近年来,医学图像在协助医生诊断与提高诊断精度方面发挥了越来越重要的作用,医生对图像诊断的需求也日益增加。目前我国的影像诊断还是医生根据肉眼观察与临床经验作出判断,而医学图像存在大量的边缘模糊现象,不仅耗费大量的时间与精力,而且有时难以作出正确的诊断,甚至会出现漏诊与误诊事件。因此,医学图像的计算机辅助诊断(computer-aideddiagnosis,CAD)具有重要的研究意义与应用价值。在CAD系统中,细胞自动识别直接关系到诊断的准确性,而在医学图像中某些细胞存在与背景噪声灰度相近、边缘模糊等复杂问题成为图像分割的难题。在医学图像分割中,主要包括直方图阈值法、边缘检测法、基于区域的方法、聚类方法等,但因尚无通用的分割理论,现提出的分割算法大都是针对具体问题的,并没有一种适合所有图像的通用分割算法。另外,还没有制定出选择适用分割算法的标准,这给图像分割技术的应用带来许多实际问题。在前人工作的基础上,本文提出了一种基于形态学边缘与大津法的细胞图像自动分割方法,即利用数学形态学边缘检测算子对图像边缘锐化增强边缘,利用邻域平均与中值滤波方法平滑图像,利用改进的判别分析法进行细胞图像的自动分割,并将本方法应用于实际的20幅癌细胞图像,证明了其对图像分割的有效性。