医学图像中细胞的自动识别分类是医学图像处理中一个重要课题，为医学辅助诊断提供重要依据。目前细胞自动识别主要针对血液中白细胞、红细胞的识别，用于诊断各种血液相关的疾病。而血液检测对于消化系统相关疾病则无能为力。为了诊断消化系统相关疾病，需要对粪便进行检测，根据红细胞、白细胞的数目确定是否有肠道出血等疾病。目前对粪便中细胞自动识别的研究还较少，本文正是针对粪便中细胞自动识别这一课题，运用图像处理技术和模式识别技术，针对粪便溶液中细胞图像特点，对图像预处理、分割、特征测量和识别进行研究。　　本文研究的粪便溶液显微图像中杂质较多，背景颜色深。且细胞与背景反差小，这些对图像分割有较大影响。针对这一问题，本文对RGB彩色图像的红、绿、蓝三个通道分别进行处理，并将边缘检测方法和阈值分割方法结合进行图像分割，分割后对二值边缘图像进行轮廓跟踪、形态学处理和孔洞填充，获得连通无孔洞的细胞候选区域。经过实验证明，Canny边缘检测和阈值分割结合对图像有较好的分割效果。　　在细胞分类阶段，由于摄像机放大倍数限制，图像中细胞内部纹理不清晰，因此无法利用细胞纹理特征等进行细胞分类。本文中利用细胞面积、圆形度、形状因子区分红细胞、白细胞。在测量统计细胞的各项特征值后，建立分类规则。实验证明，对红细胞、白细胞和杂质有较好的分类效果。　　实验证明，本文对粪便显微图像中细胞进行识别分类，准确率高，速度快。本方法满足实际应用需求，有很好的应用意义。