matlab练习程序（SUSAN检测）

　　SUSAN算子既可以检测角点也可以检测边缘，不过角点似乎比不过harris，边缘似乎比不过Canny。不过思想还是有点意思的。

　　主要思想就是：首先做一个和原图像等大的目标图像。然后用一个圆形的模板，用模板去遍历原图像每个像素，把模板内的每个像素都和模板中心像素比较，如果灰度小于一个阈值，那么就对目标图像当前和原图像相同位置的像素加一，直到结束。目标图像中在原图像是角点的位置就会取局部极小，所以做一个反向的相减。img=max(img)-img,if img<g，这里的g也是自己给定的阈值，我这里取了2*max(img)/3这样的阈值，g越大，得到的点就越多。这步之后角点的值就成为局部极大了。最后进行非极大抑制，去除一些杂点就行了。

代码如下：

clear all;
close all;
clc;

img=imread('i.jpg');
img=rgb2gray(img);
imshow(img);
[m n]=size(img);
img=double(img);

t=45;   %模板中心像素灰度和周围灰度差别的阈值，自己设置
usan=[]; %当前像素和周围在像素差别在t以下的个数
%这里用了37个像素的模板
for i=4:m-3         %没有在外围扩展图像，最终图像会缩小
   for j=4:n-3 
        tmp=img(i-3:i+3,j-3:j+3);   %先构造7*7的模板，49个像素
        c=0;
        for p=1:7
           for q=1:7
                if (p-4)^2+(q-4)^2<=12  %在其中筛选，最终模板类似一个圆形
                   %   usan(k)=usan(k)+exp(-(((img(i,j)-tmp(p,q))/t)^6)); 
                    if abs(img(i,j)-tmp(p,q))<t  %判断灰度是否相近，t是自己设置的
                        c=c+1;
                    end
                end
           end
        end
        usan=[usan c];
   end
end

g=2*max(usan)/3; %确定角点提取的数量，值比较高时会提取出边缘，自己设置
for i=1:length(usan)
   if usan(i)<g 
       usan(i)=g-usan(i);
   else
       usan(i)=0;
   end
end
imgn=reshape(usan,[n-6,m-6])';
figure;
imshow(imgn)

%非极大抑制
[m n]=size(imgn);
re=zeros(m,n);
for i=2:m-1
   for j=2:n-1 
        if imgn(i,j)>max([max(imgn(i-1,j-1:j+1)) imgn(i,j-1) imgn(i,j+1) max(imgn(i+1,j-1:j+1))]);
            re(i,j)=1;
        else
            re(i,j)=0;
        end
   end
end

figure;
imshow(re==1);

后两幅比第一幅小，我没进行边缘扩展。

原图

未进行非极大抑制，似乎就是边缘了

最后结果

这里是不错的详细原理讲解。