细胞计数在生物学、医学等诸多领域中发挥着重要作用,但是由于样品中细胞数量较多,人工计数不仅费时费力,而且结果具有主观性。为了能快速、准确地统计出结果,有必要开发自动化细胞计数方法。微流控系统能够操作体积非常微小的细胞样品和试剂,可较好地实现细胞分离,有助于后续统计分析。在过去的几年里,大量基于微流控芯片的实验设备被提出用于细胞识别和计数。为获得准确的统计结果,基于图像的方法被应用于微流控芯片内细胞计数,然而,现有的图像识别的方法大多限定于固定区域的细胞识别与计数,由于固定区域背景单一,因而只需要简单的方法或网络即可实现细胞计数。当这些方法应用到非固定区域细胞计数时,效果会下降,另外,外界环境的干扰以及图像质量的下降进一步加剧了细胞计数的困难。针对上述问题,本文利用图像处理、机器视觉等技术对微流控芯片内的细胞显微图像进行自动分析,提供准确的统计结果。具体工作开展如下:首先,本文对微流控芯片内细胞图像进行了预处理以提升图像质量。基于Pearson系数与网格搜索,对显微图像的径向畸变系数进行了求解,畸变校正后直线度达到了 0.008,与现有方法相比提升了 1 1%,校正效果良好:使用图像配准、图像融合等技术手段实现了图像缝合;利用卷积神经网络实现了显微图像的去散焦模糊,实验结果表明,去散焦模糊部分能够扩大后续细胞识别算法的适用范围,有效避免散焦对细胞与流道识别效果的影响。其次,本文利用UNet++神经网络识别细胞与流道。通过组合交叉熵与Dice loss损失函数解决了前景与后景不平衡问题,通过结合明暗场信息进一步提升了细胞与流道的识别效果。实验结果表明,细胞与流道识别的交并比指标分别达到了 0.7981与0.8998,细胞识别的精度与召回率分别达到了 0.95与0.97,其中,细胞识别精度与现有方法相比提升了 14.45%。最后,本文提出了一种简单有效的接触细胞分割算法。根据接触细胞特点,对凸包缺陷检测算法作了改进,并用其检测凹点,其检测结果与使用多边形近似、Harris角点检测等方法相比,不易受边界噪声的影响,具有更好的鲁棒性;根据细胞近似圆形这一特点,本文设计了基于紧凑度的凹点匹配原则,并使用这一原则确定了凹点对;基于凹点检测与凹点匹配设计了分割算法,实验结果表明,所提出的分割算法能达到90%的正确率,与两项现有工作相比,分别提升了 13.72%与 13.24%。本文利用图像处理、机器视觉等技术手段实现了准确的细胞计数,统计结果正确率达到了90%以上,满足实验计数要求。本文所提方法可以为后续细胞分析提供客观的数据基础,并为研究人员改善显微图像的质量,具有较高参考价值。