Susan算子是一种用于图像处理领域检测角点的算法，其全称是“Smallest Univalue Segment Assimilating Nucleus”（最小单一值段核）。相比其他传统角点检测算法如Harris、Shi-Tomasi等，SUSAN具备较好的抗噪能力，并能够高效地识别出图像中的角点。 ### Susan算子的核心思想 它通过比较像素周围的邻域亮度差异来进行特征提取。对于每个候选点 \( C \)，会围绕这个中心建立一个小区域称为 USAN (Univalue Segment Assimilating Nucleus) 。如果某个像素与其邻居之间的灰度差小于阈值，则认为它们属于同一均匀区域；反之不属于该区域。最终利用函数计算出响应值 R ，当超过设定门限时即判断为角点。 以下是 Python 实现的基本框架示例： ```python import cv2 import numpy as np def susan_corner(image, radius=3, brightness_threshold=10): # 灰度化输入图片 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) height, width = gray.shape[:2] result_image = np.zeros_like(gray) for y in range(radius, height - radius): for x in range(radius, width - radius): n = 0 # 统计满足条件的点数 for i in range(-radius, radius+1): for j in range(-radius, radius+1): if abs(int(gray[y,x]) - int(gray[y+i,x+j])) < brightness_threshold: n += 1 g = max(0, 1 - float(n)/((2*radius + 1)**2)) result_image[y][x] = g * 255 return result_image # 加载测试图并显示结果 img = cv2.imread('test.jpg') corners_detected = susan_corner(img) cv2.imshow("Detected Corners", corners_detected.astype(np.uint8)) cv2.waitKey(0) ``` **注意**: 上述伪代码仅为简单说明原理所设计，在实际应用中可能需要进一步优化性能以及增加更多功能特性支持。