编程实现Canny算子的前3步（高斯滤波，梯度强度和方向计算和非最大值抑制）对提供的图像进行边缘特征检测。

在Python中，Canny边缘检测的一般流程包括三个主要步骤：

1. **高斯滤波**[^1]：

   from scipy.ndimage import gaussian_filter
   original_image = ...  # 原始图像
   blurred_image = gaussian_filter(original_image, sigma=1)  # 使用高斯滤波器平滑图像

2. **计算梯度强度和方向**[^2]：

   from skimage.feature import sobel
   gradient_x, gradient_y = sobel(blurred_image)
   gradient_magnitude = np.sqrt(gradient_x**2 + gradient_y**2)  # 梯度幅值
   gradient_direction = np.arctan2(gradient_y, gradient_x)  # 梯度方向 (以弧度表示)

3. **非极大值抑制(Non-Maximum Suppression, NMS)**:

   direction_gradient = gradient_direction * (np.pi / 2)  # 转换为0到pi范围
   suppressed_gradients = np.zeros_like(direction_gradient)
   for i in range(1, gradient_magnitude.shape[0]-1):
       for j in range(1, gradient_magnitude.shape[1]-1):
           if direction_gradient[i, j] == 0 or direction_gradient[i, j] == np.pi:
               suppressed_gradients[i, j] = gradient_magnitude[i, j]
           else:
               if direction_gradient[i, j] > direction_gradient[i-1, j] and direction_gradient[i, j] > direction_gradient[i+1, j]:
                   suppressed_gradients[i, j] = gradient_magnitude[i, j]
               elif direction_gradient[i, j] < direction_gradient[i-1, j] and direction_gradient[i, j] < direction_gradient[i+1, j]:
                   suppressed_gradients[i, j] = gradient_magnitude[i-1, j] if gradient_magnitude[i-1, j] > gradient_magnitude[i+1, j] else gradient_magnitude[i+1, j]

完成这三步后，`suppressed_gradients`就是经过非极大值抑制处理后的图像，下一步将是双阈值筛选来确定最终的边缘。