在数字图像处理中，提取图像的特征信息是其基础工作之一。而在图像的众多特征中，由于角点具有在各个方向变化强度较大、旋转不变和不随光照强度变化而变化、信息数据量小等特点，使得角点检测算法成为一项具有广阔应用前景的研究工作。好的角点检测算法对许多计算机视觉任务，如图像匹配、目标识别、运动分析、全景拼接、机器导航等都起了至关重要的作用。本文首先对已有的经典的角点检测算法进行了分析，指出了它们各自的优点和不足。其中CSS(Curvature Scale Space)角点检测算法是采用Canny算法提取图像的边缘。接着对Canny三准则及Canny算法进行了分析，Canny算法采用高斯滤波来对图像进行平滑以去除噪声对检测结果的影响。而高斯滤波会使Canny算法提取出的边缘丢掉部分弱的细节信息和使部分细节信息定位不够准确，反映在CSS角点检测算法中，就会导致：一、平滑掉部分弱的角点；二、部分角点定位不够精确。其次Canny算法采用2×2邻域一阶偏导的有限差分运算来得到高斯平滑后图像的梯度幅值和方向，而这样计算虽然对边缘定位较准确，但是对噪声又会敏感，容易丢失部分真实边缘细节和检测出伪边缘信息。因此本文采用一种3×3邻域的四个方向来计算梯度幅值和方向，这种计算梯度幅值和方向的方法考虑了对角方向，提高了边缘定位的准确度，也抑制了部分噪声。最后，本文将改进后的Canny算法应用到CSS角点检测中，并对CSS角点检测算法的伪角点剔除过程进行了改进，使得提取出的角点具有更好的准确率和精确度。通过实验也可以看出改进后的算法的有效性。