角點是圖像很重要的特征，對圖像圖形的理解和分(fēn)析有很重要的作用。角點檢測(Corner Detection)是計算機視覺系統中(zhōng)用來獲得圖像特征的一(yī)種方法，廣泛應用于運動檢測、圖像匹配、視頻(pín)跟蹤、三維建模和目标識别等領域中(zhōng)，也稱爲特征點檢測。

角點通常被定義爲兩條邊的交點，更嚴格的說，角點的局部鄰域應該具有兩個不同區域的不同方向的邊界。而實際應用中(zhōng)，大(dà)多數所謂的角點檢測方法檢測的是擁有特定特征的圖像點，而不僅僅是“角點”。這些特征點在圖像中(zhōng)有具體(tǐ)的坐标，并具有某些數學特征，如局部最大(dà)或最小(xiǎo)灰度、某些梯度特征等。現有的角點檢測算法并不是都十分(fēn)的魯棒。很多方法都要求有大(dà)量的訓練集和冗餘數據來防止或減少錯誤特征的出現。角點檢測方法的一(yī)個很重要的評價标準是其對多幅圖像中(zhōng)相同或相似特征的檢測能力，并且能夠應對光照變化、圖像旋轉等圖像變化。

近年來提出的角點檢測方法大(dà)多是基于灰度圖像的角點檢測。主要分(fēn)三類：（1）基于邊緣特征的角點檢測。主要分(fēn)三個步驟：首先，對圖像進行預分(fēn)割；然後對預分(fēn)割後得到的圖像中(zhōng)邊界輪廓點進行順序編碼，得到邊緣輪廓鏈碼；最後，根據邊緣輪廓鏈碼對圖像中(zhōng)的角點進行描述和提取。Wallg和Braday提出了一(yī)種基于表面曲率的角點檢測算法。爲了改善角點檢測的穩定性，首先将圖像和高斯濾波器卷積，然後計算整個圖像的表面曲率，當曲率高于一(yī)定阈值，并爲局部最大(dà)值的點被認爲是候選角點。（2）基于模闆的角點檢測。一(yī)般首先建立一(yī)系列具有不同角度的角點模闆，然後在一(yī)定的窗口内比較待測圖像與标準模闆之間的相似程度，以此來檢測圖像中(zhōng)的角點。基于模闆的方法主要考慮像素鄰域點的灰度變化，即圖像亮度的變化，将與鄰點亮度對比足夠大(dà)的點定義爲角點。首先設計一(yī)系列角點模闆，然後計算模闆與所有圖像子窗口的相似性，以相似性判斷在子窗口中(zhōng)心的像素是否爲角點。（3）基于亮度變化的角點檢測。該算法基于角點相應函數（CRF）對每個像素基于其模闆鄰域的圖像灰度計算CRF值，如果大(dà)于某一(yī)阈值且爲局部極大(dà)值，則認爲該點爲角點。當然，角點的檢測算法非常之多，僅基于模闆的角點檢測算法就有Kitchen-Rosenfeld角點檢測算法、Harris角點檢測算法、KLT角點檢測算法及SUSAN角點檢測算法等，在此不再一(yī)一(yī)展開(kāi)介紹。

北(běi)京盈美智從事機器視覺行業十數年，其機器視覺科研平台CVB包含多個優異算法，其中(zhōng)就包含多種優異的角點檢測算法，這些算法均是從實際工(gōng)業項目中(zhōng)積累、優化而來，在算法效率、穩定性上均處于視覺行業領先地位。