类圆性颗粒图像的处理与分析在工农业生产、医疗卫生等领域均有广泛的应用。将这些物质颗粒从图像中分割出来，统计其数目并提取各单个物质颗粒的特征参数(如面积、周长、直径、中心矩、颜色等)，可以对其品质进行分析。例如，确定菌落数量是农业、食品、医药卫生分析中进行质量检测的一项基本而重要的工作，水中的菌落计数是评价水受污染程度的一项重要质量指标。早先，这些工作主要由人工观测来完成，工序繁杂、耗时长、效率低，而且带有一定的主观性，误差大，重现性不好。采用图像处理与分析的方法能够将操作人员从这一繁重的工作中解脱出来，并大大提高计数与分析的精度，从而得到广泛的应用，成为近年来国内外的一大研究热点。 图像分割是颗粒图像处理与分析过程中的关键环节，分割结果的好坏直接影响计数的精度与后续的处理。然而，图像分割技术也是图像信息工程的一大经典难题，尽管众多国内外学者对此进行了广泛、深入的研究，提出了不少应用算法，但仍没有一种方法对所有测试图像分割效果均为最佳。特别是在颗粒图像分析中，颗粒尺寸可能大小不一、形态各异，并且往往产生聚堆现象，分割的难度更大。为此，本文在分析现有技术的基础上，针对现有算法的不足，以菌落细胞图像为实验对象，深入分析聚堆目标颗粒的形态特征，研究类圆性颗粒图像的自动分割技术，以提高分割的精度和速度。 论文主要从两方面来研究提高分割效率：一方面是从分离算法设计出发，研究颗粒图像中聚堆颗粒的分离算法；另一方面是从系统实现出发，研究实现一个可以灵活地进行算法序列重组的颗粒图像分割计数系统。 论文首先介绍了有关颗粒图像处理与分析过程中涉及到的一些基础知识，如二值图像、邻域像素、连通、阈值分割、边界跟踪、标号等。然后重点介绍了边界跟踪算法，详细分析了其算法过程及效率。在此基础上，提出了基于边界跟踪的快速标号算法、聚堆目标分离算法、快速真实欧氏距离变换算法及在聚堆目标分离中的应用。最后介绍了一个图像处理与分析框架系统的构建及菌落细胞图像分割、计数与分析系统的实现。 ◆ 基于边界跟踪的快速标号算法。仅需一遍扫描可完成任意复杂区域的标号，并可得到各物体区域的有关参数，实验结果表明比目前流行的基于行传播的线扫描标号算法效率提高了约10％。此外，如果对实心区域进行标号，该算法速度将更快；加以扩展，可用于灰度图像标号及基于种子点的快速填充。 ◆ 基于边界跟踪的聚堆目标分离算法。算法对聚堆目标区域的边界进行逐层