在matlab上不适用自带的函数库编写一段用Harris角点检测算法分析图像的代码，并给出分析其性能的方法

以下是一个用Harris角点检测算法分析图像的MATLAB代码：

% 读入图像
img = imread('lena.png');
img = rgb2gray(img);
imshow(img);

% 计算Harris响应函数
sigma = 1;  % 高斯滤波的标准差
threshold = 0.01;  % Harris角点检测的响应值阈值
k = 0.04; % Harris响应函数的常数参数
[h, w] = size(img);
Ix = conv2(img, [-1 0 1; -1 0 1; -1 0 1], 'same');  % 计算x方向的Sobel梯度
Iy = conv2(img, [-1 -1 -1; 0 0 0; 1 1 1], 'same');  % 计算y方向的Sobel梯度
A = imgaussfilt(Ix.^2, sigma);  % 计算Ix^2的高斯滤波
B = imgaussfilt(Iy.^2, sigma);  % 计算Iy^2的高斯滤波
C = imgaussfilt(Ix.*Iy, sigma);  % 计算IxIy的高斯滤波
R = (A.*B - C.^2) - k*(A+B).^2;  % 计算Harris响应函数

% 选择响应值大于阈值的像素点作为角点
corners = (R > threshold*max(R(:)));
corners = imdilate(corners, ones(3, 3));  % 膨胀处理，使角点更加明显

% 显示角点
figure;
imshow(img);
hold on;
[y, x] = find(corners);
plot(x, y, 'r.', 'MarkerSize', 10);

对于性能分析，可以考虑以下几个方面：

1. 计算时间：Harris角点检测算法使用了高斯滤波和Sobel梯度等操作，这些操作都需要计算时间。可以使用MATLAB自带的tic和toc函数来计算程序的运行时间，或者使用MATLAB自带的Profile工具来分析程序的性能。

2. 精度：Harris角点检测算法的精度取决于响应值阈值、常数参数k和高斯滤波的标准差等参数的选择。可以尝试不同的参数组合来测试算法的精度。

3. 角点检测率：Harris角点检测算法的角点检测率指的是算法能够检测到多少个真实的角点。可以使用一些基准图像和已知的角点位置来测试算法的角点检测率。

4. 鲁棒性：Harris角点检测算法对于噪声、旋转、缩放等图像变换的鲁棒性也是一个重要的性能指标。可以使用一些带有噪声、旋转或缩放的图像来测试算法的鲁棒性。