角点检测算法是图像处理中的一项关键技术，主要分为三种类型：灰度图像角点检测、二值图像角点检测和轮廓曲线角点检测。在灰度图像检测中，又可以细分为基于梯度、基于模板和模板梯度相结合的方法。其中，基于模板的检测方法着重于像素区域的灰度变化，即图像亮度的对比，当像素点与其周围邻域的亮度差异足够大时，会被识别为角点。
举个例子，Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法以及SUSAN角点检测算法都是基于模板的典型方法。SUSAN角点检测算法因其独特的优点而备受关注。它不仅算法简单，易于理解和实现，而且定位精度高，对噪声有较强的抵抗能力。这使得SUSAN算法在实际应用中表现出了显著的优势，成为众多角点检测算法中的佼佼者。
目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测，角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述，分析了相关的算法，并对各种检测算法给出了评价。