对生物细胞进行形态特征检测和分析能够为生命科学以及临床诊断领域提供技术支持。无透镜成像系统因其具有体积小、成本低以及操作简单的优势,可在资源匮乏或偏远地区代替大型显微镜实现疾病的诊断、预防等应用。由于无透镜成像系统存在成像分辨率低的问题,采用传统图像处理算法不能满足实际应用需求,因此研究该系统下细胞图像的识别与计数算法具有重要意义。本文针对无透镜成像系统存在的问题,提出一种适用于低分辨率细胞图像的识别与计数算法,并完成了基于ZYNQ平台的加速系统实现。首先分析了同轴数字全息成像技术的原理,根据本研究的需求确定了全息重建的方法。其次,根据成像过程中难以获得细胞样本精确焦平面的问题,提出了基于改进的提升小波变换算法的自动判焦函数,同时通过引入自适应步长搜索方法来满足计算中实时性的需求。然后,设计了一种适用于全息重建图像的细胞分割和计数方法,并利用无透镜成像系统采集大量细胞样本来对算法进行测试。测试结果表明,本文方法对于类球型细胞的平均识别准确率可达95.4%,平均误差为4.6%。相较于传统算法,本文算法重建出的图像在基于能量梯度和方差值的评价指标上均有明显提升。为进一步缩小无透镜成像系统的体积和降低其成本,本文完成了细胞识别与计数算法的加速系统实现。基于软硬件协同设计的思想对算法进行软硬件模块的划分,其中软件模块通过移植嵌入式Linux系统和OpenCV函数库来实现,硬件模块则基于流水线设计的思想,利用Verilog HDL语言对算法进行硬件语言描述,实现了自动判焦模块的硬件加速。对各模块在Xilinx Vivado中完成仿真验证后,基于FACE-Z7硬件开发平台搭建了系统验证工程,并对系统平台进行了测试与分析。硬件测试结果表明,在100M系统时钟下,本文设计的加速系统处理单帧图像的速度为75.85ms,相较于PC平台速度提升了 2.18倍,相较于ARM平台获得了 3.75倍的加速比,同时硬件计算结果与软件计算结果相同,能够满足设计需求。