Hough变换因其对噪声和局部信息缺损不敏感的良好性能，日益成为显微图像分割的重要方法和研究热点之一，但其仍然存在着算法复杂、效率较低等不足。本文在阐述Hough变换方法原理基础上，深入研究了基于Hough变换的显微图像分割方法。主要内容如下：通过对无效采样的概率的分析，采用弦中点Hough变换。将每一个用来确定圆参数的点组的构成由三点减少至两点，可以降低无效采样概率，再通过对点组中特征点的坐标关系进行限定来减少算法的计算量,从而较好地的解决了随机Hough变换的无效累积的问题。由于细胞本身的复杂性及光照等因素的影响，获得的边缘检测图像中常包含虚假的边缘信息，并且大多数的Hough变换算法都是采用空域边缘检测算子对图像进行预处理，但空域边缘检测对噪声影响极其敏感。针对这些情况，本文采用形态学孔洞填充操作来减少虚假圆的产生，并且采用改进的形态学边缘检测法来提取图像边缘，在有效地抑制噪声的同时获得准确的图像边缘信息，有效地解决了非圆环上点被作为边缘点被提取的问题。彩色图像能够比灰度图像提供更多的边缘信息，本文采用更符合人眼视觉感知特性的HSI彩色空间，首先分别对S、I分量的图像操作，增强图像的亮度，再采用伪彩色处理，尽量将图像中的细胞和背景分别用不同的颜色显示，通过HSI空间和伪彩色处理，便于获得更多且准确的边缘信息，本算法无需滤波操作，减少了边缘信息的损失，将彩色空间与Hough变换结合，能够快速且准确地实现细胞的定位。对本文提出的三种算法进行了Matlab仿真实验研究，结果表明：本文算法提取圆形目标比较准确，速度更快，实际显微图像分割实验也证明了算法的有效性。