机器视觉是一种通过机器替代人眼进行检测和分析的技术。在过去的二三十年，计算机技术的飞速发展，带动了机器视觉的迅猛发展和应用。特别是在集成电路制造和加工领域，机器视觉的应用更加广泛。作为机器视觉中的关键技术，图像匹配在整个集成电路制造和加工过程中的作用是至关重要的。为了高速高精的进行拾取和放置芯片，芯片的位置必须首先通过图像匹配获得。由于在集成电路制造加工中的芯片通常只存在平移和旋转，因此在本文中，只考虑平移和旋转情况下的图像匹配。本文主要对基于特征的图像匹配进行研究，以满足集成电路制造和加工设备中高速度，高精度，适应旋转的芯片定位。本文提出一种基于局部不变几何特征的广义霍夫变换。该算法利用两个边缘点的梯度方向夹角为特征（该特征是旋转不变的），以代替传统广义霍夫变换的特征，即单个边缘点的梯度方向角。该算法像传统广义霍夫变换一样，分为两个阶段：离线阶段和在线阶段。在离线阶段，利用模板图像一个边缘点的局部区域寻找另外一个边缘点，以两个个边缘点的梯度方向夹角作为特征，建立两个参考表：位置参考表（PR-Table）和角度参考表（AR-Table）。在在线阶段，在目标图像上利用离线建立的PR-Table和AR-Table对匹配位置和旋转角度分别进行投票，通过位置累加矩阵和角度累加矩阵的峰值确定匹配位置和旋转角度。为进一步提高算法的性能，针对算法的特点，从速度，精度和稳定性三个方面对算法提出了一些优化策略。阐述完基于局部不变几何特征的广义霍夫变换的原理后，对算法做了一些实验测试。测试结果表明，经过优化后的算法在x方向上的误差不超过0.05像素，在y方向上的误差不超过0.15像素，在角度上的误差不超过0.15度，匹配时间不随角度搜索范围变化，对于210x210像素的模板图像，512x512像素的目标图像，平均匹配时间为15ms。最后，将算法成功应用于LED固晶机的视觉系统中，在算法的引导下，设备能够长时间稳定运行，匹配准确率达到99.95%。