由于局部梯度的方法对噪声影响比较敏感而且计算量大,英国学者Smith和Brady提出一种基于形态学的角点特征检测方法。这种方法是一种基于灰度的特征点获取方法,适用于图像中的边缘检测,角点检测且计算速度快,适用于实时图像处理。
SUSAN角点检测的原理是:用一个固定半径的圆形模板在图像上滑动,该模板中心像素点称为核。若模板内其他点的灰度值与核的灰度值之差小于某一个阈值,则认为该点与核具有相似的灰度,所以满足这样条件的像素组成的区域称为核值相似区(Univalue Segment Assimilating Nucleus, USAN)。通过这种方式生成的USAN区域包含了该像素点的图像结构信息。USAN区域越大,模板内相似像素点较多,一般为图像平滑区域,USAN区域大小中等,一般为图像边缘区域,USAN区域很小,一般为角点。通过计算USAN区域的大小,就可以知道该点是否为角点。
自己按照SUSAN算子的理论编写了一段代码,是在opencv2.3.1+vs2008上实现