巨噬细胞是重要的免疫细胞,具有抗肿瘤和免疫调节功能,能吞噬凋亡细胞和侵入体内的细菌,形成吞噬体。巨噬细胞在创伤愈合、增强机体的免疫能力、疾病预防和治疗等方面起着举足轻重的作用。由于巨噬细胞具有尺寸大小不一,形状不规则,部分细胞群粘连现象严重等特征,所以要实现巨噬细胞自动检测比一般的红细胞、白细胞的检测更加困难,其中最主要的难点是对粘连巨噬细胞图像的正确分割。在本文中,我们正是重点研究粘连巨噬细胞图像的分割算法。随着形态学在图像分割中的应用,分水岭分割成为粘连细胞图像分割中最有效的方法之一但对巨噬细胞图像使用传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取“种子点”,并根据“种子点”的位置信息和灰度信息对“种子点”进行优化,依据优化后的“种子点”重新分布距离图,在此基础上使用分水岭算法,可以有效地分割粘连巨噬细胞并抑制过分割现象。此外,将分水岭算法与区域合并相结合,根据分水岭算法得到各子区域的特征参数,使用这些参数计算子区域间的相似性,把相似度高的相邻区域合并为一个新的区域,不仅可以抑制过分割现象,还能使得目标边界定位的更加精确。为了分析巨噬细胞的内部情况,使用了自适应多尺度形态学梯度提取细胞轮廓。最后,对分割后的细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值、二阶矩等,为巨噬细胞研究和临床诊断提供数据支持。