摘  要： 提出了一種完全不涉及梯度運算,、只基于周邊像素灰度比較的SUSAN邊緣檢測算法,。主要介紹了SUSAN算法的原理,，并用MATLAB編程實現(xiàn)了該算法。在對噪聲圖像的邊緣檢測中,，與其他傳統(tǒng)經(jīng)典檢測算子進行比較,，結(jié)果表明，該算法較傳統(tǒng)的邊緣檢測算法更具優(yōu)勢,，能夠有效提高邊緣定位精度，降低漏檢率,，使邊緣更細致,、光滑。
 關(guān)鍵詞： 圖像,；邊緣檢測,；SUSAN算法

　邊緣特征是圖像的重要特征之一，圖像分割,、圖像融合,、模式識別等很多方面都用到了圖像的邊緣特征。所謂邊緣是指其周圍像素灰度急劇變化的那些像素的集合,，它是圖像最基本的特征,。邊緣檢測就是檢測圖像局部特征值（如灰度）不連續(xù)或變化較為劇烈的像素點。傳統(tǒng)的邊緣檢測算子（如Sobel算子,、Prewitt算子,、Roberts算子、Kirsch算子和Log算子等）基本都是以原始圖像為基礎(chǔ),，對圖像各個像素考察其某個領(lǐng)域內(nèi)灰度階躍變化,，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律來檢測邊緣[1]。由于這些算法都涉及關(guān)于梯度的運算,，因此都存在對噪聲比較敏感,、計算量大等缺點。經(jīng)過研究和探索發(fā)現(xiàn),，SUSAN算法是一種只基于對周邊像素的灰度比較,，完全不涉及梯度的運算[2]，因此其抗噪聲能力很強,、運算量也比較小,，廣泛應(yīng)用于多類圖像的邊緣檢測中。
1 SUSAN算子原理
　SUSAN是最小吸收核同值區(qū)的縮寫,，是英國牛津大學(xué)學(xué)者SMITH S M和BRADY J M提出的一種基于灰度的特征點獲取方法[3],，它簡單而有效，適用于圖像中邊緣和角點的檢測,，可以去除圖像中的部分噪聲,。該算法提出使用一種近似圓形的模板在圖像上移動,，遍歷整個圖像，然后再把模板內(nèi)部每個圖像素點的灰度值都與模板中心像素的灰度值進行比較,。如果它們的差值小于某個閾值,，則認為該點與核具有相同的灰度，滿足該條件的所有像素組成的區(qū)域統(tǒng)稱為核值相似區(qū)（USAN）,。當(dāng)圓形模板在圖像中移動時,，USAN區(qū)域面積也會相應(yīng)地變化，如圖1所示,。當(dāng)圓形模板完全處在圖像或背景中時,，USAN區(qū)域面積最大（如a和b）；當(dāng)模板移向圖像邊緣時,，USAN區(qū)域逐漸變?。ㄈ鏲）；當(dāng)模板中心處于邊緣時,，USAN區(qū)域很?。ㄈ鏳）；當(dāng)模板中心處于角點時,，USAN區(qū)域最?。ㄈ鏴）?？梢钥闯?，在邊緣處像素的USAN值都小于或等于其最大值的一半[4]，因此,，計算圖像中每一個像素的USAN值,，通過設(shè)定一個USAN閾值，查找小于閾值的像素點,，即可確定為邊緣點,，這就是SUSAN算法的思想。

出邊緣點,。
　灰度差閾t決定SUSAN算子所能檢測到的最小的對比度以及去除噪聲點的能力,。閾值t是區(qū)分特征目標(biāo)與背景的一個重要閾值，其表示的是所能檢測特征點的最小對比度,，它主要決定了能夠提取的特征數(shù)量,，t越小，則可從對比度越低的圖像中提取特征,，且提取的特征也越多,。因此對于不同對比度和噪聲情況的圖像[8]，應(yīng)取不同的t值。實際上可以根據(jù)圖像中目標(biāo)與背景的對比程度來確定t的取值,。

　對比圖3和圖4的邊緣檢測結(jié)果可以看出,，SUSAN算法的邊緣檢測效果最好，檢測出的邊緣細膩而光滑,，連續(xù)性好,，定位較高，對加入噪聲的圖像檢測也有很好的效果,。而Sobel算子,、Robert算子、Prewitt算子檢測的邊緣連續(xù)性不好,，漏檢率相對較高,，而且對噪聲圖像的檢測效果不好，很多邊緣檢測不出來,。
SUSAN邊緣檢測算法不計算梯度而直接利用圖像灰度相似性的比較，具有算法簡單,、定位準(zhǔn)確,、抗噪聲能力強等特點，非常適合于低對比度灰度圖像或含噪圖像的邊緣檢測,。
參考文獻
[1] GONZALEZ R C,， WOODS R E.數(shù)字圖像處理[M].阮秋琦，阮宇智,，譯.北京：電子工業(yè)出版社,，2007.
[2] 孫即祥.圖像分析[M].北京：科學(xué)出版社，2005.
[3] 陳彥燕,，王元慶.常用邊緣檢測算法的定量比較[J].計算機工程,，2008，34（17）：202-204.
[4] SMITH S M,， BRADY J M. SUSAN—a new approach to low level image processing[J]. Journal of Computer Vision,， 1997， 23（1）：45-78 .
[5] 馬桂珍,，房宗良,，姚宗中.SUSAN邊緣檢測算法性能分析與比較[J].現(xiàn)代電子技術(shù)，2007（8）：189-191.
[6] 翁木云,，何明一.圖像綜合特征及其在圖像檢測與匹配中的應(yīng)用[J].中國圖象圖形學(xué)報,，2007，12（1）：121-126.
[7] 張坤華,，王敬儒,，張啟衡.多特征復(fù)合的角點提取算法[J].中國圖象圖形學(xué)報，2002（4）：124.
[8] 陳志方，張艷寧,，楊將林,，等．一種改進的SUSAN算法[J]．微電子學(xué)與計算機，2007,，24（11）：142-144.