牛奶的质量和奶牛的健康标准是根据牛乳体细胞数判定的。体细胞自动识别与分析的准确性依靠牛乳体细胞图像的正确分割来实现,同时能够提高牛乳质量检测和奶牛乳腺炎判断的准确性及效率性。而牛乳体细胞结构复杂、大小不一,伴随严重的粘连、重叠现象,直接导致体细胞分割的准确性降低,对后续的识别、分析工作产生影响。本文针对牛乳体细胞图像的特点,在已有的分割算法基础上,提出一种分割粘连牛乳体细胞图像的方法。首先用K-means方法把目标图像变换成仅含有细胞核、细胞浆和背景的三值灰度图,提取出体细胞图像(细胞核、细胞浆)。用数学形态学算子对目标图像的二值图进行预处理,消除噪声与碎片,填补空洞、平滑边缘。最后采用距离变换和基于图像重构的分水岭算法对图像进行分割,实验结果表明此算法对粘连牛乳体细胞图像的分割效果明显,基本解决了分水岭算法中的过分割问题,为后续的图像分析与细胞计数提供了有效的方法策略。