1、SUSAN角点检测算法步骤
(1)在图像上放置一个37个像素的圆形模板,模板在图像上滑动,依次比较模板内各个像素点的灰度与模板核的灰度,判断是否属于USAN区域。判别函数如下:
其中,
r
⃗
0
{{\vec{r}}_{0}}
r0.表示二维图像中核心点的位置,
r
⃗
\vec{r}
r表示模板中其他点的位置,
I
(
r
⃗
0
)
I({{\vec{r}}_{0}})
I(r0)表示图像在
r
⃗
0
{{\vec{r}}_{0}}
r0处的像素值,
I
(
r
⃗
)
I(\vec{r})
I(r)表示图像在
r
⃗
\vec{r}
r处的像素值,
t
t
t是表示亮度插值的一个门限值,决定了USAN区域各点之间最大的亮度差值,
c
c
c是一个用来比较输出的函数。也可以用平滑的县来代替这种直接的分割方式,这样可以获得更稳定而敏感的结果,虽然计算复杂,但是可以通过查表来获得较快的速度。公式如下:
c
(
r
⃗
,
r
⃗
0
)
=
e
−
(
I
(
r
⃗
)
−
I
(
r
⃗
0
)
t
)
6
c(\vec{r},{{\vec{r}}_{0}})={{e}^{-{{\left( \frac{I(\vec{r})-I({{{\vec{r}}}_{0}})}{t} \right)}^{6}}}}
c(r,r0)=e−(tI(r)−I(r0))6
(2)统计圆形模板中和核心点有相似亮度值的像素值个数
n
(
r
0
)
n({{r}_{0}})
n(r0)
n
(
r
⃗
0
)
=
∑
r
⃗
∈
D
(
r
⃗
0
)
c
(
r
⃗
,
r
⃗
0
)
n({{\vec{r}}_{0}})=\sum\limits_{\vec{r}\in D({{{\vec{r}}}_{0}})}{c(\vec{r},{{{\vec{r}}}_{0}})}
n(r0)=r∈D(r0)∑c(r,r0)其中,
D
(
r
⃗
0
)
D({{\vec{r}}_{0}})
D(r0)是以
r
⃗
0
{{\vec{r}}_{0}}
r0为中心的圆形模板区域,
n
n
n是USAN区域中像素的个数。
(3)使用如下角点响应函数,若某个像素点的USAN值小于某一特定阈值,则该点被认为是初始角点。将
n
n
n同一个固定的阈值
g
g
g比较(一般设置为最大与中心相似点数
n
max
{{n}_{\max }}
nmax的0.5倍左右,这是与边缘检测不同的地方),初始的边缘响应可以用下面的等式计算:
角点误报检查:
约束1:计算出USAN区域的重心,如果重心与圆心的距离大于一定的阈值才认为是角点。
约束2:计算出USAN区域的重心,从中心指向USAN区域重心直线上所有像素都必须是USAN的一部分,否则认为不是角点。
(4)对初始角点进行非极值抑制来求得最后的角点。
2、Matlab实现
%% SUSAN角点检测算法
clear
close all
clc
img=imread('board.jpg');
[m,n,c]=size(img);
if c>1
img_gray=rgb2gray(img);
else
img_gray=img;
end
img_gray=double(img_gray);
t=25; % 阈值
g=37/2+1;
R=zeros(m,n);
%% 1、圆形模板在图像上滑动,依次比较模板内各个像素点的灰度与模板核的灰度,判断是否属于USAN区域
for i=4:m-3
for j=4:n-3
tmp=img_gray(i-3:i+3,j-3:j+3);
usan=0; % USAN计数
centre_x=0; % USAN区域的重心
centre_y=0;
%% 2、统计圆形模板中和核心点有相似亮度值的像素值个数
for p=1:7
for q=1:7
if (p-4)^2+(q-4)^2<12
if abs(img_gray(i,j)-tmp(p,q))<t
centre_x=centre_x+p;
centre_y=centre_y+q;
usan=usan+1;
end
end
end
end
centre_x=centre_x/usan;
centre_y=centre_y/usan;
%% 模板中心与USAN区域重心约束
if sqrt((centre_x-4)^2+(centre_y-4)^2)<0.2
usan=37;
%% 模板中心与USAN区域重心连线上的像素约束
k=(centre_y-4)/(centre_x-4);
b=(centre_x*4-4*centre_y)/(centre_x-4);
if centre_x<4
centre_x=ceil(centre_x); % 向上取整
else
centre_x=floor(centre_x); % 向下取整
end
if centre_y<4
centre_y=ceil(centre_y); % 向上取整
else
centre_y=floor(centre_y); % 向下取整
end
for p=min(centre_x,4):max(centre_x,4)
for q=min(centre_y,4):max(centre_y,4)
if (abs(k*p-q)<1) && (abs(img_gray(i,j)-tmp(p,q))>t)
usan=37;
break;
end
end
end
end
%% 3、计算角点响应,确定初始角点
if usan<g
R(i,j)=g-usan;
end
end
end
%% 4、非极大值抑制
s=5; % 邻域大小
Re=zeros(m,n);
Rmax=0.02*max(R,[],'all');
for i=4+(s+1)/2:m-3-(s-1)/2
for j=4+(s+1)/2:n-3-(s-1)/2
if (R(i,j)==max(R(i-(s-1)/2:i+(s-1)/2,j-(s-1)/2:j+(s-1)/2),[],'all')) && (R(i,j)>0)
Re(i,j)=1;
end
end
end
[x,y]=find(Re==1);
figure(1)
imshow(img);
hold on
plot(y,x,'r+','MarkerSize',20);
hold off
结果如图所示:
局部角点检测结果(符合算法预期)如图所示: