不要调库，写出canny边缘检测的Python代码

Canny边缘检测是一种广泛使用的图像处理算法，用于检测图像中的边缘。虽然Python中有现成的库如OpenCV可以方便地进行边缘检测，如果你想要不依赖外部库来实现，我们可以基于简单的数学运算和图像处理步骤来编写代码。这里是一个简单的非库版本的Canny边缘检测算法示例：

import numpy as np

def gradient(x):
    dx = [ [-1, 0, 1], [-2, 0, 2], [-1, 0, 1] ]
    dy = [[-1, -2, -1], [0, 0, 0], [1, 2, 1]]
    
    Gx = np.zeros_like(x)
    Gy = np.zeros_like(x)
    
    for i in range(3):
        for j in range(3):
            Gx += x[(i+1)*x.shape[0]:-(i+1), (j+1)*x.shape[1]:-(j+1)] * dx[i][j]
            Gy += x[(i+1)*x.shape[0]:-(i+1), (j+1)*x.shape[1]:-(j+1)] * dy[i][j]

    return np.hypot(Gx, Gy)

def non_max_suppression(img, sigma=3):
    blurred = gaussian_filter(img, sigma)
    dx = gradient(blurred)
    dy = gradient(np.fliplr(blurred))  # 对垂直方向求导后水平翻转

    suppressed = np.copy(img)
    suppressed[dy < 0] = 0  # 水平边缘，向下抑制
    suppressed[dx < 0] *= dy > 0  # 垂直边缘，如果向左，则保持；否则抑制

    return suppressed

def thresholding(suppressed, low_threshold, high_threshold):
    edges = np.copy(suppressed)
    edges[suppressed >= high_threshold] = 255
    edges[suppressed < low_threshold] = 0
    return edges

# 使用函数
img = np.random.rand(100, 100)  # 生成测试图像
edges = thresholding(non_max_suppression(img), 0.1*img.max(), 0.3*img.max())

请注意，这个代码仅用于演示目的，实际应用中可能会涉及到更多的优化和调整。此外，它没有考虑双阈值策略、连接边缘等完整的Canny流程。