基于SUSAN算法的边缘检测方法研究（Matlab代码实现）

 ‍个人主页：研学社的博客 

欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

1 概述

1.1 SUSAN算子原理

1.2 SUSAN边缘检测算法

2 运行结果

3 Matlab代码实现

4 参考文献

---

1 概述

参考文献：

边缘是图像视觉中的一种重要信息,也是图像最基本的特征之一。图像的边缘检测是图像处理和计算机视觉领域中最重要的研究内容之一,是图像测量技术研究的热点。本文针对图像测量过程中对边缘检测提出的要求,在研究和分析现有的一些边缘检测技术的基础上,提出了一种SUSAN边缘检测算法。 

1.1 SUSAN算子原理

SUSAN 是英国牛津大学学者S.M. Smith和J.M Brady 提出的最小核值相似区算子，其基本出发点是依据图像中同一区域其内部特征是一致或相近的，而不同区域之间的特征则有很大差异这一特点。该算法使用一种近似圆形模板遍历整个图像，再把模板内像素灰度与模板中心像素的灰度值进行比较，若它们的灰度差异小于某个阈值,则认为他们是同值的,满足该条件的所有像素组成核同值区(USAN)。当圆形模板在图像中移动时，USAN区域面积也会相应的变化，如图4-1所示。当圆形模板完全处在目标或背景中时，USAN区域面积最大,如模板a和 b,当模板移向目标边缘时,USAN区域逐渐变小,如模板c，当模板中心处在目标边缘时，USAN区域很小，如模板d，当模板中心处于目标角点附近时,USAN区域最小，如模板e。从中显然可以看出,在边缘处像素的USAN值都小于或等于其最大值的一半,因此,可以通过设定一个USAN阙值,计算查找小于该阈值的像素点,便可确定为边缘点。
 

                                      SUSAN特征检测原理

1.2 SUSAN边缘检测算法

 

该算法用一个圆形模板对图像中的所有像素进行局部的运算操作,并给出相应的边缘响应,这个响应就作为输出得到图像的边缘。实现模板是一种圆形模版:能覆盖37个像素点，半径是3.4个像素。
首先在图像上移动该模板，并依次对模板内的像素点与模板中心像素点(称为核)进行比较，比较方法如下:

  

2 运行结果

 

3 Matlab代码实现

4 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]李成. 基于SUSAN算法的边缘检测方法研究[D].湖南师范大学,2014.