边缘检测作为计算机视觉的重点和难点之一,它不仅需要正确的检测边缘,还需要正确的分类边缘。在传统的灰度图像中,边缘分类基本不可完成,而在彩色图像中可利用灰度图像没有的颜色信息进行分类。本文理论分析和实验结果表明,已有的彩色图像边缘检测算法容易丢失低对比度区域边缘、对颜色信息利用不足,彩色图像边缘分类算法存在区分能力有限、对外部照明条件敏感等缺点。本文意在寻求以上问题的解决办法,提供适合彩色图像边缘检测和分类的算法。彩色图像边缘检测可分为输出融合法、多维梯度法和向量法三大类。通过比较发现向量法是三者中最好的,但是这些算法均没有有效利用区域信息,因此在低对比度区域易丢失边缘。本文提出基于区域距离测度的检测算法,采用3×3大小的图像掩模,按理想边缘模型把掩模内的图像像素分为两个像素集合,然后使用向量距离矩阵计算两个向量区域之间的距离,最后应用非极大值抑制方法得到图像边缘。实验结果表明,该算法能在低对比度区域检测更多的边缘。彩色边缘检测不仅与检测算法有关,彩色空间也影响检测结果。但已有算法基本都基于RGB颜色空间,仅利用亮度信息而较少利用颜色信息。并且该空间三分量高度相关,与人类视觉倾向于用色调、饱和度和亮度共同描述彩色物体不一致,不适合于边缘检测任务。而HIS等颜色空问把亮度分量和颜色信息分开,有利于开发基于颜色描述的算法。本文利用更利于颜色表示的一种去除归一化饱和度的改进HIS空间,提出基于饱和度的彩色图像边缘检测算法,由实验结果得到,算法在部分测试图像中有更好的检测结果。由于RGB空间没有利用颜色信息,不具备边缘分类能力。本文采用二色反射模型对HIS等非RGB颜色空问进行不变特性分析,利用这些不变特性区分边缘,但发现特定的颜色空间只能检测某些特定类型边缘和降低对某些边缘的判决能力。上述边缘分类算法都基于零阶图像结构,分析已有的微分边缘分类算法,实验表明微分边缘方法有更好的边缘判决能力。但是,无论是零阶还是微分分类算法都对照明颜色敏感,为克服此缺点,本文提出使用颜色恒常算法,矫正未知照明情况下的图像到标准光源下进行处理。实验结果表明,该方法可以消除照明颜色对边缘检测的影响,提高检测的鲁棒性。