摘要: .为了更好的达成血液影像细胞自动计数，首先我们需要了解图像分割原理，掌握图像的连通区域的检测方法，其次还要了解凸壳计算方法和凹点的定位方法,对超像素进行目标识别，按层次对识别出来的目标进行拼接，并计数。
关键词：图形分割；凸壳计算；凹点定位
引言：血细胞参数的统计和分析是临床检验中的一项重要环节,利用计算机技术、数字图像处理等技术探索新的外周血细胞检测方法具有重要的现实意义。本文针对血细胞图像的特点,采用数字图像处理与分析的方法,对血细胞图像处理与分析的关键技术:血细胞图像细胞连通区域的检测、粘连细胞凹点的定位和凸壳计算方法，然后对目标的识别以及拼接方法深入的探讨。
1 研究的意义
医务工作者常在各种癌前病变的诊断或者细胞病理学的测试中检测细胞是否异常，他们常利用人工或半自动的方法从背景中提取出细胞，检测细胞的大小和形状以判断是否异常。尽管在过去的几十年里，自动化测试程序已经得到了大幅发展，但是准确评估细胞是否异常依旧很困难。即便人工参与检测是-一个相当耗时的过程，但是它仍然在实践中扮演重要的角色。在计算机科学技术的带动下，数字图像的处理和分析技术得到了快速发展和应用,其成熟和便捷的处理技术逐渐被应用到人们生活工作的方方面面，尤其是在临床诊断和治疗中起着越来越突出的作用。利用计算机处理技术对医学细胞图像进行检测、提取特征，并结合临床数据分析，不仅大大提高了检测的效率，节约了人力物力，还可以得到比人工评价更客观、更准确的结论。因此，过去认为的一些高度复杂的检验技术或者方法变得较容易掌握，并开始普及化。
随着基础医学与临床医学及各种高新技术的飞速发展，其中，细胞生物医学是近些年发展十分迅速的一门新型的学科，为了分析和检测医学细胞领域的微观颗粒，研究人员将数字图像处理技术引入到细胞生物医学研究中。现代生物学与医学科学技术研究的最新发展成果以惊人的速度引入到临床实验室,使得临床检验诊断的技术与水平迅速提高，特别是计算机技术、信息技术、图像处理技术的应用，使得检验速度更快、标本使用量更少、检验结果更准确。技术的发展推动了医学的发展，为了尽早地预防疾病，研究细胞的各项特性都是具有重要现实意义的。
图像分割是医学图像自动化识别的一个重要组成部分，它同时也是图像处理中最艰巨的任务之一，从上世纪60年代起，国内外的众多学者就开始对医学图像的分割方法进行研究。图像分割的目的是将前景中的对象从背景对象中分离出来。前景和背景对象确定后,可以利用图像处理技术基于全局前景和背景对象之间的差异找到它们之间的边界，如灰度直方图的阈值或灰度聚类。同时，边界的搜寻也可以基于局部灰度差异，如基于梯度的分水岭分割和基于收敛指数的过滤器方法。一-个成功的图像分割解决方案需要结合特定领域特征的图像分割算法,这就意味着任何一种分割方法都是针对特定图像的特定性质来进行分割的，图像分割方法和图像往往是多对一的关系，有时甚至一幅图像的不同区域也需要用不同的分割方法。在医学细胞图像中，各种细胞数量多且大小形态各异，细胞的粘连、重叠现象严重，这些因素无疑造成了医学细胞图像分割困难的局面。
可见，细胞图像的分割具有非常重要的意义，基于图像处理和模式识别技术的自动细胞识别系统替代人工识别和计数已经成为目前发展的必然趋势。
2 国内研究现状
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
