SUSAN邊緣檢測(cè)算法性能分析與比較
加入技術(shù)交流群
而Robert算子和Prewitt算子對(duì)部分直線邊緣不能檢測(cè)出來，圓的邊緣也有部分漏檢情況；Gauss-Laplace算子雖然基本上可以檢測(cè)出所有邊緣，但是他的定位效果較差，邊緣象素較寬。
4．2抗噪聲能力好
由于USAN的求和相當(dāng)于求積分，所以這種算法對(duì)噪聲不敏感，而且SUSAN算法不涉及梯度的計(jì)算，所以該算法抗噪聲的性能很好。很明顯，如果考慮有獨(dú)立同分布的高斯噪聲，只要噪聲小于USAN函數(shù)的相似灰度門限值，噪聲就可被忽略。對(duì)局部突變的孤立噪聲，即使噪聲的灰度與核相似，只要局部USAN值小于門限g，也不會(huì)對(duì)邊緣檢測(cè)造成影響。因此SUSAN邊緣檢測(cè)算法可以用于被噪聲污染的圖像的邊緣檢測(cè)。
而其他的邊緣檢測(cè)算法，Robert算子、Prewitt算子、Gauss-Laplace算子，以及應(yīng)用廣泛的Canny算子，由于這些算法都涉及一階梯度，甚至二階梯度的計(jì)算，所以他們的抗噪聲能力較差[2-5]，圖4、圖5也證明了這一結(jié)論。
4．3算法使用靈活
使用控制參數(shù)t和g，可以根據(jù)具體情況很容易地對(duì)不同對(duì)比度、不同形狀的圖像通過設(shè)置恰當(dāng)?shù)膖和g進(jìn)行控制。比如圖像的對(duì)比度較大，則可選取較大的t值，而圖像的對(duì)比度較小，則可選取較小的t值。所以這種算法非常適用于對(duì)某些低對(duì)比度圖像或目標(biāo)的識(shí)別。
4．4運(yùn)算量小，速度快
對(duì)1幅256×256的圖像，應(yīng)用SUSAN算法進(jìn)行計(jì)算，對(duì)每一點(diǎn)只需做8次加法運(yùn)算，共需要做256×256×8次加法。
而對(duì)于其他的經(jīng)典的邊緣檢測(cè)算法，如果采用歐式距離作為梯度算子，Sobel算子采用兩個(gè)3×3的模板，對(duì)每一點(diǎn)需要做9次加法，6次乘法，以及1次開方運(yùn)算，則共需要做256×256×9次加法運(yùn)算和256×256×6次乘法運(yùn)算，以及256×256次開方運(yùn)算。對(duì)Gauss-Laplace算子、Priwitt算子以及Canny算子計(jì)算量就更大。
4．5 可以檢測(cè)邊緣的方向信息
SUSAN算法實(shí)際上還可以檢測(cè)邊緣的方向信息。具體算法是，對(duì)每一個(gè)檢測(cè)點(diǎn)計(jì)算模板內(nèi)與該點(diǎn)灰度相似的象素集合的重心，檢測(cè)點(diǎn)與該重心的連線的矢量垂直與這條邊緣[5]。
5 結(jié) 語
SUSAN邊緣檢測(cè)算法直接利用圖像灰度相似性的比較，而不需計(jì)算梯度，具有算法簡(jiǎn)單、定位準(zhǔn)確、抗噪聲能力強(qiáng)等特點(diǎn)。因此，非常適于含噪圖像或低對(duì)比度灰度圖像的邊緣檢測(cè)。如果進(jìn)一步減小門限g的數(shù)值，SUSAN算法還可以用于角點(diǎn)的檢測(cè)[1]。
評(píng)論