数字图像处理在医学图像分析方面的应用十分广泛,尤其是在医用显微图像的处理方面,如组织细胞分类、染色体分析、组织识别、细胞变异研究等。细胞区域的分割提取是判断细胞形态异常或细胞计数的前提,直接关系到诊断的可靠性。本文以瑞典Uppsala大学图像分析中心的自建医学显微细胞图像数据库作为图像源,对其中具有连续闭合边界且出现轻度或中度粘连的神经元干细胞图像和白细胞图像进行图像分割研究,其研究具有理论意义和实际应用价值。本文的主要研究工作包括：(1)对医学显微细胞图像分割方法进行综述,介绍了一些传统方法和新方法,分析了各自的特点。(2)针对顺序形态学算法检测细胞边缘不够精细的问题,提出一种基于自适应局部模糊增强的复合顺序形态学边缘检测方法。首先引入二维直方图斜分法定位边缘区域,然后由每行的隶属度均值所确定的隶属阈值对边缘区域做自适应模糊增强处理,最后采用具有多个百分位和多个方向结构元素的复合顺序形态学进行细胞图像的边缘检测。实验结果表明：该算法可有效实现细胞边缘的检测,检测效果优于顺序形态学。(3)针对快速水平集边缘检测方法需要手工设置阈值以获取曲线演化所需驱动力的不足,提出一种无需设置阈值的快速水平集边缘检测方法。将模式分类的方法引入到外部速度函数的设计中,间接从图像数据中获取曲线演化所需的驱动力,使驱动力不再依赖手工设置的阈值。算法保留了C-V模型的全局分割特性,同时采用了快速水平集的双链表方式,以实现曲线的演化。实验结果表明：该算法对噪声较大、边缘模糊的细胞图像可实现快速有效的边缘检测。(4)针对不同形状的细胞提出了不同的链码模型分割方法。针对类椭圆形细胞,提出了ECCC(Eleven Components Chain Code)链码分割方法,以解决传统链码模型计算量大的问题；针对不规则形状细胞,提出了FPCC(Feature Preferences Chain Code)链码分割方法,以解决传统链码模型适用对象范围局限的问题。实验结果表明：ECCC法与传统链码模型分割法相比可节省近30%的运行时间,FPCC法可实现对不规则形状细胞的精确分割。(5)针对等周图割法未充分利用图像中像素点灰度信息的不足,将等周图割与多阈值法相结合,提出了一种基于等周图割的自动多阈值分割方法。以等周率作为阈值选择的标准,通过基于Scott最佳组距的迭代策略用多个阈值来分割医学显微细胞图像。此外,为加速等周率的计算引入了灰度级权值矩阵,以及基于模块度的自动确定节点聚类数的方法,动态选择阈值个数。实验结果表明：该算法可实现对粘连细胞的有效分割,其Dice和Hausdorff Distance均优于传统多级阈值法。(6)对本文提出的医学显微细胞图像分割算法进行评价和总结。