在计算机视觉,机器视觉和图像处理中,特征提取都是一个重要的方向,而角点又是图像的一个重要局部特征,它决定了图像中目标的形状,因此在图像匹配,目标描述与识别及运动估计,目标跟踪等领域,角点提取都具有重要的意义。角点的信息含量很高,可以对图像处理提供足够的约束,减少运算量,极大地提高运算速度。本文对几种传统的角点检测算法进行研究,分析它们存在的优缺点,在此基础上提出一种基于模板的角点检测算法。首先对几种传统、常用的角点检测算法进行研究,并分析了各种算法的优缺点。其次,通过Harris算法的研究得到:Harris算法存在定位精度不高的缺点,在需要精确定位的时候不能够满足精度的要求。针对Harris算法定位精度不高的缺点,采用B样条对局部图像进行插值,对插值后的图像进行二次角点检测,得到角点的亚像素级坐标。实验证明,改进的算法大大提高了原有算法的定位精度,其定位精度可以达到1×10^-1。最后提出一种基于模板的角点提取算法。采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列图像处理工作,然后使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与传统算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。