类圆物体普遍存在于我们生活的每个角落，例如医学细胞、动物卵细胞、农林果实、俯视的人头图像、棒材截面、粮食颗粒等等。通过现代图像处理技术从图像背景中提取类圆体目标，并将其分割成一个个边缘完整的单个区域，统计图像中类圆体个数以及单个目标的特征参数（如圆度、面积、周长、二阶矩、中心矩、熵、颜色等）是计算机视觉领域的重要研究课题之一，在实际应用中具有重要的意义。从自然界中获取的类圆图像大多存在不同程度的噪声或噪声区域，同时类圆体形状不规则，大小参差不齐，加之类圆体大多聚堆存在，粘连情况严重，在实际工程应用中，这些因素都使类圆图像的分割更加困难。类圆图像分割的关键是如何有效避免噪声干扰的同时成功分离这些粘连的目标。本文针对粘连类圆图像分割这一难题，在距离变换分水岭分割算法的基础上对图像预处理算法和分割算法进行了研究和改进。针对简单背景下的粘连规则类圆图像的分割，提出了一种基于距离图像重建的分水岭分割算法。该算法创新性地引入了高/低帽变换，有效地增强了目标与背景之间的对比度，使粘连目标的分离变得简单。在分水岭算法分割中，首先提取距离变换图像中的极大值点并进行优化，在优化极值点的基础上重建了距离分布图，最后应用分水岭算法对重建图像进行分割。所提出的算法不仅能够成功分离粘连的目标，而且有效地克服了分水岭算法中的过分割。针对复杂背景下粘连类圆体图像的分割,提出了一种基于自适应区域合并的分水岭分割算法。区域合并算法能够根据相邻区域的大小，自适应的选择不同的区域合并准则。该算法能够提取复杂背景下的类圆体目标，能够有效地分离形状不规则的粘连目标；而且对绝大多数的类圆体图像具有很好的适用性。最后，在分割的基础上，对标记计数算法和特征参数统计算法进行了研究。在本文所提出的分割统计算法的基础上构建了类圆图像分割与统计系统。