SUSAN边缘检测算法性能分析与比较

4．3算法使用灵活

使用控制参数t和g，可以根据具体情况很容易地对不同对比度、不同形状的图像通过设置恰当的t和g进行控制。比如图像的对比度较大，则可选取较大的t值，而图像的对比度较小，则可选取较小的t值。所以这种算法非常适用于对某些低对比度图像或目标的识别。

4．4运算量小，速度快

对1幅256×256的图像，应用SUSAN算法进行计算，对每一点只需做8次加法运算，共需要做256×256×8次加法。

而对于其他的经典的边缘检测算法，如果采用欧式距离作为梯度算子，Sobel算子采用两个3×3的模板，对每一点需要做9次加法，6次乘法，以及1次开方运算，则共需要做256×256×9次加法运算和256×256×6次乘法运算，以及256×256次开方运算。对Gauss-Laplace算子、Priwitt算子以及Canny算子计算量就更大。

4．5 可以检测边缘的方向信息

SUSAN算法实际上还可以检测边缘的方向信息。具体算法是，对每一个检测点计算模板内与该点灰度相似的象素集合的重心，检测点与该重心的连线的矢量垂直与这条边缘[5]。

5 结 语

SUSAN边缘检测算法直接利用图像灰度相似性的比较，而不需计算梯度，具有算法简单、定位准确、抗噪声能力强等特点。因此，非常适于含噪图像或低对比度灰度图像的边缘检测。如果进一步减小门限g的数值，SUSAN算法还可以用于角点的检测[1]。