1995年英国牛津大学的S.M.Smith提出了一种新的图像边缘检测算法SUSAN算法，不同于以前经典边缘检测算法，SUSAN算法基于灰度相似性比较，采用圆形模板，对图像进行灰度差统计，无需计算方向导数，而且具备积分特性，它简单而且有效，适用于图像中边缘和角点的检测，可以去除图像中的部分噪声。

SUSAN检测原理

SUSAN特征检测原理如图1所示。 在图1中，a、b、c、d、e表示圆形模板，中心的十字表示模板的核心，灰色区域为待处理的图像特征。使用模板在图像上滑动，在图像与模板相交的区域中，如果模板周边像素点与模板中心像素点的差值小于或者等于一个给定的阈值，那么，把满足上述条件的像素集合的区域定义为：吸收核同值区域（Univalue Segment Assimilatimg Nucleus），简称USAN区域。

由图1可以看出，模板中心像素点周围邻域的重要信息都包含在USAN区域中，当模板完全位于图像或背景中时，USAN区域面积最大（如a和b）；当模板移向图像边缘时，USAN区域逐渐变小（如c）；当模板中心像素位于角点时，USAN区域面积最小（如e）。并且在边缘处像素的USAN值都小于或者等于其最大值的一半，因此，计算图像中每一个像素的USAN值，通过设定一个USAN阈值，查找小于阈值的像素点，即可确定为边缘点，这就是SUSAN算法的