角点检测是一个图像处理领域的基础问题，由于具有旋转不变等特性，角点成为一种重要的图像局部特征，角点检测被广泛应用于图像配准与匹配、目标识别、运动分析、目标跟踪等领域。　　 挂网是图像由一个二值设备输出时必须经过的一个处理过程，目的是将普通连续色调数字图像，经过挂网处理后，得到适合二值设备输出的图像。挂网操作后得到的图像即挂网图像，通常只具有黑白两种灰度，或者非常有限的灰度级别，是一类特殊的数字图像。　　 为提升打印质量，特别是文字区域的打印质量，需要对打印前的挂网图像进行边界增强处理，但角点区域的边界响应很低，多数角点被边界检测漏掉，另外后续操作要求对角点做单独处理，因此需要对挂网图像进行角点检测。目前已有的角点检测算法不能适应挂网图像离散性，灰度级有限等条件，所以需要设计一种能够应用在挂网图像上的角点检测算法，特别针对挂网图像中的文字区域。此外由于最终应用环境是嵌入式系统，对算法的时间空间开销有较高的要求。　　 本文提出一种基于向量运算的角点检测算法，根据挂网图像特性，利用角点在任意方向上移动都会引起局域灰度值剧烈变化的特性，构造角点响应函数，通过局部非最大化抑制得到角点位置。　　 为验证算法有效性，在各种挂网算法产生的挂网图像上进行实验对比，利用事先标注好角点位置的实验样本，考察角点检测的查全率和查准率，与先退网再利用Harris的方法进行比较。实验结果表明，本文提出的算法时间空间开销较小，且具有较高的查全率查准率，对大多数的挂网方法得到的挂网图像都取得了良好的角点检测效果，特别适用于嵌入式系统实现。