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，對圖像各個像素考察其某個領域內灰度階躍變化，利用邊緣鄰近一階或二階方向導數(shù)變化規(guī)律來檢測邊緣[1]。由于這些算法都涉及關于梯度的運算，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，是英國牛津大學學者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）。當圓形模板在圖像中移動時，USAN區(qū)域面積也會相應地變化，如圖1所示。當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）；當模板移向圖像邊緣時，USAN區(qū)域逐漸變小（如c）；當模板中心處于邊緣時，USAN區(qū)域很?。ㄈ鏳）；當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]，應取不同的t值。實際上可以根據(jù)圖像中目標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，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用[J].中國圖象圖形學報，2007，12（1）：121-126.
[7] 張坤華，王敬儒，張啟衡.多特征復合的角點提取算法[J].中國圖象圖形學報，2002（4）：124.
[8] 陳志方，張艷寧，楊將林，等．一種改進的SUSAN算法[J]．微電子學與計算機，2007，24（11）：142-144.