susan運算元

SUSAN ( Small univalue segment assimilating nucleus) 運算元是一種基於灰度的特徵點獲取方法, 適用於圖像中邊緣和角點的檢測, 可以去除圖像中的噪聲, 它具有簡單、有效、抗噪聲能力強、計算速度快的特點。

susan運算元原理

SUSAN 運算元的模板與常規卷積算法的正方形模板不同, 它採用一種近似圓形的模板, 用圓形模板在圖像上移動, 模板內部每個圖像像素點的灰度值都和模板中心像素的灰度值作比較, 若模板內某個像素的灰度與模板中心像素(核)灰度的差值小於一定值, 則認為該點與核具有相同(或相近)的灰度, 如下圖所示。由滿足這一條件的像素組成的區域稱為吸收核同值區(Univalue Segment Assimilating Nucleus, USAN)。

susan運算元邊緣檢測

當圓形模板完全處在背景或目標中時，USAN 區域面積最大；當模板移向目標邊緣時，USAN 區域逐漸變小；當模板中心處於邊緣時，USAN 區域很小；當模板中心處於角點時，USAN 區域最小。

因此，可以通過計算每 1 個像素的 USAN 值，並與設定的門限值進行比較， 如果該像素的 USAN 值小於門限

值，則該點可以認為是 1 個邊緣點。這就是 SUSAN 算法思想。

susan運算元特點

與其他邊緣和角點檢測運算元相比，SUSAN 運算元有一些獨特的地方。

（1）在用SUSAN運算元對邊緣和角點進行檢測時不需要計算微分，這使得SUSAN運算元對噪聲更加魯棒。

（2）SUSAN檢測運算元能提供不依賴於模板尺寸的邊緣精度。換句話說，最小USAN區域面積的計算是個相對的概念，與模版尺寸無關，所以SUSAN邊緣運算元的性能不受模版尺寸影響。

（3）控制參數的選擇很簡單，且任意性小，容易實現自動化選取。