SUSAN角点检测

Posted 2020-07-29 luo1873626242

SUSAN是一种角点检测算法，本文首先介绍其基本原理，然后给出实现代码。 如下图所示，当一个圆形模板在图像上滑动时，可以利用模板所覆盖区域内像素与中心点处像素灰度值的差异寻找角点。将模板内与中心像素差异小于某个阈值的像素点组成的区域定义为USAN(Univalue Segment Assimilating Nucleus)区域。可以发现，当模板中心处于平坦区域时，USAN面积最大，当模板中心处于边界上时，则USAN面积约为最大值的1/2，当模板中心位于角点处上时，USAN面积约为最大值的1/4。也就是说USAN面积越小，其为角点的概率就越大，因此将这种算法称为SUSAN(Smallest Univalue Segment Assimilating Nucleus)。

close all;
clear all;
I=imread(\'corner2.gif\');
[posX,posY]=susan(I,3);
figure;
imshow(I);hold on;
plot(posX,posY,\'g*\');

View Code

function [posX,posY]=susan(I,radius)
%SUSAN角点检测
%I:输入图像
%radius:圆形模板的半径
%(posX,posY):角点坐标
[r,c]=size(I);
mask=generatemask(radius);
th1=20;%阈值越小，提取的角点越多
th2=sum(mask(:))/2;%阈值越大，提取的角点越多
R=zeros(r,c);%角点响应值
res=zeros(r,c);%是否是角点
for i=radius+1:r-radius
    for j=radius+1:c-radius
        B=I(i-radius:i+radius,j-radius:j+radius);
        usan=(abs(B-I(i,j))<th1).*mask;%USAN区域
        N=sum(usan(:));
        if(N<th2)
            R(i,j)=th2-N;
        end
    end
end

%非极大值抑制
tr=radius+2;
for i=tr+1:r-tr
    for j=tr+1:c-tr
        tmp=R(i-tr:i+tr,j-tr:j+tr);
        tmp(tr+1,tr+1)=0;
        if(R(i,j)>max(tmp(:)))
            res(i,j)=1;
        end
    end
end
[posY,posX]=find(res);

function mask=generatemask(radius)
%生成半径为radius的掩模
mask=zeros(2*radius+1,2*radius+1);
[row,col]=size(mask);
cenr=(row+1)/2;
cenc=(col+1)/2;
for i=1:row
    for j=1:col
        if((i-cenr)^2+(j-cenc)^2<=radius^2)
            mask(i,j)=1;
        end
    end
end

View Code

结果：