susan演算法是2023年牛津大學的smith等人提出的一種處理灰度影象的方法,它主要是用來計算影象中的角點特徵。susan演算法選用圓形模板(如圖1所示)。將位於圓形視窗模板中心等待檢測的畫素點稱為核心點。核心點的鄰域被劃分為兩個區域:亮度值相似於核心點亮度的區域即核值相似區(univalue segmentas-similatingnueleus,usan)和亮度值不相似於核心點亮度的區域。
圖1 圓形模板
usan的典型區域如圖2所示。模板在影象上移動時,當圓形模板完全在背景或者目標區域時，其usan區域最大,如圖2(a)；當核心在邊緣時,usan區域減少一半,如圖2(c)；當核心在角點時, usan區域最小，如圖2(d)。基於這一原理, smith提出了最小核值相似區角點檢測演算法。
圖2 典型區域
susan角點檢測演算法的具體步驟如下:
(1)在影象上放置乙個37個畫素的圓形模板，模板在影象上滑動，依次比較模板內各個畫素點的灰度與模板核的灰度，判斷是否屬於usan區域。判別函式如下：
(2)統計圓形模板中和核心點有相似亮度值的畫素個數n(r0)。
其中，d(r0)是以r0為中心的圓形模板區域
(3)使用如下角點響應函式。若某個畫素點的usan值小於某一特定閾值，則該點被認為是初始角點，其中，g可以設定為usan的最大面積的一半。
(4)對初始角點進行非極值抑制來求得最後的角點。
演算法實現如下:
iplimage* susan(iplimage* src)
; int offsety[37] =
; //求閾值
max = min = data0[0];
for (int i = 0; i < height; i++)
{ for (int j = 0; jmax) max = data0[i*step + j];
if (data0[i*step + j]
Shi Tomasi角點檢測演算法
1 shi tomasi概念 2 api 3 code 1 角點檢測除了harris角點檢測演算法外，還常常使用shi tomasi演算法，shi tomasi演算法是harris演算法的改進，因此計算速度更快，shi tomasi演算法於1994年在文章 good features to trac...
OpenCV Shi Tomasi角點檢測演算法
shi tomasi運算元是1994年在文章 good features to track 中被提出的，opencv實現此演算法的函式就被命名為goodfeaturestotrack。shi tomasi運算元 cv mat basicalgorithm on shi tomasi cv mat m...
Harris角點檢測演算法2
前一篇文章簡要的說了一下空域上的harris角點檢測，現在說一下我真正要說的時空域上的3d harris角點檢測。其實理解了空域的角點檢測，時空域上的也就是多了乙個時間的維度罷了，思想是一樣的。所以，根據空域中的方法，我們定義 按照泰勒公式展開，可以得到矩陣m 也可以得到harris角點運算元在時空...