基于微液滴的微流控技术在单细胞分析、数字PCR和高通量筛选等领域取得了巨大的进展。在这一技术的开发和应用中,微液滴含量的定性和定量分析发挥着越来越重要的作用。通过该技术,可以将对微小生物分子浓度等定量生物特性的检测转化到间接的对微液滴的定量分析之中。微液滴定量分析往往需要借助荧光显微成像技术的辅助及微液滴荧光图像的分析处理。但是,微液滴荧光显微图像的计数、检测、分析等操作,大都依赖于生物科研工作者对荧光图像的人工阅读,耗费时间长,工作量大,极大地增加了他们的负担。为了解决上述问题,荧光斑点自动化检测方法受到了广泛的关注和研究。但在微液滴荧光图像中,由于微液滴与背景亮度差异微弱,图像中噪声环境复杂及微液滴大量聚集粘连情况的出现,目前仍无有效的微液滴自动检测方法。因此,本文对这一问题进行了深入的研究,提出了有效的微液滴自动化检测方法。根据微液滴荧光显微图像背景中是否含有自由酶引发的背景光,微液滴荧光显微图像可以划分为有背景荧光微液滴图像和无背景荧光微液滴图像。对有背景荧光微液滴图像,我们首先应用高斯降噪滤波滤除了图像中近似高斯分布的噪声,然后采用限制对比度的自适应直方图均衡(CLAHE)算法对图像进行全局增强,提升空微液滴的对比度,接着使用能够有效分离前景目标和背景的Otsu阈值分割获取微液滴的二值分割图,最后利用能够检测圆形特征的改进Hough圆变换算法从图像中自动提取并统计出所有微液滴的数量和位置,实现了这一类型图像下的微液滴的自动检测。相比而言,无背景荧光微液滴图像可见度更低,其中不发光的空微液滴与背景的对比度更低,噪声干扰更大,亮度信息微弱,因而更难检测。通过对这类图像微液滴特性的分析,我们设计了一种更有效的无背景荧光下的微液滴自动检测算法:首先利用Anscombe方差稳定性变换,把图像中所含的泊松-高斯混合噪声类型转换为近似的高斯噪声类型,利用实验室最新研发的自适应聚类和渐进PCA近似相结合的降噪算法实现微液滴图像的细节保留图像降噪,再基于亮度图估计的低亮度图像增强方法对降噪后图像进行自适应局部对比度增强,接着采用类Radon特征提取和自适应阈值分割对微液滴的边缘特征进行目标二值化分类提取,最后利用改进的Hough圆变换算法检测出能够发亮光的荧光微液滴和不发光的空微液滴,从而能够在具有极暗背景的荧光显微图像中自动检测出全部的微液滴信息,确保了临床生物医学应用的可行性和准确性。使用本文提出的两种微液滴检测图像算法对两组各15幅荧光微滴图像进行了对比测试,有背景荧光下的检测算法获得的真阳性率(TPR)、误检率(FPR~*)、F-测度(F-measure)的平均值及标准差分别为0.9980?0.0022、0.0015?0.0019和0.9983?0.0013;无背景荧光下的检测算法获得的真阳性率(TPR)、误检率(FPR~*)、F-测度(F-measure)的平均值及标准差分别为0.9944?0.0071、0.0306?0.0346、0.9824?0.0171。对比实验结果表明本文提出的微液滴自动检测算法可以有效地检测出图像中的微液滴信息,并且能够完成准确的计数。与现有的荧光斑点检测算法相比,本文提出的方法对荧光图像中微液滴目标的检测更准确,鲁棒性更高,可以满足临床诊断和生物学实验需要。