图像处理特征不变算子系列之susan算子(三)

像处理特征不变算子系列之像处理特征不变算子系列之 SUSANSUSAN 算子（三）算子（三） 作者：飛雲侯相 发布时间：September 13, 2014 分类：图像特征算子 在前面分别介绍了：图像处理特征不变算子系列之 Moravec 算子（一）和图像处理特征不变算 子系列之 Harris 算子（二）。今天我们将介绍另外一个特征检测算子-SUSAN 算子。SUSAN 算子很好听的一个名字，其实 SUSAN 算子除了名字好听外，她还很实用，而且也好用， SUSAN 的全名是： Smallest Univalue Segment Assimilating Nucleus，关于这个名词的翻译 国内杂乱无章，如最小核值相似区、最小同值收缩核区和最小核心值相似区域等等，个人感觉 这些翻译太过牵强，我们后面还是直接叫 SUSAN，这样感觉亲切，而且上口。 SUSAN 算子是一种高效的边缘和角点检测算子，并且具有结构保留的降噪功能（structure preserving noise reduction )。那么 SUSAN 是什么牛气冲天的神器呢？不仅具有边缘检测、角 点检测，还具备结构保留的降噪功能。下面就让我娓娓地为你道来。 1）SUSAN 算子原理算子原理 为了介绍和分析的需要，我们首先来看下面这个图： 该图是在一个白色的背景上，有一个深度颜色的区域（dark area），用一个圆形模板在图像上 移动，若模板内的像素灰度与模板中心的像素（被称为核 Nucleus）灰度值小于一定的阈值， 则认为该点与核 Nucleus 具有相同的灰度，满足该条件的像素组成的区域就称为 USAN（Univalue Segment Assimilating Nucleus）。 接下来，我们来分析下上图中的五个圆形模的 USAN 值。对于上图中的 e 圆形模板，它完全处 于白色的背景中，根据前面对 USAN 的定义，该模板处的 USAN 值是最大的；随着模板 c 和 d 的移动，USAN 值逐渐减少；当圆形模板移动到 b 处时，其中心位于边缘直线上，此时其 USAN 值逐渐减少为最大值的一半；而圆形模板运行到角点处 a 时，此时的 USAN 值最小。因 此通过上面的描述：我们可以推导出：边缘处的点的 USAN 值小于或等于最大值一半。由此， 我们可以得出 SUSAN 提取边缘和角点算法的基本原理：在边缘或角点处的 USAN 值最小，可 以根据 USAN 区域的大小来检测边缘、角点等特征的位置和方向信息。 上面都是口头阐述，文字的力量是单薄的，下面我们进入公式阶段。SUSAN 算子通过用一个 圆形模板在图像上移动，一般这个圆形模板的半径是（3.4pixels）的包含 37 个像素。模板内的 每一个像素与中心像素进行比较，比较方式如下所示： 其中是中心像素，是掩膜内的其他像素，t 是一个像素差异阈值（通常对于对比度比较低的区 域，选取较小的 t；反之，则 t 的阈值可以选择大些）。 接着，对上式进行统计，统计方式如 下式： 得到的 n 值就是 USAN 的大小。 得到 USAN 值后，通过阈值化就可以得到初步的边缘响应，公式表示如下： 其中，g=，也即 g 的取值为 USAN 最大值的 3/4。USAN 值越小，边缘的响应就越强。 得了出事的边缘响应进行非极大值抑制，就可以得到图像的边缘信息了。上张 SUSAN 边缘检 测的效果图： 以上完成了 SUSAN 检测边缘的功能，或许你已经想到了怎么用 SUSAN 算子来检测角点了。 通过上面对 a、b、c、d、e 等几个圆形模板的 USAN 值的分析，当模板的中心位于角点处时， USAN 的值最小。下面简单叙述下利用 SUSAN 算子检测角点的步骤： 1）利用圆形模板遍历图像，计算每点处的 USAN 值 2）设置一阈值 g，一般取值为 1/2(Max(n)， 也即取值为 USAN 最大值的一半，进行阈值化， 得到角点响应 3）使用非极大值抑制来寻找角点。 通过上面的方式得到的角点，存在很大伪角点。为了去除伪角点，SUSAN 算子可以由以下方 法实现：计算 USAN 区域的重心，然后计算重心和模板中心的距离，如果距离较小则不是正 确的角点；判断 USAN 区域的重心和模板中心的连线所经过的像素都是否属于 USAN 区域的 像素，如果属于那么这个模板中心的点就是角点。 总结：总结：SUSAN 算子是一个原理简单、易于了解的算子。由于其指数基于对周边象素的 灰度比 较，完全不涉及梯度的运算，因此其抗噪声能力很强，运算量也比较小；同时，SUSAN 算子 还是一个各向同性的算子；最后，通过控制参数 t 和 g，可以根据具体情况很容易地对不同对 比度、不同形状的图像通过设置恰当的 t 和 g 进行控制。比如图像的对比度较大，则可选取较 大的 t 值，而图像的对比度较小，则可选取较小的 t 值。总之，SUSAN 算子是一个非常难得的 算子，不仅具有很好的边缘检测性能；而且对角点检测也具有很好的效果。 更多信息请参考： 1、SUSAN Low Level Image Processing：http:/users.fmrib.ox.ac.uk/steve/susan/ 2、OpenCV 的 susan 角点检测：http:/blog.csdn.ne