2.1 拉普拉斯高斯算子
拉普拉斯-高斯算子是一种二阶微分算法，其计算方式为在图像边缘处形成线性连续陡峭0交叉，然后利用查找二阶微分的0点的方法来确定边缘点的检测[3].图1所示为拉普拉斯-高斯运算模板。利用模板及拉普拉斯运算可知，可将暗区域内的亮点放大。在算法运算时，可认为图像中的边缘区灰度会发生跳跃，同时跳跃过程是灰度发生跳变的区域，也增强了噪声。因此在利用拉普拉斯-高斯算子进行边缘检测过程中，应根据实际情况对图像进行平滑处理，减少其不平整现象。
2.2 Canny算子
Canny算子是一种相对新颖的边缘检测算子，边缘检测性能量好，它的应用范围正在提升。Canny算子的算法步骤可采用以下方式表达：（1）首先利用Gaussian滤波器对图像进行处理，滤去不必要的影响因子；（2）将图像定好三维坐标，用于标识图像中不同梯度的方向及幅值；（3）对不同梯度图像的方向和幅值均采用非极大值抑制，即设立原点。（4）最后利用canny算子来检测细胞图像。
3 区域分割算法研究
区域分割和生长即将性质不同的像素区域分开，将性质相同的像素区域集合，将每个像素点均看作一个起始位点，不断集合与自身相似性质的其他位点，直到没有像素性质相似的位点为止。区域经济增长是适度增长或类似的局部性质的最重要的选择标准，会用到其中大部分区域生长准则图像。不同像素区域及位点的成长标准不同，一般根据自身性质决定，不同生长的过程中的区域经济增长的影响。下面介绍3种常见的生长准则及方法[4].
3.1 灰度差准则
灰度差准则为不同区域利用自身区域图像像素作为最小单元格，并以此往上拓展，其主要步骤如下：①将不同图像区域进行分段扫描，将像素归类，并标记无归属的像素；②将无归属像素与其他邻域像素进行对比分析，找到灰度差值最小的像素集后，将无归属像素并入该像素集；③重复以上操作直至所有无归属像素均找到所属像素集，同时扩大像素区域，则整个生长过程结束。
3.2 灰度分布统计准则
灰度分布统计是将灰度分布相似的区域进行合并，其主要步骤如下：①首先将图像区域进行划分，注意不要出现重叠区域；②将不同区域根据灰度分布相似性定律进行合并和区分；③重复以上操作直至所有所有区域合并完成。
采用此算法的结果好坏跟划分的区域的大小和确定的阈值密却相关。通常情况下划分的区域过大，则会导致过度合并而遗漏区域；相反，如果划分的区域过小，就会导致合并不充分导致而区域被隔断。除此之外，图像本身的复杂程度和原图像生成状况的区别对上面参数选取会产生影响[5].
3.3 区域形状准则
区域形状准则判断方法包括：
（1）将图像根据灰度值划分成不同区域，并固定该区域，设预定阈值为T1,相邻区域周长是P1、P2,而它们共同边界线两边灰度差小于给定值的长度为L,若满足以下条件：
则认为这两个相邻区域可以合并。
