角点以及角点所需要具有的不变特性

图像中具有特殊位置的点：角点（在至少两个方向上有很大的改变）和边缘（在一个方向上有很大的改变）。两种点类型划分可以参考矩形的顶点和边的区别；存在的一个问题是：对于尺度变化时，角点和边缘之间会产生混淆；

角点的应用：早起用于立体视觉匹配，近些年来用于图像拼接和自动三维建模；

自相关函数：两个块的乘积。不过在角点检测中，也通常称图像的一个邻域与另一个邻域的加权差方为“自相关函数”或“自相关表面”。在经过泰勒展开后，函数可以转换为用hessian矩阵表示的形式；

非极大抑制：由于大多数角点检测算子，都是在寻找局部最大值，这通常会导致图像上特征点的非均匀分布；解决办法：对于一定范围内只取当前范围内存在求出来的相应值组大的点作为角点；一种实现具体方法：对计算出的认为是角点的图像进行膨胀（区卷积核内存在的最大像素值为当前像素值），而后对图像与原始图像进行比较，相同的像素值不变；不相同的像素值进行忽略；得到的新图像就是非极大抑制后的角点图像

检测算子需要具有的不变特征：

尺度不变：szeliksi使用多尺度、带方向的图像块检测器；