边缘存在于目标与背景、目标与目标、区域与区域,基元与基元之间,表现为图像局部特征的不连续性,是图像中灰度、颜色或纹理变化较强烈的地方,也是图像最基本的特征之一。图像的边缘包含了目标的重要信息,因此,边缘检测是图象分析与模式识别的重要环节,是图像处理中的热点和难点。本文从介绍边缘检测的基础理论和现有的经典边缘检测算法入手,分析了边缘检测的难点,围绕当前边缘检测研究中存在的问题,对现有的一些算法进行了改进,主要创新点体现在以下几方面的工作中:(1)灰度图像的边缘检测方面,在滤波环节,改进了基于灰色关联度的自适应滤波算法,并运用到图像的滤波处理中,有效地解决了抑制随机噪声和保留边缘细节之间的矛盾。在边缘定位环节,利用Krisch算子将边缘方向引入基于形态学和基于灰色关联度等一些利用新的数学模型的边缘检测算法,提高了检测效果。(2)颜色空间方面,结合人类视觉感知特点对HSV色彩区域进行了重新划分,使其更接近人类视觉感知特点;修改了HSV和RGB颜色空间之间的转化关系,从而提高了颜色空间转换速度。(3)彩色图像边缘检测方面,介绍了当前两种主流的彩色图像边缘检测算法:输出融合法和多维梯度合成法,分析了这两种方法的缺陷,根据人眼视觉特性提出以饱和度为准则选择性的利用各颜色分量的边缘检测思想,基于这种思想,对一些常用的彩色图像边缘检测算法加以改进,改善了算法的性能。其次,本文将基于灰色关联度的灰度图像的边缘检测算法拓展到彩色图像,得到基于灰色关联度的彩色图像边缘检测算法。最后,论文利用人眼视觉特性和改进的HSV颜色空间,提出了基于灰色关联度的彩色图像边缘检测的新算法,经过实验证明这种方法更加简单、快速、有效。