根据harris原理用python写一个findcorners函数返回角点列表以及绘制了角点的新图像

以下是基于Harris角点检测算法的Python代码，包括一个名为“findcorners”的函数，以及代码中的示例图像：

import numpy as np
import cv2

def findcorners(img, blockSize=2, ksize=3, k=0.04, threshold=0.01):
    # Convert image to grayscale
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # Calculate Harris corner response
    dst = cv2.cornerHarris(gray, blockSize, ksize, k)

    # Normalize response values to range 0-255
    dst_norm = np.empty_like(dst)
    cv2.normalize(dst, dst_norm, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX)

    # Threshold response values to identify corners
    corners = np.argwhere(dst_norm > threshold * dst_norm.max())
    corners = corners[:, ::-1]

    # Draw corners on image
    img_corners = img.copy()
    for c in corners:
        cv2.drawMarker(img_corners, tuple(c), color=(0, 0, 255), markerType=cv2.MARKER_CROSS, thickness=2)

    return corners, img_corners

# Example usage
img = cv2.imread('example.jpg')
corners, img_corners = findcorners(img)
cv2.imshow('Original Image', img)
cv2.imshow('Corners', img_corners)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先将输入图像转换为灰度图像，然后使用`cv2.cornerHarris`函数计算Harris响应值。接下来，我们对响应值进行归一化，并将其阈值化以找到角点。最后，我们在原始图像上绘制角点，并返回角点列表以及绘制了角点的新图像。

我们可以使用以下代码来测试`findcorners`函数：

img = cv2.imread('example.jpg')
corners, img_corners = findcorners(img)
cv2.imshow('Original Image', img)
cv2.imshow('Corners', img_corners)
cv2.waitKey(0)
cv2.destroyAllWindows()

这将加载名为“example.jpg”的图像并在屏幕上显示原始图像以及在其中找到的角点。