临床化验,包括血液涂片,尿液沉渣、病理切片和其他含细胞的标本检查等工作早期是由人工完成的,存在着效率低、专业性强等一系列的问题,利用计算机对细胞图像进行自动判读可以有效地避免这些问题,因而成为国内外学者研究的一个热点。在细胞自动判读技术识别过程中,细胞分割是一个非常重要的环节,分割结果的好坏直接关系到后续识别的效果。由于细胞图像的多样性和复杂性,目前还没有一种完全通用的分割方法可以实现对所有细胞图像的正确分割。无论采用哪种分割算法,总会产生重叠、粘连的现象,因此,迫切需要提出一种切实可行的方法来解决这一难题。将粘连、重叠在一起的颗粒目标分割成单个颗粒是一种特殊意义下的分割,本文正是针对这一问题进行研究的。本文阐述了该领域的国内外研究现状,介绍了目前已有的图像分割方法,主要包括有基于区域分割、基于边缘分割和基于特定理论分割等三类方法,并对一些常用的分割算法进行了比较分析,指出了它们的优缺点。现有粘连细胞的分离算法大部分是基于数学形态学的,包括基于分离点搜索的分离算法、流域算法和水坝算法,本文在比较分析了这些算法的优缺点的基础上,提出了一种改进的基于数学形态学的分离算法。该算法首先采用一种简单、快速的边界剥离方法得到距离变换结果,然后再用分水岭方法精确找到分离点,从而实现粘连细胞的分离。实验结果表明,算法获得了良好的分离效果。最后,对全文进行了总结,并指出了今后的工作将着重狭长目标及单目标形状不规则的颗粒图像中聚堆目标的分离。