Harris角点检测代码编写，要求返回角点坐标，不调库

第一个问题的回答：

Harris角点检测是通过计算局部灰度变化来检测图像中的角点，一般可以通过以下步骤来编写角点检测算法：

1. 对图像进行灰度化处理，将彩色图像转换为灰度图像；
2. 对图像进行高斯滤波，减少图像噪声；
3. 计算Sobel算子，求取图像在x和y方向上的梯度；
4. 计算每个像素点的M矩阵；
5. 根据M矩阵的响应函数计算每个像素点的角点响应值；
6. 对角点响应值进行非极大值抑制，得到所有的角点；
7. 根据设定的阈值，筛选出最终的角点，并返回角点的坐标。

下面是一个简单的Harris角点检测的代码实现，仅供参考：

import cv2
import numpy as np


def harris_corner_detection(image, ksize=3, k=0.04, threshold=0.01):
    # 1. 灰度化处理
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 2. 高斯滤波
    gray = cv2.GaussianBlur(gray, (ksize, ksize), 0)
    # 3. 求取x和y方向上的梯度
    dx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=ksize)
    dy = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=ksize)
    # 4. 计算M矩阵
    Ix2 = dx ** 2
    Iy2 = dy ** 2
    Ixy = dx * dy
    M11 = cv2.GaussianBlur(Ix2, (ksize, ksize), 0)
    M22 = cv2.GaussianBlur(Iy2, (ksize, ksize), 0)
    M12 = cv2.GaussianBlur(Ixy, (ksize, ksize), 0)
    # 5. 计算角点响应值
    det_M = M11 * M22 - M12 ** 2
    trace_M = M11 + M22
    harris_response = det_M - k * trace_M ** 2
    # 6. 非极大值抑制，获得所有角点
    harris_response_max = cv2.dilate(harris_response, None)
    harris_corners = np.zeros_like(harris_response)
    harris_corners[harris_response > threshold * harris_response_max] = 255
    harris_corners = np.uint8(harris_corners)
    # 7. 获取角点坐标
    corners = cv2.goodFeaturesToTrack(gray, 100, 0.01, 10, mask=harris_corners)
    corners = np.int0(corners)
    corners = [tuple(c[0]) for c in corners]
    return corners

这段代码实现了基本的Harris角点检测算法，输入一个彩色图像，输出它的所有角点坐标。但需要注意的是，Harris角点检测算法对于光照变化敏感，需要进行图像预处理，以及对阈值进行适当调整。