外周血红细胞形态的检查可初步判断贫血性疾病的类型，同时也对分析血液流变及其循环生理规律有重要作用。目前，红细胞形态的观察通常是病理专家在显微镜下观察经过染色的标本，并结合自己的经验和医学知识对病情做出判断。这种人工镜检存在效率低、主观干扰重、劳动强度大、不能保留样本等缺点。本文应用图像处理与模式识别技术对红细胞图像进行定量分析和自动识别可避免人工镜检的缺点，具有重要的医学应用价值。　　本文针对显微红细胞图像的特点，在红细胞分割及后处理、特征提取及分类识别等方面展开深入的研究。首先，在分析血液图像中各物质的R分量、G分量、B分量三者的区别和联系基础上，采用基于三分量差值的方法对红细胞图像进行提取，去除白细胞和血小板等杂质，并采用中值滤波对灰度图像进行去噪。应用形态学滤波和基于背景区域标记的孔洞填充完成阈值分割后图像的后处理。对于细胞粘连的情况，采用改进距离图的分水岭算法对图像进行分割，避免了过分割现象。根据细胞图像的信息特征，本文提取了细胞的形态特征、灰度特征和Hu矩，这些特征将作为细胞分类识别的特征库。在训练阶段，利用基于径向基核函数的支持向量机对红细胞图像进行识别，并采用网格搜索法、遗传算法和粒子群算法对支持向量机的惩罚因子和核函数参数进行了寻优。最后，利用构造的分类器对测试样本的类别进行预测。实验结果表明，本文研究设计的算法在红细胞图像的分类识别中切实可行，对于显微红细胞图像的定量分析和分类识别效果良好。