手写Harris角点检测代码，不调用cv2.cornerHarris函数

Harris角点检测算法是一种经典的计算机视觉算法，可以用于图像特征提取、目标跟踪等应用。下面是一个基于numpy实现的Harris角点检测算法的代码示例：

import numpy as np
import cv2

# 读取图像
img = cv2.imread('test.jpg')

# 转化为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 设置窗口大小和卷积核大小
window_size = 3
kernel_size = 3

# 计算图像梯度
dx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=kernel_size)
dy = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=kernel_size)

# 计算Harris矩阵的三个分量
Ixx = dx**2
Ixy = dx*dy
Iyy = dy**2

# 对Harris矩阵的三个分量进行高斯滤波
ksize = (window_size, window_size)
sigma = 1.5
Ixx = cv2.GaussianBlur(Ixx, ksize, sigma)
Ixy = cv2.GaussianBlur(Ixy, ksize, sigma)
Iyy = cv2.GaussianBlur(Iyy, ksize, sigma)

# 计算Harris响应函数
k = 0.04
det = Ixx*Iyy - Ixy**2
trace = Ixx + Iyy
R = det - k*trace**2

# 设置阈值并进行非极大值抑制
threshold = 0.01*np.max(R)
R[R < threshold] = 0
R_nms = cv2.dilate(R, np.ones((3, 3), np.uint8))
R_nms[R < R_nms] = 0

# 显示角点
corners = np.argwhere(R_nms > 0)
for corner in corners:
    x, y = corner
    cv2.circle(img, (y, x), 3, (0, 255, 0), -1)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代码先读取了一张测试图像，然后将其转化为灰度图像，计算了图像在x和y方向上的梯度，并根据梯度计算Harris矩阵的三个分量。接着对这三个分量进行高斯滤波，计算Harris响应函数，并进行非极大值抑制，最后在角点处画圆。