角點(diǎn)是圖像很重要的特征，對(duì)圖像圖形的理解和分析有很重要的作用。角點(diǎn)檢測(cè)(Corner Detection)是計(jì)算機(jī)視覺系統(tǒng)中用來獲得圖像特征的一種方法，廣泛應(yīng)用于運(yùn)動(dòng)檢測(cè)、圖像匹配、視頻跟蹤、三維建模和目標(biāo)識(shí)別等領(lǐng)域中，也稱為特征點(diǎn)檢測(cè)。

角點(diǎn)通常被定義為兩條邊的交點(diǎn)，更嚴(yán)格的說，角點(diǎn)的局部鄰域應(yīng)該具有兩個(gè)不同區(qū)域的不同方向的邊界。而實(shí)際應(yīng)用中，大多數(shù)所謂的角點(diǎn)檢測(cè)方法檢測(cè)的是擁有特定特征的圖像點(diǎn)，而不僅僅是“角點(diǎn)”。這些特征點(diǎn)在圖像中有具體的坐標(biāo)，并具有某些數(shù)學(xué)特征，如局部最大或最小灰度、某些梯度特征等。

現(xiàn)有的角點(diǎn)檢測(cè)算法并不是都十分的魯棒。很多方法都要求有大量的訓(xùn)練集和冗余數(shù)據(jù)來防止或減少錯(cuò)誤特征的出現(xiàn)。角點(diǎn)檢測(cè)方法的一個(gè)很重要的評(píng)價(jià)標(biāo)準(zhǔn)是其對(duì)多幅圖像中相同或相似特征的檢測(cè)能力，并且能夠應(yīng)對(duì)光照變化、圖像旋轉(zhuǎn)等圖像變化。

近年來提出的角點(diǎn)檢測(cè)方法大多是基于灰度圖像的角點(diǎn)檢測(cè)。主要分三類：

（1）基于邊緣特征的角點(diǎn)檢測(cè)。主要分三個(gè)步驟：首先，對(duì)圖像進(jìn)行預(yù)分割；然后對(duì)預(yù)分割后得到的圖像中邊界輪廓點(diǎn)進(jìn)行順序編碼，得到邊緣輪廓鏈碼；最后，根據(jù)邊緣輪廓鏈碼對(duì)圖像中的角點(diǎn)進(jìn)行描述和提取。Wallg和Braday提出了一種基于表面曲率的角點(diǎn)檢測(cè)算法。為了改善角點(diǎn)檢測(cè)的穩(wěn)定性，首先將圖像和高斯濾波器卷積，然后計(jì)算整個(gè)圖像的表面曲率，當(dāng)曲率高于一定閾值，并為局部最大值的點(diǎn)被認(rèn)為是候選角點(diǎn)。

（2）基于模板的角點(diǎn)檢測(cè)。一般首先建立一系列具有不同角度的角點(diǎn)模板，然后在一定的窗口內(nèi)比較待測(cè)圖像與標(biāo)準(zhǔn)模板之間的相似程度，以此來檢測(cè)圖像中的角點(diǎn)?；谀０宓姆椒ㄖ饕紤]像素鄰域點(diǎn)的灰度變化，即圖像亮度的變化，將與鄰點(diǎn)亮度對(duì)比足夠大的點(diǎn)定義為角點(diǎn)。首先設(shè)計(jì)一系列角點(diǎn)模板，然后計(jì)算模板與所有圖像子窗口的相似性，以相似性判斷在子窗口中心的像素是否為角點(diǎn)。

（3）基于亮度變化的角點(diǎn)檢測(cè)。該算法基于角點(diǎn)相應(yīng)函數(shù)（CRF）對(duì)每個(gè)像素基于其模板鄰域的圖像灰度計(jì)算CRF值，如果大于某一閾值且為局部極大值，則認(rèn)為該點(diǎn)為角點(diǎn)。

當(dāng)然，角點(diǎn)的檢測(cè)算法非常之多，僅基于模板的角點(diǎn)檢測(cè)算法就有Kitchen-Rosenfeld角點(diǎn)檢測(cè)算法、Harris角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法及SUSAN角點(diǎn)檢測(cè)算法等，在此不再一一展開介紹。維視圖像從事機(jī)器視覺行業(yè)十?dāng)?shù)年，其XAVIS機(jī)器視覺科研平臺(tái)包含近300個(gè)優(yōu)異算法，其中就包含多種優(yōu)異的角點(diǎn)檢測(cè)算法，這些算法均是從實(shí)際工業(yè)項(xiàng)目中積累、優(yōu)化而來，在算法效率、穩(wěn)定性上均處于視覺行業(yè)領(lǐng)先地位。