image：2D or 3D ndarray
输入灰度图像，斑点被假定为暗背景上的亮(白对黑)。
min_sigma：标量或标量序列，可选
高斯核函数的最小标准差。保持低电平以检测更小的斑点。高斯滤波器的标准差为每个轴作为一个序列，或作为一个单一的数字，在这种情况下，它是相等的所有轴。
Max_sigma:标量或标量序列，可选
高斯核函数的最大标准差。保持这个高度，以检测更大的斑点。高斯滤波器的标准差为每个轴作为一个序列，或作为一个单一的数字，在这种情况下，它是相等的所有轴。
sigma_ratio:浮动,可选的
用于计算高斯差的高斯核 的标准差之间的比率
threshold:浮动或无，可选
尺度空间极值的绝对下界。小于阈值的局部最大值被忽略。减少这一点，以检测较低强度的斑点。如果还指定了threshold_rel，则将使用更大的阈值。如果为None，则使用threshold_rel。
overlap:浮动,可选的
0到1之间的值。如果两个斑点的重叠部分大于阈值，则较小的斑点将被消除。
threshold_rel:可选float或None
峰值的最小强度，计算为max(dog_space) * threshold_rel，其中dog_space指的是内部计算的差分高斯(DoG)图像堆栈。它的值应该在0和1之间。如果为None，则使用阈值。
exclude_border: int的元组或int或False，可选
如果元组是int型的，则元组的长度必须与输入数组的维数匹配。元组的每个元素将排除图像沿该维度边界的exclude_border-pixels内的峰值。如果非零int，则排除图像边界exclude_border-pixels内的峰值。如果为0或False，则不论峰与边界的距离如何，都将被识别。

>>>from skimage import data, feature
>>>coins = data.coins()
>>>feature.blob_dog(coins, threshold=.05, min_sigma=10, max_sigma=40)
array([[128., 155.,  10.],
       [198., 155.,  10.],
       [124., 338.,  10.],
       [127., 102.,  10.],
       [193., 281.,  10.],
       [126., 208.,  10.],
       [267., 115.,  10.],
       [197., 102.,  10.],
       [198., 215.,  10.],
       [123., 279.,  10.],
       [126.,  46.,  10.],
       [259., 247.,  10.],
       [196.,  43.,  10.],
       [ 54., 276.,  10.],
       [267., 358.,  10.],
       [ 58., 100.,  10.],
       [259., 305.,  10.],
       [185., 347.,  16.],
       [261., 174.,  16.],
       [ 46., 336.,  16.],
       [ 54., 217.,  10.],
       [ 55., 157.,  10.],
       [ 57.,  41.,  10.],
       [260.,  47.,  16.]])