边缘作为图像最基本的特征,存在于图像的不规则结构和不平稳现象中,即存在于信号的突变点处,这些点不仅传递了大部分的图像信息并且给出了图像轮廓的具体位置,而这些轮廓又是图像处理时所需要的非常重要的信息。在计算机视觉中,边缘检测是获取图像中物体的重要特性的过程。图像的边缘检测大幅度地减少了数据量,并且剔除了不相关的信息,保留住了图像中重要的结构属性,为后续的图像处理工作奠定了基础。边缘检测作为图像分析和理解的基本步骤,其结果的准确性和可靠性使得机器视觉系统对客观世界的理解产生直接影响。目前提出的边缘检测算子大多数是针对灰度图像的,对彩色图像的边缘检测算法的研究还远没有灰度图像边缘检测发展的成熟。本文首先综述了边缘检测的相关算法的研究,对经典边缘检测算子进行了分析比较；在介绍了彩色空间的基础上,对彩色图像边缘检测的方法如经典边缘检测算子方法,多维度梯度方法,向量空间法等进行了分类研究,在此基础上本文开展了如下的研究工作：(1)RGB空间是最常用的一种彩色信息表达空间,彩色图像通常是以RGB的方式存储与表达,根据RGB颜色空间的特性,本文利用像素点的颜色坐标r,g,b构建像素的颜色三角形,计算该三角形的周长和内角。将周长和内角作为像素点的信息量的度量。通过像素点在相关邻域上的信息量的计算,确定该像素点是否为彩色图像的边缘点。这种边缘检测方法,将三维空间的颜色信息转换到二维空间进行考虑,在二维空间中定义出像素点的颜色信息量。实验结果表明,与传统方法相比,该方法能检测出更多的边缘,并且算法实现简单,检测出的边缘清晰。(2)HSI色彩空间是从人的视觉系统出发,用色调、饱和度、和亮度来描述色彩,它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可以在HSI色彩空间中方便地使用,这三个分量可以分开处理并且是相互独立的。通过分析HSI空间的特点提出了以下方法：利用像素点的颜色坐标H,S,I构建像素的颜色三角形,S和I为三角形的两条边,H为两边的夹角,从而确定该三角形的面积和边长。任意改变H,S,I的值即改变颜色,同时三角形的面积和形状也会发生相应的改变,从而可以用面积和周长为信息量判断该像素点是否为彩色图像的边缘点。文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整。