角點通常被定義為兩條邊的交點，準確的來說，角點的部分領域應該具有兩個不同范圍和不同方向的邊界。但在實際的應用之中，大多數(shù)所謂的角點檢測方法，檢測的是擁有特定特征的圖像點，而不單單是“角點”。這些特征點在圖像里面有具體的坐標，并擁有某些數(shù)學特征，某些梯度特征等。

現(xiàn)有的角點檢測算法并不是都十分的穩(wěn)定。很多方法都要求有大量的訓練集和冗余數(shù)據(jù)來防止或減少錯誤特征的出現(xiàn)。角點檢測方法的一個很重要的評價標準是其對多幅圖像中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(zhuǎn)等圖像變化。

近年來提出的角點檢測方法大多是基于灰度圖像的角點檢測。主要分三類：

(1)基于模板的角點檢測。一般首先建立一系列具有不同角度的角點模板，然后在一定的窗口內(nèi)比較待測圖像與標準模板之間的相似程度，以此來檢測圖像中的角點?；谀０宓姆椒ㄖ饕紤]像素鄰域點的灰度變化，即圖像亮度的變化，將與鄰點亮度對比足夠大的點定義為角點。首先設計一系列角點模板，然后計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。

(2)基于邊緣特征的角點檢測。主要分三個步驟：

1、首先，對圖像進行預分割;

2、然后對預分割后得到的圖像中邊界輪廓點進行順序編碼，得到邊緣輪廓鏈碼;

3、根據(jù)邊緣輪廓鏈碼對圖像中的角點進行描述和提取。Wallg和Braday提出了一種基于表面曲率的角點檢測算法。為了改善角點檢測的穩(wěn)定性，首先將圖像和高斯濾波器卷積，然后計算整個圖像的表面曲率，當曲率高于一定閾值，并為局部值的點被認為是候選角點。

(3)基于亮度變化的角點檢測。該算法基于角點相應函數(shù)(CRF)對每個像素基于其模板鄰域的圖像灰度計算CRF值，如果大于某一閾值且為局部極大值，則認為該點為角點。

角點的檢測算法不僅這些，還有基于模板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，在此暫不詳述。

盈泰德科技機器在機器視覺行業(yè)有著多年的經(jīng)驗，在檢測算法中也有不少的應用案例，其中就包含優(yōu)異的角點檢測算法。盈泰德科技一直以來致力于機器視覺產(chǎn)品的生產(chǎn)、開發(fā)、應用以及銷售，為客戶提供整體機器視覺解決方案及服務，把機器視覺技術應用到智能生產(chǎn)中。