susan算子的susan算子特点

与其他边缘和角点检测算子相比，SUSAN 算子有一些独特的地方。

（1）在用SUSAN算子对边缘和角点进行检测时不需要计算微分，这使得SUSAN算子对噪声更加鲁棒。

（2）SUSAN检测算子能提供不依赖于模板尺寸的边缘精度。换句话说，最小USAN区域面积的计算是个相对芹喊的概念，与模版尺寸无关，所以SUSAN边缘算子的性能不受模版尺寸银首尘影响。

（3）控制参数的选择很简锋禅单，且任意性小，容易实现自动化选取。

在图像处理中,特征点可以称兴趣点或者角点,三者经常相互使用,即图像的极值点,线段的终点,曲线曲率最大的点或者水平或者竖直方向上属性最大的点等等,这些特征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.特征点在物型保留图像图形重要特征的同时,可以代替整幅图像的处理,有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能.

特征点检测就是是对有具体定义的、或者是能够具体检测出来的特征点的检测.目前检测方法很多,具体分有三大类基于灰知蚂察度图像的角点检测、基于二值图像的角点检测、基于搭茄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.

---