坎尼算子是一类重要的二阶导数算子，请写出工作步骤并进行必要的说明 可以利用Python和opencv

坎尼算子（Canny Edge Detection）是一种广泛用于图像边缘检测的经典算法，它由John F. Canny于1986年提出。这个过程可以分为以下几个步骤：

1. **高斯滤波**：首先对输入图像应用高斯滤波器，这有助于平滑图像，减少噪声，并准备后续计算。

import cv2
import numpy as np

# 高斯核大小可以根据需要调整
kernel_size = 5
blur = cv2.GaussianBlur(image, (kernel_size, kernel_size), 0)

2. **计算梯度幅值和方向**：通过x和y方向的一阶导数计算出每个像素点的梯度强度（幅值）和方向。这里通常使用Sobel算子或者Prewitt算子。

sobel_x = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=kernel_size)
sobel_y = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=kernel_size)

gradient_magnitude = np.sqrt(sobel_x**2 + sobel_y**2)
gradient_angle = np.arctan2(sobel_y, sobel_x)

3. **非极大值抑制**：沿着梯度方向，保留局部极值点（即最大值和最小值），消除其他像素，得到更精确的边缘候选。

grad_mag = gradient_magnitude
_, edges = cv2.threshold(grad_mag, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 按阈值分割

aperture_size = 3
edges = cv2.Canny(edges, aperture_size * 3, aperture_size * 5) # 第一阈值，第二阈值

4. **双阈值策略**：最后，使用两个阈值（低阈值和高阈值）来确定边缘。对于小于低阈值的区域，标记为“不确定”；大于高阈值的区域保持原样，其余介于两者之间的区域细化处理，形成最终的边缘。

low_threshold, high_threshold = ... # 根据应用场景自定阈值
edges = cv2.dilate(edges, None) # 稍微膨胀边缘，连接附近的边缘点
edges = cv2.erode(edges, None) # 再次收缩，去除细小的断裂
final_edges = np.zeros_like(edges)
final_edges[edges > high_threshold] = 255