Canny算子是一种经典的边缘检测算法，于1986年由John Canny提出。相比其他边缘检测算法，Canny算子具有以下特点：

1. 高准确性：Canny算子能够对图像中真实边缘进行准确检测，并尽量排除非边缘部分的干扰。

2. 低错误率：Canny算子在边缘检测过程中，能够尽量减少错误的边缘检测，即将噪声和细节等误判为边缘的情况。

3. 单一响应：对于明显的边缘，Canny算子能够产生单一像素宽度的边缘响应。

Canny算子的步骤如下：

1. 噪声抑制：利用高斯滤波器对输入图像进行平滑处理，以减少图像中的噪声。

2. 梯度计算：通过对平滑后的图像应用Sobel（或Prewitt）算子，计算每个像素点的梯度幅值和方向。

3. 非极大值抑制：在梯度图像上，对每个像素点在其梯度方向上进行比较，并保留局部最大值点，抑制非边缘像素。

4. 双阈值检测：根据设定的高阈值和低阈值，将梯度图像中的像素点分为强边缘、弱边缘和非边缘三个部分。

5. 边缘连接：通过连接强边缘像素和与之相连的弱边缘像素，形成完整的边缘。

下面是一个使用OpenCV库实现Canny算子的简单例程：

import cv2# 读取输入图像
image = cv2.imread("input.jpg", cv2.IMREAD_GRAYSCALE)# 使用Canny算子进行边缘检测
edges = cv2.Canny(image, 100, 200)# 显示结果
cv2.imshow("Input Image", image)
cv2.imshow("Canny Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例程中，首先使用cv2.imread()函数读取输入图像，并将其转换为灰度图像。

然后，我们使用cv2.Canny()函数对灰度图像进行Canny边缘检测。函数的参数包括输入图像、高阈值和低阈值。这两个阈值用于控制边缘的强度，一般建议高阈值为低阈值的两倍到三倍。

最后，使用cv2.imshow()函数显示原始图像和Canny边缘检测结果。使用cv2.waitKey(0)等待用户按下任意按键后关闭窗口并结束程序。

请确保将代码中的"input.jpg"替换为您要进行边缘检测的实际图像的路径。此外，确保已安装OpenCV库并正确配置Python环境。