尿沉渣显微镜检查是常见而重要的临床检验项目,红细胞是检测重要指标之一。目前,临床上对尿液中有形成分的检验主要还是依靠人工镜检的方式。该方式工作强度大,主观程度强,且主要集中于有形成分的定性检查,不利于临床的定量诊断。随着计算机视觉以及模式识别技术的发展,尿沉渣有形成分检测的自动化定量分析己经成为可能。自动分析过程可以划分为图像预处理、分割、特征提取及识别。本论文主要就红细胞的分割与识别展开研究工作。在图像预处理方面,采用Mean Shift算法对彩色图像直接进行平滑处理,之后利用Canny算子对图像进行边缘检测,获得的对象边缘较为完整,且一定程度上抑制了背景噪声的影响。根据红细胞形状一般接近椭圆的特点,本文采用了常用的参数化曲线检测方法——Hough变换来进行红细胞的分割。由于描述椭圆需要使用5个参数,因此标准Hough变换在本研究中不具有可行性,而随机Hough变换则更加适用。通过分析随机Hough变换的采样效率,指出了降低采样过程中噪声水平的必要性,并基于降噪的思路提出了改进的随机Hough变换椭圆检测算法。根据红细胞大小的先验知识,在全图进行Hough变换圆环检测,获得若干可能存在红细胞的区域,然后再依次在各个候选区域中进行随机椭圆Hough检测。为在合理的内存开销下进一步降低算法复杂度,Hough变换的参数空间采用了5个一维累加器数组来构造。由于此时的随机Hough变换在一个很小地范围内进行,局部信噪比大为提高,因此算法效率可得到极大提升,准确率也明显提高。通过在尿沉渣图像上的实验,验证了算法的有效性。针对分割得到的椭圆对象,进行了若干几何特征的提取,并基于ID3算法来构造红细胞识别决策树。所得决策树在实际尿沉渣图像集上进行了验证性应用,取得了较好的效果。