角點(diǎn)通常被定義為兩條邊的交點(diǎn)，準(zhǔn)確的來說，角點(diǎn)的部分領(lǐng)域應(yīng)該具有兩個(gè)不同范圍和不同方向的邊界。但在實(shí)際的應(yīng)用之中，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)，而不單單是“角點(diǎn)”。這些特征點(diǎn)在圖像里面有具體的坐標(biāo)，并擁有某些數(shù)學(xué)特征，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穩(wěn)定。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)。

(2)基于邊緣特征的角點(diǎn)檢測(cè)。主要分三個(gè)步驟：

1、首先，對(duì)圖像進(jìn)行預(yù)分割;

2、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;

3、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，并為局部值的點(diǎn)被認(rèn)為是候選角點(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)。

角點(diǎn)的檢測(cè)算法不僅這些，還有基于模板的角點(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，在此暫不詳述。

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