SUSAN算子特征点检测实验报告.doc

《SUSAN算子特征点检测实验报告.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、机器视觉实验（3）一、实验介绍特征点：即图像的极值点、线段的端点、曲线曲率最大点，是图像的重要特征，对图像处理与分析具有重要作用。特征点保留了图像的重要特征，可以代替图像的处理，有效减少数据量，提高处理速度。特征点检测：从图像中检测和提取特征点的过程和算法。检测方法有基于梯度的检测方法，基于模板的检测方法，基于梯度和模板的检测方法。比较常用的算子有SUSAN、Harris、Moravec、Foerstner、FAST、SIFT等角点检测算子。二、实验内容1、SUSAN算子SUSAN算子是牛津大学的smith教授提出的，只使用一个圆形模板来计算各向同性的

2、响应，既可检测目标边缘点，又能检测图像中的角点，且具有较强的鲁棒性。(1)基本思想  SUSAN 准则的原理如图所示，用一个圆形模板遍历图像，若模板内其他任意像素的灰度值与模板中心像素（核）的灰度值的差小于一定阈值，就认为该点与核具有相同（或相近）的灰度值，满足这样条件的像素组成的区域称为核值相似区（UnivalueSegmentAssimilatingNucleus,USAN）。把图像中的每个像素与具有相近灰度值的局部区域相联系是 SUSAN 准则的基础。（2）基本步骤第一步：选择圆形模板，计算相似度。a、圆形模板如图所示，共37个像素。b、相似度第

3、二步：确定USAN区域。第三步：阈值化得到初步的边缘响应。G的取值为USAN最大值的1/2。USAN值越小，角点的响应就越强。第四步：可选择性进行非极大值抑制，角点特征就得到全部增强。2、实验程序BOOLCBmpProcessView::Susan(LPSTRlpDIBBits,LONGlWidth,LONGlHeight){//指向源图像的指针LPSTRlpSrc;//指向缓存图像的指针LPSTRlpDst;//指向缓存DIB图像的指针LPSTRlpNewDIBBits;HLOCALhNewDIBBits;//循环变量longi;longj;//像素

4、值intx,r,n=0;unsignedcharpixel[37];//暂时分配内存，以保存新图像hNewDIBBits=LocalAlloc(LHND,lWidth*lHeight);if(hNewDIBBits==NULL){//分配内存失败returnFALSE;}//锁定内存lpNewDIBBits=(char*)LocalLock(hNewDIBBits);//初始化新分配的内存，设定初始值为255lpDst=(char*)lpNewDIBBits;memset(lpDst,(BYTE)255,lWidth*lHeight);POINTpoi

5、ntxy;//定义一个POINT型数据corner.clear();//使用水平方向的结构元素进行腐蚀for(j=lHeight-3;j>=2;j--){for(i=2;i

6、-3*lWidth-1);pixel[1]=(unsignedchar)*(lpSrc-3*lWidth);pixel[2]=(unsignedchar)*(lpSrc-3*lWidth+1);pixel[3]=(unsignedchar)*(lpSrc-2*lWidth+2);pixel[4]=(unsignedchar)*(lpSrc-lWidth+3);pixel[5]=(unsignedchar)*(lpSrc+3);pixel[6]=(unsignedchar)*(lpSrc+lWidth+3);pixel[7]=(unsignedchar)

7、*(lpSrc+2*lWidth+2);pixel[8]=(unsignedchar)*(lpSrc+3*lWidth+1);pixel[9]=(unsignedchar)*(lpSrc+3*lWidth);pixel[10]=(unsignedchar)*(lpSrc+3*lWidth-1);pixel[11]=(unsignedchar)*(lpSrc+2*lWidth-2);pixel[12]=(unsignedchar)*(lpSrc+lWidth-3);pixel[13]=(unsignedchar)*(lpSrc-3);pixel[14]=

8、(unsignedchar)*(lpSrc-lWidth-3);pixel[15]=(unsi