边缘检测，即边缘识别和定位，是3D模型构造、形状识别、图像压缩、图像增强、图像存储和图像分割等各种应用当中的底层和关键处理技术之一。它要求能检测出精确的边缘且同时具有较高的计算效率，是图像处理技术的挑战和难点之一。彩色图像比灰度图像含有更多的颜色信息，有着广泛的应用，基于灰度图像的边缘检测算法很难满足彩色图像的边缘检测需求，大量算法都直接基于彩色图像进行边缘检测。本文讨论基于彩色图像的边缘检测算法，主要研究内容包括：1.研究基于YUV颜色空间的边缘检测算法。研究发现，YUV颜色空间比常用的RGB颜色空间更符合人类结合色调和亮度的视觉特性。本文讨论了基于YUV颜色空间的边缘检测算法，充分利用了YUV颜色空间的Y，U，V三个颜色分量具有相互独立的重要特性，并结合基于直方图技术的自适应权值系数的设置方法，达到增强YUV颜色空间的三个分量的差异的效果。仿真试验结果表明，本文改进的边缘检测方法具有阈值设置简单且自适应、边缘检测精度相对较高等特性。2.研究基于边缘生长的边缘检测算法。边缘检测算法中，合适阈值的选取是关键，也是难点之一。若阈值选择过大，会导致边缘丢失和边缘不连续的现象；反之，若阈值选择过小，则会导致被检测的边缘存在伪边缘的情况出现。本文研究了基于边缘生长的边缘检测算法，结合了曲线拟合等技术来预测下一边缘点，提高了跟踪效率和精确度；同时，使用边缘处梯度信息的几何连续性，提出了判定伪边缘及修复缺损边缘的新方法。新方法实现简单，仿真试验也表明了新方法具有良好的边缘检测效果。