恶性淋巴癌也称“淋巴瘤”,是我国常见的十大恶性肿瘤之一。多病发于中、青年,成为威胁人类生命的一大杀手。目前医务人员大部分是通过观察患者的肿瘤切片来人工判断患者的病情,但由于切片在制作的过程中,受到设备和光照等外在条件的影响,很容易造成切片图像模糊不清,难以辨别。同时人工判读也会带来误差,影响最终对病情的分析。因此能够通过细胞显微图像处理及早的对淋巴肿瘤细胞进行诊断和鉴别,对于挽救生命具有十分重要的意义。因此,肿瘤细胞的自动分割和识别就成为人们研究的热点。为了能够快速准确地对肿瘤细胞进行分析识别,就需要对细胞的一些特征数据进行采集,对细胞的形态等方面的特征进行提取,因此细胞分割技术就成为了关键。本文针对临床的淋巴癌细胞切片图像的自身特点,提出了一种自动分割提取肿瘤细胞的方法。主要工作有以下几个方面：首先,全面叙述了国内外对于细胞分割方法研究的发展情况,并通过传统阈值分割、边缘检测分割以及区域分割三大类分割方法分别对淋巴癌细胞图像进行处理。通过实验结果,分析各自算法的优缺点。其次,本文提出了一种改进的K均值聚类的算法来提取淋巴癌细胞。通过分析淋巴癌细胞图像自身特点,提出在HSI空间中对经过了各向异性滤波处理后的亮度分量进行K均值聚类处理,取亮度值最低的一类,粗略定位细胞边缘的位置,之后结合细胞点周围的饱和度分量再做进一步处理,解决粗提取中细胞边缘缺损的问题,最终完整地提取出目标细胞。再次,针对粘连细胞的分割部分,本文提出了一种改进的粘连细胞凹点定位方法。通过画出粘连细胞的边界标记图,将细胞边界的二维问题转化为边界点与中心点的距离和角度的一维曲线问题。通过一定条件的筛选判断,将符合条件的,且距离中心点最近的两个边界点确定为粘连细胞的凹点,将两个凹点相连,实现粘连细胞初步的有效分割。最后,对分割好的细胞的几何参数特征进行提取分析,包括细胞的周长、面积、圆形度、长短轴,并统计了细胞数量,为以后的细胞识别工作打下基础。