动物机器人相比仿生机器人具有运动灵活、成本低、控制较方便等优势,因此具有广阔的应用前景。大壁虎由于其出色的无障碍运动能力和负重能力成为制作动物机器人的理想动物,要制作大壁虎动物机器人,必须对其运动神经空间编码进行研究,而研究大壁虎脑切片的是研究运动神经空间编码的重要基础。本文首先介绍了大壁虎染色脑切片显微图像的获取,制作了大壁虎的脑部的石蜡切片,并使用伊红-苏木精染色法(HE染色)对石蜡切片进行染色操作,使用数码显微镜与PC机进行数字化采集。在图像分割方面,首先介绍了基于HSI颜色空间的数字图像处理的方法对脑切片显微图像进行预处理和图像分割,在神经科学方面以及脑图谱方面的经验知识的指导下,采集不同染色脑区的图片作为样本,并计算这些图片的数字图像特征值,从而建立基于人工经验的染色脑图谱经验库,该经验库对后面的分割识别工作具有重要的指导作用;利用切片图像前景背景在饱和度方面的差异,利用阈值将前景图像从整个图像中分割出来,并得到了前景脑区完整的轮廓图像,作为预处理工作;考虑到不同脑区在数字图像颜色分量方面的差异,利用在色度值上的差异分割神经元细胞区域和神经纤维区域,利用神经纤维区域内部不同密度纤维区域在强度值上的差异分割表现为深蓝色的密集神经纤维与神经纤维束区域和表现为浅蓝色的稀疏神经纤维区域,最终获得了清晰直观的分割结果。在后期处理方面,利用数学形态学对之前的分割结果进行进一步的优化和识别:利用闭运算对破碎不完整的深蓝色分割区域进行修补与重建,利用连通区域标记分离已经被分割出来的各个脑区到不同的图像,并通过对各个区域的像素特征进行统计,获得各个脑区的位置、面积和轮廓等重要信息。本课题着重研究了数字图像处理方法在脑切片的分割识别研究中的作用,探寻出一种行之有效的区域阈值分割方法,经试验发现,该分割方法可以对大壁虎染色脑切片图像进行较好的分割,分割结果简洁、直观、清晰,符合人对染色脑切片的认知,并有较强的抗噪能力。