SUSAN算子既可以检测角点也可以检测边缘，不过角点似乎比不过harris，边缘似乎比不过Canny。不过思想还是有点意思的。

　　主要思想就是：首先做一个和原图像等大的目标图像。然后用一个圆形的模板，用模板去遍历原图像每个像素，把模板内的每个像素都和模板中心像素比较，如果灰度小于一个阈值，那么就对目标图像当前和原图像相同位置的像素加一，直到结束。目标图像中在原图像是角点的位置就会取局部极小，所以做一个反向的相减。img=max(img)-img,if img<g，这里的g也是自己给定的阈值，我这里取了2*max(img)/3这样的阈值，g越大，得到的点就越多。这步之后角点的值就成为局部极大了。最后进行非极大抑制，去除一些杂点就行了。

代码如下：

clear all;close all;clc;img=imread('i.jpg');img=rgb2gray(img);imshow(img);[m n]=size(img);img=double(img);t=45;   %模板中心像素灰度和周围灰度差别的阈值，自己设置usan=[]; %当前像素和周围在像素差别在t以下的个数%这里用了37个像素的模板for i=4:m-3         %没有在外围扩展图像，最终图像会缩小   for j=4:n-3         tmp=img(i-3:i+3,j-3:j+3);   %先构造7*7的模板，49个像素        c=0;        for p=1:7           for q=1:7                if (p-4)^2+(q-4)^2<=12  %在其中筛选，最终模板类似一个圆形                   %   usan(k)=usan(k)+exp(-(((img(i,j)-tmp(p,q))/t)^6));                     if abs(img(i,j)-tmp(p,q))
     
      max([max(imgn(i-1,j-1:j+1)) imgn(i,j-1) imgn(i,j+1) max(imgn(i+1,j-1:j+1))]);            re(i,j)=1;        else            re(i,j)=0;        end   endendfigure;imshow(re==1);
     

后两幅比第一幅小，我没进行边缘扩展。

原图

未进行非极大抑制，似乎就是边缘了

最后结果