基于SUSAN算法的图像角点检测与特征提取系统

资 源 简 介

该项目是一个基于MATLAB平台开发的计算机视觉程序，主要用于实现经典的SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法，从而准确提取数字图像中的角点特征。与传统的基于微分或梯度的角点检测方法（如Harris或KLT）不同，本程序实现的SUSAN算法完全不涉及导数计算，这使其在处理带有噪声的图像时表现出更高的稳定性和鲁棒性。程序的核心逻辑在于利用一个圆形的模板对图像进行逐像素扫描，并统计模板内各像素与中心像素灰度值之间的相似度。当某个中心像素对

详 情 说 明

基于MATLAB的SUSAN算法图像角点提取系统

项目介绍

本项目是一个基于MATLAB平台开发的计算机视觉程序，主要用于实现经典的SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法，从而准确提取数字图像中的角点特征。与传统的基于微分或梯度的角点检测方法（如Harris或KLT）不同，本程序实现的SUSAN算法完全不涉及导数计算，这使其在处理带有噪声的图像时表现出更高的稳定性和鲁棒性。

程序的核心逻辑在于利用一个圆形的模板对图像进行逐像素扫描，并统计模板内各像素与中心像素灰度值之间的相似度。当某个中心像素对应的相似区域面积（即USAN值）小于预设阈值且达到局部极小值时，程序将其判定为角点。

功能特性

• 无需导数计算：完全基于灰度相似度比较，对图像噪声具有天然的抑制作用。
• 交互式图像读取：支持通过图形界面选择本地图像（jpg, png, bmp, tif），并内置了合成演示图像的生成功能。
• 参数化控制：提供可调的亮度差阈值（t）和几何阈值（g），以适应不同对比度和锐利度的图像。
• 非极大值抑制：有效消除响应图中的冗余点，确保每个角点特征由唯一的像素点表示。
• 可视化输出：直观展示原始图像与标注了红色角点标记的检测结果。
• 数据导出：自动统计检测到的角点数量，并将精确的角点坐标导出至MATLAB基础工作区。

实现逻辑与算法细节

程序的运行流程严格遵循标准SUSAN算法流程，具体步骤如下：

1. 图像载入与预处理 程序首先尝试通过文件选择对话框获取图像。如果用户取消选择，程序将自动生成一幅包含不同灰度层级几何图形的合成图像。载入的图像会被统一转换为双精度浮点型（double）并进行灰度化处理，为后续的计算提供一致的对比度基础。

2. 圆形模板定义 程序定义了一个7x7的矩阵作为扫描模板。该矩阵通过0-1掩码模拟一个圆形的窗口，总共包含37个有效的像素点。这个圆形模板在图像上进行滑动，作为判断局部一致性的基准。

3. 计算USAN面积 在忽略边缘区域后，程序对图像内部的每一个像素执行以下操作：

• 提取以当前像素为中心的7x7局部邻域。
• 计算邻域内各点与中心核心点（Nucleus）的灰度差绝对值。
• 利用亮度差阈值（t=25）进行判定：若差异小于或等于t，则认为该点属于相似区域。
• 统计在圆形模板范围内符合相似性条件的像素点总数，即得到该点的USAN面积（n）。

4. 响应值计算 根据SUSAN算法原理，角点处的USAN面积应显著小于平坦区域。程序使用几何阈值（g=18.5）构建响应函数：如果USAN面积n小于g，则响应值计算为“g - n”；否则响应值设为0。这一步将图像转换为了反映角点显著性的响应矩阵。

5. 非极大值抑制 (NMS) 为了精细化定位并去除虚假响应，程序在5x5的邻域内对响应矩阵进行局部极大值搜索。只有当一个点的响应值大于0且为其邻域内的最大值时，该点才被最终确认为角点。

6. 结果展示与统计 程序计算角点总数，并在命令行窗口输出图像分辨率、使用的阈值参数以及前10个角点的具体XY坐标。最后，程序会生成对比视图，在右侧图像中利用红色方块精准标记出所有检测到的角点。

系统要求

• 环境：MATLAB R2016a 或更高版本。
• 工具箱：建议安装 Image Processing Toolbox（用于灰度转换和图像显示），但核心算法由底层逻辑实现。
• 硬件：标准PC环境即可流畅运行不同分辨率的图像。

使用方法

1. 在MATLAB中打开并运行主程序脚本。
2. 在弹出的文件窗口中选择一张待处理的图像文件。若直接关闭窗口，程序将演示内置的合成测试图。
3. 等待程序处理完成，程序会自动弹出包含原始图与检测结果图的窗口。
4. 查看MATLAB命令行窗口，获取检测到的角点总数及各点坐标明细。
5. 在MATLAB的工作区变量 cornerPoints 中可以找到所有检测到的角点矩阵，供后续分析或匹配使用。