我要你写的代码是用Harris角点检测算法分析图像，但是这个代码不能直接使用matlab自带的harris函数，同时，无论输入的图像是黑白的还是彩色的都可以检测，以上就是我的要求。如果你听懂了就可以开始写了

好的，我理解了您的要求。那么我们可以采用以下步骤来实现Harris角点检测算法：

1. 将彩色图像转化为灰度图像。
2. 计算x和y方向的图像梯度。
3. 计算每个像素点的M矩阵，其中M矩阵的定义如下：
$$
M=\begin{bmatrix}
\sum_{x,y}w(x,y)I_x^2 & \sum_{x,y}w(x,y)I_xI_y \\
\sum_{x,y}w(x,y)I_xI_y & \sum_{x,y}w(x,y)I_y^2
\end{bmatrix}
$$
其中，$w(x,y)$是一个窗口函数，$I_x$和$I_y$分别是$x$和$y$方向的梯度。
4. 计算每个像素点的Harris响应函数：
$$
R=det(M)-k(trace(M))^2
$$
其中，$det(M)$和$trace(M)$分别是M矩阵的行列式和迹，$k$是一个常数，通常取0.04到0.06。
5. 对于每个像素点，比较其Harris响应函数和周围像素的Harris响应函数，如果其Harris响应函数最大，则将其标记为角点。

下面是用Python代码实现Harris角点检测算法的示例，您可以参考一下：

import cv2
import numpy as np

# 定义窗口大小和常数k
win_size = 3
k = 0.04

# 读取图像并转化为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算x和y方向的梯度
dx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
dy = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

# 计算M矩阵
M11 = cv2.boxFilter(dx*dx, cv2.CV_64F, (win_size, win_size))
M22 = cv2.boxFilter(dy*dy, cv2.CV_64F, (win_size, win_size))
M12 = cv2.boxFilter(dx*dy, cv2.CV_64F, (win_size, win_size))

# 计算Harris响应函数
detM = M11 * M22 - M12 * M12
traceM = M11 + M22
R = detM - k * traceM * traceM

# 标记角点
corner_thresh = 0.01 * R.max()
corners = np.zeros_like(R, dtype=np.uint8)
corners[R > corner_thresh] = 255

# 显示结果
cv2.imshow('Harris Corner Detection', corners)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用了OpenCV库来实现图像处理功能。其中，`cv2.Sobel`函数用于计算图像梯度，`cv2.boxFilter`函数用于计算M矩阵，`cv2.imshow`函数用于显示结果。您可以将上述代码保存为Python文件并运行，然后替换掉`image.jpg`为您所需检测的图像文件名即可。