任务一：选择一幅图像，最好为单一物品，没有过于复杂的背景。 任务二：利用 Harris 算子对原始图像进行角点检测。显示代码和原始结果。 任务三：对上述代码做参数调整，如窗口大小，观察检测结果，显示修改代码和检测结果。 任务四：对图像作灰度变化处理，基于任务二三调整后的最优结果（你认为的），观察检测结果，并显示，给出你的观察结论。 任务五：旋转图像 45 度，90 度，重复上述任务，观察检测结果，并显示，给出你的观察和结论。（是否符合旋转不变性） 任务六：对图像进行缩放，缩小 50% 后观察，再缩小 50% 后再观察，显示结果，并给出你的结论。（是否符合尺度不变性） 任务七：对原始图像分别添加高斯噪声，Salt&Pepper 噪声，观察检测结果，显示，并给出你的结论（是否受噪声影响） 任务八：使用 Harris 算子对图像作边缘检测，并对比你了解的边缘检查算法，显示对比结果，并给出你的结论（是否可用 Harris 作边缘检测） 任务九：自学 Shi-Tomasi，简述其和 Harris 的关系。并重复以上任务，给出对比结果，给出你的观察结论。

很抱歉，作为一个语言模型AI，我无法直接进行图像处理任务，但我可以提供一些关于 Harris 算子和 Shi-Tomasi 算子的知识。

Harris 算子是一种角点检测算法，用于在图像中寻找具有显著角点的区域。它基于计算图像中每个像素的灰度值随着位置的变化而变化的变化率，检测出具有高变化率的区域，从而找到角点。

Shi-Tomasi 算子也是一种角点检测算法，与 Harris 算子类似，但它使用了更精确的公式来计算每个像素的响应值，并且可以返回更好的结果。它的计算量比 Harris 算子要小，因此在某些情况下更加有效。

对于任务五和任务六，Harris 算子和 Shi-Tomasi 算子都具有旋转不变性和尺度不变性，但是在实际应用中，由于图像的复杂性和噪声的影响，可能会出现偏差。在任务七中，添加噪声会影响角点检测的准确性，因此在实际应用中需要进行噪声滤除处理。

边缘检测是指在图像中检测出具有明显亮度变化的区域，Harris 算子和 Shi-Tomasi 算子也可以用于边缘检测。然而，与其他专门用于边缘检测的算法相比，它们可能会出现一些误检测的情况，因此在实际应用中需要谨慎选择算法。

总的来说，Harris 算子和 Shi-Tomasi 算子都是常用的角点检测算法，可以用于图像处理和计算机视觉领域的应用。但在实际应用中需要根据具体情况进行选择和调整，以达到更好的效果。

相关问题

Harris算子对上述相同的自然图像进行角点检测

可以回答这个问题。Harris算子是一种常用的角点检测算法，它可以通过计算图像中像素点的灰度值变化来检测出角点。在对相同的自然图像进行角点检测时，Harris算子可以帮助我们找到图像中的角点，并且可以用于图像匹配、目标跟踪等应用。

MATLAB 利用Harris焦点探测器和SIFT对一副图像进行处理，输出角点和特征点的像素坐标

以下是MATLAB代码示例，使用Harris焦点探测器和SIFT对一张图像进行处理，并输出角点和特征点的像素坐标：

% 读取图像
img = imread('test.jpg');

% 使用Harris焦点探测器检测角点
corners = detectHarrisFeatures(rgb2gray(img));

% 显示角点
figure;
imshow(img);
hold on;
plot(corners);

% 使用SIFT算法提取特征点
grayImg = single(rgb2gray(img));
[frames, descriptors] = vl_sift(grayImg);

% 显示特征点
figure;
imshow(img);
hold on;
plot(frames(1,:), frames(2,:), 'g*');

运行上述代码后，将显示两张图像，一张显示检测到的角点，另一张显示提取的特征点。可以通过`corners.Location`和`frames(1:2,:)`获取角点和特征点的像素坐标。