在生物医学图像中,应用计算机辅助技术对医学图像处理已经成为临床诊断和病理分析的主要工具。细胞图像由于本身的构造,常常会有多个细胞重叠在一起,对细胞图像的分割和计数是观察和分析有无疾病的重要依据。细胞图像的获取包括硬件设施及软件等诸多方面的工作,因此如何应用图像处理与分析技术把在复杂背景下的重叠细胞图像分割开来,提高医学分析的精度,节省医务工作者的工作效率,是论文研究的关键与重点。判别细胞重叠与否的关键因素是形态特征参数中的形态因子,形态因子是度量细胞近圆度的一个有效参数,当细胞存在重叠时,其边界由于凹陷会相应地导致形状因子变小,因此利用形态因子能有效地判别细胞是否存在重叠,为后续的分割与计数做准备。论文对计算细胞周长的方法做了改进,去掉了细胞边缘上的毛刺和细小噪声,使其更符合细胞的圆形轮廓,并提出了基于边界剥离的区域像素标记法,避免了细胞跟踪过程中陷入死循环的问题,缩短了算法运行时间,简化了设计程序。细胞图像由于在采集过程中的不同,会导致图像质量的差异和不尽人意的退化。为了更加精确地显示细胞的轮廓,去掉图像内部的孔洞,对图像进行了填充,使得图像看上去更光滑。应用了数学形态学中梯度图像来增加灰度变换,同时应用高帽变换来增强图像对比度,通过这些图像预处理技术消除了细胞图像中无关的信息,突出了我们所关心的图像特征,增强了细胞的可检测性和最大限度地简化了数据,达到改善图像质量的目的。对预处理后的重叠细胞应用基于控制标记符的分水岭分割算法来分离,通过形态学重构后的梯度图像来得到图像中的局部最大值,对图像中局部最大值进行标记,同时采用了边界剥离的方法对标记局部最大值的二值图像进行了距离变化,求的外部标记符集合,最后对标记后的图像进行了梯度修正,对修正后的梯度图像做分水岭分割。实验证明,利用标记符这个先验知识,避免了传统分水岭中过分割和梯度不规则的问题,最后对分割后的细胞图像进行计数统计。