细胞作为生命物体构成的基础单元,它的作用不言而喻。为了深入了解细胞,细胞技术应运而生。细胞技术采用的是细胞的显微图像,因此细胞的显微图像处理与分析成了研究生命科学领域中一种不可缺少的技术,占有着举足轻重的地位。随着科学技术的发展以及显微技术日渐成熟,我们取得的生物微观数据也越来越丰富。然而要准确研究分析这些数据,对于当代生命科学领域和计算机领域人员而言是一项充满挑战的任务。经过多位专家研究发现,通过计算范围内细胞的数量可得知该生命体此部位健康与否。因此细胞计数也成为了研究细胞图像的一项重要方法。本文针对显微图像处理领域的细胞进行检测计数,其目标是暗视野下猫视网膜高密度细胞。论文的主要内容如下:针对高密度的视网膜细胞的图像特点(细胞中间有暗区、四周高亮),我们先在频域上进行一次滤波即二维离散傅里叶高斯高通滤波,对图像进行增强锐化处理;再采用两种新型滤波—阈值划分自适应模糊增强滤波、阈值划分自适应抑制性梯度滤波,将细胞中心暗区变为高亮区域,同时降低其余部分的亮度。以此来对细胞进行有效滤波。在细胞分割方面,本文采用的是基于智能算法的极大值处理。在现有的极值处理中,往常均是采用固定的选取范围进行极值处理,而本文加入了随机自适应极值计算,其目的在于提高计算效率的同时优化处理结果。另外我们采取了两种智能算法—改进遗传算法、粒子群算法,对比两种算法后选出最优的优化算法,将改进的极值与智能算法相结合对图像进行分割计数。最后通过与人工计数进行比较及误差分析,得出本次处理结果误差率较低,完全在可以接受的误差范围内。由此证明本文提出的方法适用于高密度视网膜细胞图像处理。