改进后的SUSAN算法：提高图像边缘检测效率

为减少图像遍历时的运算量，需要先对模板图像进行有针对性的预处理。角点一定是边缘点，先用canny边缘检测算子对灰度图像进行边缘检测，获得边缘点的位置；图像的孤立点是伪角点，在对灰度图像进行边缘检测后，对边缘空间使用滤波窗口滤除孤立噪声点，进行伪角点的排除。对SUSAN算法的改进主要有如下两个方面：

1）对边缘点利用USAN原理检测角点。为了获得更加稳定、有效的信息检测，应实现阈值和比较函数的自适应选取。用下式作为比较函数。

通过制作正方形面积不同的模板获得灰度值和对比度不同的图像，经过分析，不同对比度下t的自适应灰度阈值应满足

t=k×255 （5-5）

大量的实验表明，t的取值在占到灰度绝对差值20％～30％的时候，能够较好地提取不同对比度下的角点特征，比例系数k一般取0.20～0.30。

通过制作正方形面积不同的模板获得灰度值和对比度不同的图像，经过分析，不同对比度下t的自适应灰度阈值应满足(www.xing528.com)

t=k×255 （5-5）

大量的实验表明，t的取值在占到灰度绝对差值20％～30％的时候，能够较好地提取不同对比度下的角点特征，比例系数k一般取0.20～0.30。

2）角点检测精度决定了摄像机的标定精度，因此应求得角点的亚像素空间坐标。对于灰度图像，其像素的亚像素空间坐标可根据像素的灰度值求取二维占空比来获得。一种比较简单的算法是通过（g表示该像素的灰度值）来计算空间像素增量▽：当α=0或α=1时，▽=0.5；当0＜α＜0.5时,▽=t；当0.5＜α＜1时，▽=1－α。如像素坐标（2，3）点的灰度值为220，则其增量为（0.370，0.370），亚像素空间坐标为（2.370，3.370）。

2）角点检测精度决定了摄像机的标定精度，因此应求得角点的亚像素空间坐标。对于灰度图像，其像素的亚像素空间坐标可根据像素的灰度值求取二维占空比来获得。一种比较简单的算法是通过（g表示该像素的灰度值）来计算空间像素增量▽：当α=0或α=1时，▽=0.5；当0＜α＜0.5时,▽=t；当0.5＜α＜1时，▽=1－α。如像素坐标（2，3）点的灰度值为220，则其增量为（0.370，0.370），亚像素空间坐标为（2.370，3.370）。