细胞显微图像智能识别是一个较大的难题。白细胞的分割和识别是其中一项非常重要的内容。它的任务是观察和测定血液中各种白细胞的总数、相对比值、形态等,用于判断有无疾病、疾病种类及严重程度。利用自动化仪器代替人工处理,不仅可以大大提高血检工作效率、降低人工劳动强度,也可以使检验更精确。在前人的研究基础上,根据白细胞显微图像的特点,本文给出了以显微镜、彩色CCD及计算机为主体,利用计算机图像分析技术实现白细胞分类的系统。完成白细胞的识别分类,需要以下几个步骤:白细胞显微图像的采集,图像的预处理及分割,图像的特征选择及特征提取,细胞分类识别。首先,根据白细胞的特点,介绍一种显微图像采集装置,对瑞氏染色后的白细胞进行图像采集。其次,对白细胞显微图像进行平滑和锐化等预处理,得到噪声较小的图像。然后,再利用HSI空间中饱和度通道对细胞核的特异性,分割出白细胞细胞核。确定白细胞细胞核的质心,以质心为中心划定一个圆形区域,提取出包含细胞质在内白细胞区域。最后,以白细胞细胞核形状特征和细胞质颜色特征形成特征向量,进行分类识别。形状特征采用对平移、旋转和缩放具有不变性的Zernike矩和HU矩,颜色特征采用整个白细胞非细胞核区的细胞质颜色R、G、B通道均值,并以欧氏距离判断当前颜色归属那种标准颜色。在模式识别中,本论文利用BP神经网络对特征向量进行分类。根据已有的样本完成对BP神经网络中权值和阈值的确定。最后用大量样本进行测试,取得比较满意的效果。本论文在软件设计方面采用面向对象语言开发工具VC++6.0。