SUSAN角点检测matlab

SUSAN角点检测是一种高效的边缘和角点检测算法，全名为Smallest Univalue Segment Assimilating Nucleus。它具有特色的结构保留降噪功能。SUSAN算子不仅可以检测图像目标的边界点，还能较为鲁棒地检测目标的角点。通过对圆形模板的SUSAN值进行分析，当模板的中心位于角点处时，SUSAN值最小。

若您想了解更多关于SUSAN角点检测在Matlab中的实现，请参考SUSAN角点检测的主要代码文件testSusan.m。请注意，如果读入的图像格式不正确，您可能需要自行修改代码。

相关问题

Susan角点检测使用matlab

Susan角点检测算法是一种经典的角点检测算法，可以用MATLAB实现。以下是基于MATLAB的Susan角点检测算法的步骤：

1. 读取输入图像并把它转换为灰度图像。

2. 对灰度图像进行高斯滤波，以去除噪声。

3. 选择一个合适的阈值T，一般情况下T的值在0.5到1之间。

4. 对于每个像素点，计算其周围像素点与自身之间的灰度差，然后统计灰度差小于T的像素点数目。根据这个数目来判断这个像素点是否为角点。

5. 对所有被标记为角点的像素点进行标记，并将它们输出到结果图像中。

下面是MATLAB代码实现：

% 读取输入图像并转换为灰度图像
img = imread('input_image.jpg');
gray_img = rgb2gray(img);

% 高斯滤波
filt_img = imgaussfilt(gray_img, 2);

% 设置阈值
T = 0.6;

% 计算每个像素点的角点响应值
corners = zeros(size(filt_img));
for i = 4:size(filt_img, 1)-3
    for j = 4:size(filt_img, 2)-3
        % 计算灰度差小于T的像素点数目
        count = 0;
        for p = -3:3
            for q = -3:3
                if (p ~= 0 || q ~= 0) && abs(filt_img(i+p, j+q) - filt_img(i, j)) < T
                    count = count + 1;
                end
            end
        end
        
        % 判断是否为角点
        if count >= 15
            corners(i, j) = 1;
        end
    end
end

% 在输入图像上绘制角点
[r, c] = find(corners);
imshow(img);
hold on;
plot(c, r, 'r.');

在这个实现中，我们使用了MATLAB内置的`imgaussfilt`函数来进行高斯滤波。然后，我们选择了一个阈值T=0.6，并根据Susan角点检测算法的定义来计算每个像素点的角点响应值。最后，我们在输入图像上绘制了检测到的角点。

Matlab实现SUSAN角点检测

SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法是一种基于像素灰度值的角点检测算法，它可以检测出图像中的角点和边缘。下面是Matlab实现SUSAN角点检测的步骤：

1. 读入图像并转化为灰度图像

img = imread('lena.jpg');
gray_img = rgb2gray(img);

2. 初始化参数

r = 3; % 邻域半径
t = 27; % 阈值

3. 计算像素与邻域内像素的灰度值差异

[m, n] = size(gray_img);
susan_img = zeros(m, n);
for i = r+1:m-r
    for j = r+1:n-r
        % 计算邻域内像素与中心像素的灰度值差异
        diff = gray_img(i-r:i+r,j-r:j+r) - gray_img(i,j);
        % 计算像素灰度值的方差
        var = sum(sum(diff.^2))/(numel(diff)-1); 
        % 计算像素与邻域内像素的灰度值差异的均值
        mean_diff = sum(sum(abs(diff)))/numel(diff); 
        % 计算SUSAN函数值
        susan_img(i,j) = mean_diff/var;
    end
end

4. 根据SUSAN函数值进行角点检测

corners = zeros(m, n);
for i = r+1:m-r
    for j = r+1:n-r
        % 判断SUSAN函数值是否超过阈值
        if susan_img(i,j) > t
            % 标记为角点
            corners(i,j) = 1; 
        end
    end
end

5. 可视化结果

figure;
subplot(1,2,1);
imshow(img);
title('原始图像');
subplot(1,2,2);
imshow(corners);
title('SUSAN角点检测结果');

完整的代码如下：

img = imread('lena.jpg');
gray_img = rgb2gray(img);

r = 3;
t = 27;

[m, n] = size(gray_img);
susan_img = zeros(m, n);
for i = r+1:m-r
    for j = r+1:n-r
        diff = gray_img(i-r:i+r,j-r:j+r) - gray_img(i,j);
        var = sum(sum(diff.^2))/(numel(diff)-1); 
        mean_diff = sum(sum(abs(diff)))/numel(diff); 
        susan_img(i,j) = mean_diff/var;
    end
end

corners = zeros(m, n);
for i = r+1:m-r
    for j = r+1:n-r
        if susan_img(i,j) > t
            corners(i,j) = 1; 
        end
    end
end

figure;
subplot(1,2,1);
imshow(img);
title('原始图像');
subplot(1,2,2);
imshow(corners);
title('SUSAN角点检测结果');