尿沉渣检查是进行临床检验和诊断鉴别的重要方法，是现代医学研究中常用的手段之一。目前，临床上对尿液中有形成分的检验主要还是依靠人工镜检的方式。该方式主观程度强，且主要集中于有形成分的定性检查，不利于临床的定量诊断。基于计算机系统的尿沉渣自动检测技术除了极大地提高临床检验的效率，降低临床医师的劳动强度外，对医院的信息化、疾病诊断判别的标准化还将提供有益的帮助。尿沉渣自动检测过程可以划分为三个主要环节：尿沉渣图像获取、分割和分类识别。本文主要就该流程的重要环节-尿沉渣图像的分割展开工作。　　 本文首先对目前国内外研究的多种图像分割方法进行了综述，在经过分析比较后，发现基于分水岭的分割方法具有诸多优点且具有巨大的应用前景，因此本文将目标集中在对分水岭算法的研究上。作为理论铺垫，本文首先介绍了分水岭算法的基本理论，然后，分别采用基于距离变换的分水岭算法、基于梯度的分水岭算法和基于控制标记符的分水岭算法对尿沉渣图像进行分割，并分析了这些算法在面对尿沉渣图像分割问题时各自存在的优缺点。　　 由于尿沉渣图像自身的复杂性，单纯利用一种算法对尿沉渣图像进行分割，往往得不到较好的分割效果。经过对尿沉渣图像特点的研究，本文提出了一种基于组合思想的尿沉渣图像分割算法。该算法首先对尿沉渣图像进行预处理，消除图像的边界影响，增强图像中目标与背景的对比度；然后算法采用基于OTSU的自适应阈值分割算法结合形态学完成对尿沉渣图像的粗分割；最后采用基于距离变换的分水岭算法对粗分割得到的子图像作精细分割以分离尿沉渣图像中的粘连成分。本文利用尿沉渣图片库中的图谱对该算法进行了全面测试，实验结果证明，该算法具有良好的适应性，分割的结果与目视感受相一致，能够对含有不同有形成分的图谱准确的分割，尤其是对细胞类的图谱有很好的分割效果。同时，该算法明显地提高了尿沉渣自动检测系统的性能。　　 最后，作者对自己的研究工作进行了总结，并对尿沉渣图像分割方法研究的前景进行了展望。