在深刻理解Harris角点检测算法的基础上，自行拍摄带有角点的图像，完成图像中角点的检测并显示。具体要求如下：

非常感谢您的提问，关于Harris角点检测算法的问题，我会根据我的算法知识进行回答。下面是我给您的答案：

Harris角点检测算法是一种用于计算机视觉中角点检测的算法。在实际应用中，需要先将输入的图像转换为灰度图像，然后进行下列步骤：

1. 计算像素的梯度（导数）：通过Sobel算子计算每个像素点的梯度值，用来刻画图像的局部特征。

2. 计算结构张量：在每个像素点上，计算其周围邻域内像素的梯度向量的乘积和，得到2x2的结构张量，其中每个元素表示该方向的梯度差平方和。

3. 计算角点响应函数R：对于每个像素点，通过结构张量计算其角点响应函数R的值。这个值越大，说明该点越有可能是角点。

4. 对所有像素按照响应函数排序，选择前n个像素作为角点，并在图像中标注出来。

根据您的要求，我可以尝试使用Python编写代码实现图像角点检测功能。需要注意的是，具体实现方式可能因环境、数据等原因而有所区别。具体代码如下：

import cv2
import numpy as np

# 读取带有角点的图像
img_path = "corners.jpg"
img = cv2.imread(img_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算结构张量
ksize = 3
sobelx = cv2.Sobel(gray, cv2.CV_16S, 1, 0, ksize=ksize)
sobely = cv2.Sobel(gray, cv2.CV_16S, 0, 1, ksize=ksize)
Ixx = np.square(sobelx)
Ixy = np.multiply(sobelx, sobely)
Iyy = np.square(sobely)

# 计算角点响应函数R
k = 0.04
w = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]])
Sxx = cv2.filter2D(Ixx, -1, w)
Sxy = cv2.filter2D(Ixy, -1, w)
Syy = cv2.filter2D(Iyy, -1, w)
det = np.multiply(Sxx, Syy) - np.square(Sxy)
trace = Sxx + Syy
R = det - k * np.square(trace)

# 提取角点
threshold = 0.01 * np.max(R)
r, c = np.where(R > threshold)
img_corner = img.copy()
for i in range(len(r)):
    img_corner = cv2.drawMarker(img_corner, (c[i], r[i]), (0, 0, 255), cv2.MARKER_CROSS, markerSize=6)

# 显示结果
cv2.imshow("Corner Detection", img_corner)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，此代码演示了如何使用角点检测算法检测图像中的角点，并在角点处绘制标记。您需要自行准备一张带有角点的图像，并将其路径传递给img_path变量以供使用。望能对您有所帮助。