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。