体外抗病毒实验，是筛选和鉴定抗病毒药物的常用方法，而药物抗病毒效果主要是根据细胞的病变程度（病变细胞数量和活细胞数量的比例）来测定。本文主要采用基于机器视觉的方法，对体外抗病毒试验中细胞的分割、识别与计数算法进行研究。　　本文首先介绍了细胞培养的基本知识，并与协作单位（山东省医学科学院基础所）一起，完成了用于体外抗病毒试验的Hela细胞培养。　　根据应用要求，对系统设备的选型、结构和参数（如CCD的灰度分辨率、空间分辨率等）进行理论分析，建立了一套用于体外抗病毒药物筛选中活细胞计数的显微图象采集系统。　　本文在原有研究的基础上，将频域中圆形物体的检测分割算法应用到悬浮状态下Hela细胞图像的分割，平均准确率达98.1％。　　利用Heisenberg测不准原理和滤波器中心频率与带宽的制约关系，设计了约束参数Gabor滤波器，并将其用于贴壁细胞的分割，取得了满意的结果，结合形态学运算，分割的准确率达98.2%。　　在研究活动轮廓模型的基础上，提出将基于Mumford泛函轮廓模型和Level set方法用于贴壁细胞图像的分割，分析优化了参数，获得了理想的分割结果，准确率达98.4%。