一直以来,提高医学药品的开发速度是研究人员追求的目标。果蝇作为一种优秀的实验动物模型材料,被广泛应用于生物医学与新药研制。通过观察果蝇复眼在施药前后的变化,分析动物活体对药品的适应性。目前这些观察、判断的工作都是由人工完成,工作量大,诊断速度慢,准确率较低。本文研究果蝇复眼病变诊断系统中光学图像的处理,该项工作是光学图像采集技术、数字图像技术以及嵌入式计算机技术应用于医学显微图像领域,尤其是诸如果蝇一类细小生物样本方面的新尝试,并且是一个值得研究和开发商用产品的新方向。本文在果蝇复眼病变诊断研究方面取得了较有成效的进展,设计实现了基于嵌入式Linux系统的果蝇复眼病变智能检测系统的软件部分。针对果蝇复眼目标与背景的分割问题,提出一种基于色度、色饱和度和亮度(HSI)彩色空间的分割算法。该算法将果蝇复眼RGB图像中R分量代替B分量成RGR图像,并映射到HSI空间在饱和度S分量上分割果蝇复眼;并比较和分析了快速模糊C均值聚类(FFCM)灰度分割法和最大类间方差(OTSU)阈值化分割法在果蝇复眼目标提取上的性能,处理结果表明OTSU法分割果蝇复眼轮廓的优势最为明显。针对OTSU法计算量大,执行效率低的缺点,提出采用鲁棒性和并行性的遗传算法进行优化,并利用改进的遗传算法(IGA)快速的非线性搜索求解最优分割阈值,阐述了改进遗传算法和优化求解的过程,并给出优化实验结果。同时,归纳果蝇复眼的A、B两类病变,利用面积的特征和亮度的特征对复眼病变进行诊断。基于嵌入式Linux系统建立软件开发环境,设计包括基于光学图像采集技术的果蝇复眼显微图像的采集、果蝇复眼的病变诊断、诊断信息的管理以及批量图像的智能诊断等功能模块。最后以QT软件为平台,设计了系统的图形用户界面。测试结果表明,系统检测精度可达95%以上,响应时间＜0.1s,处理时间＜3s/张,具有友好的人机交互界面,与人工方式相比优势明显,为高效地检测果蝇一类药品检测实验对象提出行之有效的新方法。