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。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
