什么是图像中的角点？

现实生活中的道路和房屋的拐角、道路十字交叉口和丁字路口等体现在图像中，就是图像的角点。对角点可以从两个不同的角度定义：一是角点是两个边缘的交点；二是角点是邻域内具有两个主方向的特征点。角点所在的邻域通常也是图像中稳定的、信息丰富的区域，这些领域可能具有某些特性，如旋转不变性、尺度不变性、仿射不变性和光照亮度不变性。因此，在计算机视觉和数字图像领域，研究角点具有重要的意义。

从20世纪70年代至今，许多学者对图像的角点检测进行了大量的研究。这些方法主要分为两类：基于图像边缘的检测方法和基于图像灰度的检测方法。前者往往需要对图像边缘进行编码，这在很大程度上依赖于图像的分割和边缘提取，具有较大的计算量，且一旦待检测目标局部发生变化，很可能导致操作失败。早期主要有Rosenfeld和Freeman等人的方法，后期有CCS等方法。基于图像灰度的方法通过计算点的曲率及梯度来检测角点，避免了第一类方法存在的缺陷，是目前研究的重点。此类方法主要有Moravec算子、Forstner算子、Harris算子、SUSAN算子等。

评价角点检测算法性能优劣主要从以下五个方面来考虑。

➢准确性：即使很细小的角点，算法也可以检测到。

➢定位性：检测到的角点应尽可能地接近它们在图像中的真实位置。(www.xing528.com)

➢稳定性：对相同场景拍摄的多幅图片，每一个角点的位置都不应该移动。

➢实时性：角点检测算法的计算量越小、运行速度越快越好。

➢鲁棒性：对噪声具有抗干扰性。