免疫组化技术是癌症诊断的重要技术之一。基于计算机视觉的医学图像处理技术,能够帮助医生客观、快速、准确得出诊断结果,对推动医疗自动化诊断有显著作用。阳性染色所对应的颜色,褐色,是免疫组化染色图像分析中的一个重要特征。检测图像中的褐色有助于分析生物标记在病理切片中的分布。目前,对褐色的检测方法几乎都依赖于颜色空间的选择。目前存在多种颜色空间,之前的研究没有确定出最适合用于褐色检测的颜色空间。本文通过研究褐色在17种现有空间中的分布特性,确定出最适合用于褐色检测的颜色空间。基于概率模型的颜色检测方法被证明能够有效的检测免疫组化染色图像中的褐色,本文采用概率模型为基本方法,研究最适合于概率模型的、可用于免疫组化图像中褐色检测的颜色空间。由于之前研究中的概率模型是使用的两个颜色分量构建,并且使用的是计算机视觉中颜色检测常用的颜色空间中的两个色源分量构建概率模型,但是并未研究同一颜色空间中,不同颜色分量的组合对颜色检测结果的影响。本文采用的是将每个颜色空间所包含的颜色分量进行两两组合的方法,17种颜色空间共形成50个颜色分量组合,并在相同数据集上训练生成50个颜色检测概率模型。通过大量实验,确定出rg-by为最适合颜色检测的颜色分量组合。与目前经典的以及最新的免疫组化染色图像褐色检测方法的结果比较,基于rg-by颜色分量组合建立的概率模型,褐色检测的准确率最高。不同实验室制作的免疫组化染色图像数据集中的褐色,在颜色空间中的分布有较大差异。之前研究的针对褐色检测的方法,在跨数据集检测时的准确率变化差异较大。尽管基于rg-by颜色分量组合建立的概率模型,在当前数据集上具有很高的检测准确率,但是对于一个新的数据集,仍然会出现检测准确率明显降低的现象。针对该问题,本文提出了使用多个现有颜色空间建立混合颜色空间的新方法。由于使用多个颜色空间建立的混合颜色空间的维度很高,不利于实际应用。本文采用对褐色最敏感的四个颜色分量建立混合颜色空间,并用主成分分析方法对混合颜色空间进行降维,使用特征空间中的前两列作为新的两通道混合颜色空间。基于新的混合颜色空间建立的概率模型,分别在食管癌、直肠结肠癌以及肝硬化三种不同来源组织病理切片得到的病理图像数据集进行褐色检测。实验结果表明,与目前所有最常用的褐色检测方法相比,基于该两通道的混合颜色空间建立的概率模型,具有相等或略高于其他褐色检测方法的检测准确率,并且其在跨数据集检测褐色时,检测准确率的差异性最小。最后,基于本文介绍的新的褐色检测方法,实现了褐色的检测工具,该工具在检测褐色时,具有很好的检测准确率,同时,在跨数据集时检测时,检测准确率具有很好的稳定性。