血细胞的自动分割和识别是计算机图像处理和模式识别在医学图像领域应用的一个重要研究课题,有着重要的临床意义。目前很多中小医院仍然使用人工目测的方法来完成血细胞的分类计数,一部分医院使用的血细胞自动分析仪只能进行白细胞的三分类,不能完全适应临床的需要。因此,使用数字图像处理的方法来分割血液图像中的白细胞并使用模式识别的方法对其进行分类是目前一个重要的发展方向。通过资料查阅和实验,我们发现,血细胞显微图像中白细胞核和其他区域的G分量和S分量灰度值存在一个界限,我们对MEANSHIFT算法作了改进,采用基于改进的MEANSHIFT算法,对血细胞图像的G通道直方图和S分量直方图进行处理,自适应地得到白细胞核和其他区域的分割阈值,将白细胞核从图像中分割出来,并使用区域填充和区域增长的方法完成白细胞核的标识;然后利用图像在HSI色彩空间中的H分量的大小作为生长准则,运用区域生长法提取白细胞胞浆;在对白细胞区域进行特征提取后,我们采用了支持向量机来进行分类,通过实验对比,核函数选择了高斯径向基函数,并设置合适的参数,构建了两级SVM分类器,最终得到分类的结果。本文采用的算法是自适应的,对于不同环境下所得到的血细胞显微图像,均能得到比较好的分类结果,实验证明了本文算法的鲁棒性和适应性。