椭圆检测是数字图像处理和计算机视觉中的一项很重要的技术,它在工业自动化监测、生物医学和航空航天等领域有着很广泛的应用。因此,开发出一种快速而准确的椭圆检测算法是极其重要且有意义的。本文开始简单介绍了椭圆检测算法在国内外的研究现状,然后深入研究了三种椭圆检测算法。基于最小二乘的椭圆检测算法原理简单明了,但算法程序运行时间较长,也易对非椭圆轮廓产生误拟合,即受干扰点影响较大。基于一维参数空间霍夫变换的椭圆检测算法是一种比较新颖的算法,该算法能把霍夫变换的参数空间降到一维,但是却依赖于椭圆的长轴端点,若长轴端点缺损,该算法便会失效。针对基于一维参数空间霍夫变换的椭圆检测算法的缺点,本文提出了一种改进算法,使得该算法在长轴端点缺损但短轴端点还存在的情况下依然有效。然后,本文还提出了一种新的基于图形对称性的椭圆检测算法,利用分步计算原理,分步计算椭圆的各个参数,从而降低算法整体的时间复杂度。该算法在计算得到了椭圆中心后,根据椭圆的对称性先找到椭圆的长轴倾斜角,再去计算其他的参数。另外,该算法计算椭圆参数的方法比较简单,也不依赖椭圆的长短轴端点,但椭圆的轮廓必须存在二分之一以上,否则该算法也会失效。其中,本文对上述的三个椭圆检测算法都分别进行了实验,以验证其检测椭圆的效果。最后,本文把三种椭圆检测算法运用到红细胞的自动化计数中。进行实验并比较了三种算法的优劣,实验结果表明在血红细胞没发生粘连的情况下,三种算法基本都能获得一个较好的计数效果。随后我们还分析了运用椭圆检测算法进行血红细胞计数时还存在的两个问题,即:(1)白细胞的影响;(2)细胞粘连重叠的影响。针对这两个问题,本文进行了详细的说明并给出了相对有效的解决方法。