用python编写一个双阈值确定图像边缘函数的代码，使用递归的方法，不使用opencv库

以下是用Python编写的双阈值确定图像边缘的递归函数代码：

import numpy as np

def edge_detect(image, low_threshold, high_threshold):
    """使用双阈值确定图像边缘"""
    rows, cols = image.shape
    result = np.zeros((rows, cols), dtype=np.uint8)
    for i in range(rows):
        for j in range(cols):
            if image[i, j] >= high_threshold:
                result[i, j] = 255
                # 递归处理与当前像素相邻的像素
                edge_trace(result, i, j, low_threshold)
            elif image[i, j] >= low_threshold:
                # 标记这些像素为弱边缘
                result[i, j] = 128
    return result

def edge_trace(image, i, j, low_threshold):
    """递归处理与当前像素相邻的像素"""
    rows, cols = image.shape
    for m in range(max(0, i-1), min(rows, i+2)):
        for n in range(max(0, j-1), min(cols, j+2)):
            if image[m, n] == 128 and abs(m-i) != abs(n-j):
                if image[i, j] >= low_threshold:
                    image[m, n] = 255
                    edge_trace(image, m, n, low_threshold)
                else:
                    image[m, n] = 0

这个函数接受一个灰度图像和两个阈值作为输入，并返回一个二值化的图像，其中白色像素表示边缘，黑色像素表示非边缘。

算法的基本思路是，首先将所有大于高阈值的像素标记为边缘，然后递归处理与这些像素相邻的像素，将弱边缘变为边缘，直到没有新的像素被标记为边缘或弱边缘。对于所有标记为弱边缘的像素，如果它们与任何一个边缘相邻，则将它们也标记为边缘，否则将它们标记为非边缘。

在递归处理相邻像素时，需要注意避免死循环和处理对角线方向的像素。