肺癌是一种发病率极高的恶性肿瘤,其医学研究过程中常用到免疫组化技术。免疫组化技术的处理结果以图像的形式呈现，大量的图像分析工作增加了医务工作者的负担，利用图像处理技术代替人工完成这项任务是非常有意义的。本文主要研究肺部的免疫组化图像，重点研究肺免疫组化图像的识别和分割技术。　　在肺免疫组化图像识别技术方面，本文以提取肺免疫组化图像中的支气管目标区域为例，提出一种基于神经网络与形态学运算的目标识别方法。首先对图像中的连通区域特征进行分析，提取有效的分类特征，然后利用神经网络识别出被目标区域包围的连通区域，最后运用形态学运算进一步实现目标区域的提取。　　在肺免疫组化图像分割技术方面，本文以肺神经内分泌肿瘤免疫组化图像为例，根据图像的特点提出两种分割方法。第一种是基于双层分水岭的分割方案。该方案中，为兼顾不同颜色特点的细胞核边缘，对图像分别进行两次不同参数的分水岭分割，最终将两次的分割结果融合到一幅图像上；第二种是基于一维波形信息的分割方案。该方案首先将二维空间中的图像以行或列为单元分解到一维空间中，然后以像素的灰度值代表波幅画出波形，根据波形的走势定位细胞核间隙位置，进而对这些特殊位置进行增强处理，最终实现细胞核的分割。　　本文的算法都在Matlab平台上进行了验证，均得到了令人满意的结果，证明了算法的可行性。