图像特征之SUSAN角点

由于局部梯度的方法对噪声影响比较敏感而且计算量大，英国学者Smith和Brady提出一种基于形态学的角点特征检测方法。这种方法是一种基于灰度的特征点获取方法，适用于图像中的边缘检测，角点检测且计算速度快，适用于实时图像处理。

SUSAN角点检测的原理是：用一个固定半径的圆形模板在图像上滑动，该模板中心像素点称为核。若模板内其他点的灰度值与核的灰度值之差小于某一个阈值，则认为该点与核具有相似的灰度，所以满足这样条件的像素组成的区域称为核值相似区(Univalue Segment Assimilating Nucleus, USAN)。通过这种方式生成的USAN区域包含了该像素点的图像结构信息。USAN区域越大，模板内相似像素点较多，一般为图像平滑区域，USAN区域大小中等，一般为图像边缘区域，USAN区域很小，一般为角点。通过计算USAN区域的大小，就可以知道该点是否为角点。

自己按照SUSAN算子的理论编写了一段代码，是在opencv2.3.1+vs2008上实现的，若有错误，还望指正：

#include "stdafx.h"  
   
#include <opencv2/opencv.hpp>  
#include "highgui.h"  
#include <math.h>  
typedef  unsigned long uint32;
typedef  unsigned int  uint16;
typedef  unsigned char uint8;
#define THRESHOLD  20
#define RADIUS  3
IplImage *src_gray1, *src_gray2, *src_gray3;    
IplImage* src_img, *dst_img;
CvMat  *NumR0,*Rr0;
int MaxNumR0=0;

void AllocateImage(IplImage* I)   //给图像分配大小    
{    
    CvSize sz   = cvGetSize(I);    
    
	dst_img   = cvCreateImage( sz, IPL_DEPTH_8U, 1);
	cvSetZero(dst_img);
    src_gray1 = cvCreateImage( sz, IPL_DEPTH_8U, 1);    //原图的三个通道    
    src_gray2 = cvCreateImage( sz, IPL_DEPTH_8U, 1);    
    src_gray3 = cvCreateImage( sz, IPL_DEPTH_8U, 1);  
	NumR0     = cvCreateMat(sz.height,sz.width,CV_16SC1);
	Rr0       = cvCreateMat(sz.height,sz.width,CV_16SC1);
	cvSetZero(NumR0);
	cvSetZero(Rr0);
    
}  

void DeallocateImage()
{
	cvReleaseImage(&src_img); 
	cvReleaseImage(&dst_img); 
    cvReleaseImage(&src_gray1);  
    cvReleaseImage(&src_gray2);  
    cvReleaseImage(&src_gray3);  
	cvReleaseMat(&NumR0);

}
 
void SUSAN_check(IplImage* I, IplImage* dst, int r)                    //SUSAN角点检测函数
{
	int i,j,x,y;
	int num,MaxNum=0,g,CValue;
	int R0Value,temp;
	
	for( i=r; i<(I->height-r); i++ )               //计算n(r0),模板内图像USAN的像元数量
	{
		for( j=r; j<(I->width-r); j++ )
		{
			
			R0Value=cvGetReal2D(I,i,j);
			num=0;
			for( y=i-r; (y-i<=r)&&(y-i>=-r);y++ )
			{
				for( x=j-r;(x-j<=r)&&(x-j>=-r);x++ )
				{
					if(((x-j)*(x-j)+(y-i)*(y-i))<=r*r&&(x!=j||y!=i))                //中心点圆形邻域内
					{
						temp=cvGetReal2D(I,y,x);
						if( abs(R0Value-temp) <= THRESHOLD  )
						num++;
					}
				}
			}
			cvSetReal2D(NumR0,i,j,num);
			if(num>MaxNum)  MaxNum = num;
		}
	}
	g=3*MaxNum/4;
	for( i=r; i<(I->height-r); i++ )               //计算R(r0),USAN特征图像
	{
		for( j=r; j<(I->width-r); j++ )
		{
			temp = cvGetReal2D(NumR0,i,j);
			if( temp<g )
				cvSetReal2D(Rr0,i,j,(g-temp));
		}
	}

	for( i=r; i<(I->height-r); i++ )             //非极大抑制
	{
		for( j=r; j<(I->width-r); j++ )
		{
			CValue = cvGetReal2D(Rr0,i,j);       //USAN特征图像中心点值
			num=0;
			if(CValue!=0)
			{
			for( y=i-r; (y-i<=r)&&(y-i>=-r);y++ )         //查看周围半径r圆形邻域是否为极大值
			{
				for( x=j-r;(x-j<=r)&&(x-j>=-r);x++ )
				{
					if(((x-j)*(x-j)+(y-i)*(y-i))<=r*r&&(x!=j||y!=i))                //中心点圆形邻域内
					{
					temp = cvGetReal2D(Rr0,y,x);
					if(j==27&&i==129)
					{
						MaxNum=MaxNum;
					}
					if(CValue>temp)
						num++;
					}
				}
			}
			if(num==MaxNum)
			{
			cvCircle(src_img,cvPoint(j,i),3,cvScalar(0,0,255),1,8,0);
			//cvSet2D(src_img,i,j,cvScalar(0,0,255));
			*(dst->imageData+i*dst->widthStep+j) =255;
			}
			}
			
		}
	}
	
}

int _tmain(int argc, _TCHAR* argv[])
{
	//src_img  = cvLoadImage("角点.bmp");
	//src_img  = cvLoadImage("5.2.09.pgm");
	src_img  = cvLoadImage("7.1.02.pgm");
	AllocateImage(src_img);
	cvSplit( src_img, src_gray1, src_gray2, src_gray3, 0); 


	

	cvNamedWindow("my picture",CV_WINDOW_AUTOSIZE); 
	cvNamedWindow("my dst",CV_WINDOW_AUTOSIZE);  

	cvShowImage("my picture",src_img); 
	SUSAN_check(src_gray1, dst_img, RADIUS) ;
	cvShowImage("my dst",src_img); 

	cvWaitKey(0);  
    DeallocateImage();
	cvDestroyWindow("my picture");  
	cvDestroyWindow("my dst"); 
	return 0;
}