随着信息技术的发展,图像处理技术已经成为科学研究不可缺少的强有力工具。在医学图像处理领域,借助计算机来进行图像处理和分析,是图像处理技术结合医学图像特点的重要应用方面。在生物医学图像处理的研究中,细胞图像中细胞的分割是其中最重要、最困难的一个方面,细胞分割的好坏对于细胞信息定量分析、细胞变异等研究具有不可低估的影响。本课题是图像处理和识别在医学领域的一个应用性研究,旨在利用图像处理技术,对动物精细胞进行分割,以便实现对动物精细胞的定量分析。本文首先研究了国内外该领域的技术方向和发展,然后对医学图像分割方法进行了详细综述,分析了现有方法的原理和特点,指出了各类方法的优缺点。在这些理论和技术的基础上,结合家兔精细胞图像特点,针对该显微图像背景光线不均匀、对比度比较低的情况,结合细胞边缘和二维灰度分布,提出了一种基于边界特征的一维OTSU分割方法;为充分利用灰度空间信息,提出一种基于边界特征的二维最大熵分割方法。实验表明,该方法分割结果较传统方法在分割精度和算法的鲁棒性方面有了较大改进。最后,文章分析了形态学处理方法,对分水岭算法进行了详细介绍,并针对分水岭算法的过分割,提出了基于改进多尺度灰度形态学梯度的分水岭分割算法,该方法利用多尺度灰度形态学混合开闭重建运算进行空间平滑,然后采用多尺度梯度修正算法求得梯度图,再进行分水岭变换。实验表明,该算法较好地解决了传统算法存在的过分割问题。