在机器视觉中，经常听到两个名字：角点、特征点。出现频率比较高的：角点检测、特征点匹配。
那么问题来了，角点和特征点到底什么关系？
**图像的特征点（feature point）**是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点。（反应图像特征的点）
**图像的角点（corner point）**作为图像关键的局部结构特征，通常被描述成灰度强度变化不连续的点，被称为灰度图像上的奇异特征点。
角点属于特征点，而特征点包括了角点以及其他点。因此可以把角点叫做特征点，但是不能认为特征点就是角点。
角点在图像特征点中占比很大，大部分的研究均围绕着它展开的。
角点的两种定义：1）二维灰度图像中各个不同方向灰度亮度信息剧烈变化的点；2）图像中所有边缘轮廓线上的曲率极大值点。
那么角点如何应用呢？
①获取图像角点（定位角点）
检测子（detector）提取：利用基于灰度强度、基于角点模型和基于边缘轮廓的角点检测算法获得图像中角点的位置。（SIFT算法、SURF算法、Harris算法、FAST算法等）
②描述图像角点（角点特征）
描述子（descriptor）提取：利用数值方法定义每个角点的特征，便于第三步的特征匹配。（邻域模板匹配、SIFT特征描述子、SURF特征描述子、ORB特征描述子）。
③匹配
通过描述子，匹配待匹配的两幅图像的角点。（暴力匹配、KD树等）
注意：检测子主要作用提取角点，描述子的作用是进行特征匹配。
这里说一下sift
从上面的描述不难发现，sift即有自己的检测子，又包括了自己的描述子。因此有时候我们会看到，sift检测子，sift描述子之类的描述，你可能会问sift到底是啥？
sift是一个特征，可以用sift检测子从图像中检测出该特征，用sift描述子描述该特征。