利用图像特征提取和匹配技术进行识别快递单信息，识别出快递纸上面的所有信息，请写出完整的代码

由于实际编写完整代码需要大量的代码库和环境设置，这里提供一个简单的基于Python和OpenCV库的概念示例，用于识别快递单上的文字，例如使用Tesseract OCR（Optical Character Recognition）引擎进行文本识别。对于复杂的图像特征提取和匹配，可能还需要深度学习框架如TensorFlow或PyTorch。

import cv2
import pytesseract
from PIL import Image

# 安装所需库（如果未安装）
# pip install opencv-python-headless pytesseract tesserocr

def extract_text_from_label(image_path):
    # 读取图像
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    
    # 对图像进行二值化处理，便于文字识别
    _, thresholded_img = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    
    # 使用Tesseract进行OCR识别
    text = pytesseract.image_to_string(Image.fromarray(thresholded_img), lang='chi_sim')  # 中国简体识别
    
    # 提取手机号、地址等预设模式的信息，这需要预先知道每个字段的位置和格式
    # 示例：假设快递单上的电话号码在text的某一段
    phone_number_pattern = r'\b\d{11}\b'
    phone_number = re.search(phone_number_pattern, text)
    
    # 输出识别到的电话号码
    print(f"Detected phone number: {phone_number.group()}" if phone_number else "No phone number found.")
    
    return text

# 调用函数并传入快递单图片路径
extract_text_from_label("your_image_path.png")

请注意，这个例子非常基础，实际情况可能更复杂，涉及到图像预处理、定位精确的文字区域、以及更精细的模板匹配或机器学习模型。同时，实际部署时可能需要对识别结果进行校验和错误处理。