1. 应用高斯滤波来平滑(模糊)图像，目的是去除噪声
2. 计算梯度强度和方向，寻找边缘，即灰度强度变化最强的位置
3应用非最大抑制技术NMS来消除边误检模糊（blurred）的边界变得清晰（sharp）。保留了每个像素点上梯度强度的极大值，而删掉其他的值。对于每个像素点，进行如下操作：
4应用双阈值的方法来决定可能的（潜在的）边界。（去除噪点）
设定一个阈值上界maxVal和阈值下界minVal，图像中的像素点如果大于阈值上界则认为必然是边界（称为强边界，strong edge），小于阈值下界则认为必然不是边界，两者之间的则认为是候选项（称为弱边界，weak edge），需进行进一步处理——如果与确定为边缘的像素点邻接，则判定为边缘；否则为非边缘。
5. 利用滞后技术来跟踪边界。和强边界相连的弱边界认为是边界，其他的弱边界则被抑制。
由真实边缘引起的弱边缘像素将连接到强边缘像素，而噪声响应未连接。为了跟踪边缘连接，通过查看弱边缘像素及其8个邻域像素，只要其中一个为强边缘像素，则该弱边缘点就可以保留为真实的边缘。
edge = cv2.Canny(image, threshold1, threshold2
[, edges[, apertureSize[, L2gradient ]]])
方括号表示参数是可选的，你可以选择性地提供该参数。
