：SURF算法使用了尺度空间盒子滤波器来检测特征点，这种方法对于图像的尺度变化不太稳定，可能导致提取到的特征点数量不稳定。
3. 对光照变化敏感：SURF算法对图像的光照变化比较敏感，可能导致提取到的特征点受到光照变化的影响。