现如今医学图像技术的快速发展，使得医生在诊断中所获得信息量增加，同时医生对大量图像信息的识别工作加重，所以细胞图像的分割变得越来越重要。近些年来模式识别和人工智能等技术被广泛的应用在医学诊断领域中，并成为该领域中热门的研究课题。在研究图像的过程中首先是对整幅图像进行预处理操作即除去图像中存在的噪声来提高图像的信噪比，从而为后续的处理做好准备工作。图像预处理技术主要是对整幅图像在正式处理之前的一系列的操作，这主要是因为图像信息在传输和存储的过程中很容易受到诸如光电转化、电磁干扰的影响使得破坏图像原本的信息。　　本文主要是针对医学细胞图像的分割技术展开研究，提出一种自适应阈值Canny算子边缘检测算法，同时使用基于垂直结构的结构元素采用复合的运算方式进行去噪处理，以及针对细胞图像存在粘连的情况改进原有分水岭算法从而对粘连细胞进行分割处理。主要工作如下:　　1、分析研究图像预处理技术、图像分割技术、图像识别相关技术以及图像理解的相关知识，通过编程实现了常用的图像处理算法。　　2、通过对数学形态学算法的分析和研究得知该算法在去噪准确性和运行时间上都存在缺陷和不足，由此提出一种基于垂直结构和复合多角度运算的数学形态学去噪算法，使得去噪效果变得更加准确并且算法的运行时间有明显的缩短。　　3、针对传统Canny算子在去噪上存在边缘模糊度增加和算法的运算效率低以及通过人工选取高低两个阈值使边缘检测的误差增大的弊端，提出一种将改进后的数学形态学抗噪算子应用到Canny算子边缘检测算法中，并且通过图像自身的特点自动选取合适的阈值进行边缘检测，使边缘检测后的图像更加清晰和完整。　　4、针对细胞图像可能出现粘连的情况，采取一种基于数学形态学腐蚀运算的分水岭算法来解决细胞图像粘连时的分割问题并且还可以抑制传统分水岭算法的过分分割的问题，使得在处理粘连细胞图像时变得更加准确。　　5、通过改进原有传统算法使得在去噪和分割效果上都有较好的提高，为了验证算法的准确性，通过实验图像和数据来验证改进后算法的有效性。