论文主要对基于数学形态学分水岭算法研究其在细胞图像分割中的应用,改进了一种基于标记的分水岭彩色细胞图像分割方法,提出了一种分阶段处理分割粘连细胞图像实现核浆分离的方法。分水岭算法由于采用了并行化处理以及可产生完全的分割区域,即可以得到连续、封闭、单象素宽的精确的边缘这两方面的优越性能,已经被广泛地应用在图像处理的很多领域。但是,因其对噪声十分敏感而引起的过分割现象,导致分割结果出现大量的零散区域。因此,如何解决过分割问题就成为改进分水岭算法的主要议题。利用数学形态学定位效果好、分割精度高、抗噪声性能好的特点,将数学形态学方法引入分水岭变换中,可以收到良好的抑制过分割的效果。简单的形态学开闭运算会导致边缘信息的不连续,采用形态学重构的方法可以很好的解决这一问题。基于标记的分水岭分割正是借鉴了形态学重构的思想,采用强制最小标定技术解决了传统分水岭算法的过分割问题。本文提出的算法也是基于这一考虑获得的,通过仿真实验以及与其它算法的对比,证明了该算法的有效性。但由于该算法中形态结构元素的选取是基于对图像的具体情况的,需要对于图像特征的先验知识,自适应能力相对较弱。