SUSAN算子是一种基于灰度的图像特征点检测方法，以其简单、抗噪、速度快的特点被广泛应用。它通过近似圆形模板在图像上移动，判断像素点与模板中心灰度的相似性，找到最小的单值段吸收核（USAN），从而检测边缘和角点。SUSAN算法在处理噪声和边缘精度方面表现出色，且阈值选择相对简单，可自动化选取。在实际操作中，通过设置阈值t和g来控制角点的数量和质量。然而，算法在某些情况下可能会误报角点，需要通过重心判断来修正。
角点检测算法概述：
目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述，分析了相关的算法，并对各种检测算法给出了评价。
角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于 模板和基于模板梯度组合3类方法，其中基于模板的方法主要考虑 像素领域点的灰度变化，即图像亮度的变化，将与邻点 亮度对比足够大的点定义为角点。常见的基于 模板的角点检测算法有Kitchen-Rosenfeld角点检测算法，Harris角点检测算法、KLT角点检测算法及SUSAN角点检测算法。和其他角点检测算法相比，SUSAN角点检测算法具有算法简单、位置准确、抗 噪声能力强等特点。
susan算子原理：
SUSAN ( Small univalue segment assimilating nucleus) 算子是一种基于灰度的特征点获取方法, 适用于图像中边缘和角点的检测,
最低0.47元/天 解锁文章
扫一扫
2037
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
