目前对细胞的识别与分析已成为医学临床学诊断的重要手段,同样,在动物医学中,对牛乳体细胞的诊断与分析是判断奶牛是否感染乳腺炎的主要途径,然而最关键的一个步骤就是对牛乳体细胞进行计数。目前,最常用的细胞计数手段就是通过人工阅片,由于该方法容易受到主观因素的影响,并且劳动强度大,工作效率低,从而导致分析结果缺乏准确性和客观性。因此,运用图像处理技术对牛乳体细胞图像进行自动识别与分析己成为当今生物医学研究的主流方向。通过研究相关领域在国内外的发展现状,并对比分析各自所采用方法的优缺点,本文针对彩色牛乳体细胞图像进行了预处理,图像分割及粘连细胞的分离等研究,为牛乳体细胞图像自动识别技术提供了技术保障。论文的主要内容如下：(1)利用图像处理技术的基本理论和方法,对彩色牛乳体细胞图像进行预处理,去掉噪声等无关的干扰信息,得到最适合本文实验的图像。(2)由于在3维彩色空间直接实施分割存在计算量大、处理速度慢,且直接在低维空间实施分割准确率低的问题,本文提出了一种基于降维与融合的牛乳体细胞图像分割方法。通过对彩色图像各颜色分量的分析,选取合适的低维空间实施K-means分割,最后将在低维空间分割的结果图像,利用信息融合技术中区域分裂与合并的思想进行融合得到分割结果。经过实验测试与评价,得出该方法具有准确率高,处理速度快等特点,为后续粘连牛乳体细胞图像的分离奠定了基础。(3)通过对传统粘连细胞分离方法的介绍与比较,针对粘连的牛乳体细胞图像,提出了一种基于梯度信息Hough圆检测的粘连细胞分离方法。首先需要将经过初分割后的牛乳体细胞图像再次进行预处理操作,并利用八邻域链码提取经过处理后的体细胞轮廓,然后利用基于梯度信息的Hough圆检测方法对粘连细胞进行分离,由于对参数选取等原因,在分离结果中会产生虚假细胞,最后通过建立判别准则,对虚假细胞进行剔除,以实现粘连细胞的最终分离。