本文首先介绍了图像分割的基本概念，阐述了图像分割和其他图像技术的相互关系以及图像分割在组织细胞图像分析系统中的作用。 第二章中，介绍了传统图像分割算法的几种分类方式，并按分割原理的分类方式详细介绍了阈值分割算法、区域生长算法和分水岭分割算法这三种分割算法的实施方案，并分别阐述了它们在组织细胞图像分割中的应用，对分割结果进行了比较分析。 在第三章中，重点对图像简化中的数学形态学和分割后的合并准则进行了介绍和分析，得出了常用的以面积、灰度为基准的合并准则在针对组织细胞图像时不太适合。提出基于共生矩阵的纹理特征合并算法，以改进传统的合并准则。该算法的提出，弥补了分水岭分割算法中误分割、漏分割、过分割的缺点，提高了分割的准确性。 在第四章中，针对具有内质可见性特征的组织细胞图像，其分割后总是存在细胞边界与原图比较定位不精确的缺陷，提出了基于边缘检测理论和轮廓提取理论的分割算法。这种分割算法解决了一般分割算法在分割后的细胞边界与原图比较定位不精确的缺点，从而为后续的组织细胞图像分析打下了良好的基础。实验结果表明该算法是有效的。