细胞生长汇合度是细胞体外培养环节中的重要参数。目前的细胞汇合度评估方法主要依靠人工,工作效率低,结果精度差,且主观性强。图像处理技术具有快速、准确、自动化程度高等优点,在生物医学领域应用日益广泛,用来分析细胞汇合度可以在很大程度上提高检测效率和客观准确性,也为研究人员通过显微镜观察细胞的生长情况提供了很大的便利。为了实现对细胞汇合度的定量分析,必须提取细胞的面积特征参数,而细胞特征参数的提取与细胞能否被正确分割具有很大的关系。本文以脐带源间充质干细胞为主要研究对象,依据细胞显微图像的特点,对细胞图像分割算法进行了研究,实现细胞生长汇合度的定量分析,解决了活体细胞无损检测技术的难题,同时简化了细胞样本制作的流程。本文主要研究工作概况如下:(1)图像预处理算法的研究。从细胞显微图像自身特点出发,研究脐带源间充质干细胞显微图像的预处理方法,以增强图像对比度,改善细胞灰度图像的质量。(2)细胞分割算法的研究。本文重点对目前图像处理的常用分割算法以及基于特定理论的分割算法进行了细胞图像实验及优缺点分析,主要包括阈值法、边缘检测法、区域生长法和基于水平集的图像分割算法等。由于以上算法在实际应用中无法对细胞进行准确分割,本文提出改进的K-Means聚类算法作为细胞分割方法。(3)细胞分割结果的优化处理。提出了面积滤波和自适应的断点连接等方法,优化细胞分割结果,为后续细胞特征参数的提取奠定了基础。(4)特征参数的提取和误差分析。通过提取面积特征参数实现对汇合度的定量分析,对10组具有代表性的细胞图像进行汇合度的自动检测,并对检测结果与传统人工检测方法结果的误差进行分析。实验结果显示,通过算法定量分析方法得到的结果与通过传统人工检测方法得到的结果间没有显著性差异。表明本文提出的汇合度自动分析算法具有准确度高,可靠性强的优点,可以在实际检测过程中替代传统的人工分析操作,具有广阔的应用前景。