用pycharm和Anaconda软件实现具体Harris 算法 不可以使用cv2库 使用numpy库

Harris角点检测算法是一种基于图像局部特征的边缘检测方法，它通过计算图像灰度级微分矩阵，并利用该矩阵的特征值来进行角点识别。要在PyCharm和Anaconda环境中不依赖`cv2`库实现Harris算法，我们需要利用`numpy`库做基本的数组操作和计算，以及一些基本的数学函数。

以下是简单的步骤：

1. 导入所需库：

import numpy as np

2. 定义高斯核函数，用于图像平滑：

def create_gaussian_kernel(size=5):
    sigma = size / 6.0
    x, y = np.mgrid[-size//2:size//2+1, -size//2:size//2+1]
    g = np.exp(-(x**2 + y**2) / (2*sigma**2))
    return g / g.sum()

3. 实现Sobel算子获取图像梯度：

def sobel_gradients(img):
    gx = np.convolve(img, [-1, 0, 1], mode='same')
    gy = np.convolve(img, [-1, 0, 1].T, mode='same')
    return gx, gy

4. 计算Harris响应矩阵（即Hessian矩阵）：

def harris_response(img, kernel_size=5, k=0.04):
    grad_x, grad_y = sobel_gradients(img)
    Ixx = np.multiply(kernel_size ** 2 * np.power(grad_x, 2), img)
    Iyy = np.multiply(kernel_size ** 2 * np.power(grad_y, 2), img)
    Ixy = np.multiply(kernel_size ** 2 * grad_x * grad_y, img)

    det = Ixx + Iyy - 2 * k * Ixy
    trace = Ixx + Iyy

    return det, trace

5. 应用阈值并找出角点：

def find_interest_points(img, threshold=0.01):
    det回应, _ = harris_response(img)
    corners = np.argwhere(det回应 > threshold)
    return corners

现在你可以按照这些步骤在PyCharm中运行代码，找到图像中的角点。记得处理可能出现的问题，如边界条件、零除错误等。如果你需要进一步的帮助，可以询问以下问题：