SiftDescriptorExtractor对应于SIFT算法中特征向量提取的工作，通过他对关键点周围邻域内的像素分块进行梯度运算，得到128维的特征向量。具体有如下几个操作：
0、首先，我们假设在之前关键点提取的步骤中，我们对一个三角形提取关键点，检测到其中一个关键点的坐标为三角形的一个角（如下面用红圈圈出的），如下图
放大看，假设检测到该关键点的方向如下图：
1、将关键点周围的像素旋转到一个统一的方向，以保证方向不变性。如下图
2、将这些像素分成4X4的小块
对每个格子进行分析，将格子中的像素计算梯度，映射到8个方向上，对于每一个格子，可以得到一个8维的向量，对于一个关键点周围16个格子，则得到了16X8=128维的向量，这就是一个关键点特征向量。
使用举一个实际的例子分析：
用opencv对一个三角形进行特征点检测，得到如下结果：
提取特征向量，得到如下结果：
这幅图的每一行就是一个128维的特征向量，维度用0-255表示。黑一些就是小，白就是大。
粗略可以看出，这些特征点排布较为相似，因为都是角
再来一个：
opencv中SiftDescriptorExtractor所做的SIFT特征向量提取工作简单分析
原文：http://www.cnblogs.com/cj695/p/4045443.html