如何快速地、准确地诊断癌症一直是困扰着医生的难题，很多肿瘤病例由于病变区域介于良性与恶性之间，一些欠缺经验的医生不能及时下诊断，使得病患耽误医治的最佳时机。癌症的发病原因越来越多，病变细胞的特征种类也越来越多，使得医生的诊断工作异常困难。但是随着现代计算机技术的发展，数字计算机技术被利用到各行各业中，人们也看到利用计算机快速、准确地诊断癌症的曙光。　　癌细胞图像识别其实是利用数字计算机对采集的显微镜下的细胞图像利用图像处理技术将癌细胞从复杂的背景中提取出来，根据细胞的各种特征如周长、面积、细胞核深度等，结合医生的经验知识，模拟诊断癌细胞的过程，从而达到识别癌症的目的。　　至今为止国内外对癌细胞识别的理论方法有很多，但是都没有形成有效地系统，主要还存在着对粘连细胞的区分与分割、精确地提取细胞核特征、识别方法在效率和准确率上不尽如人意等问题。本文主要通过利用距离变换算法，仿照分水岭理论将粘连细胞有效地分割开来；使用区域增长分割法是按照螺旋的增长方式快速精确地分割细胞核与细胞质，提取细胞核和细胞质的特征为识别提供更准确地依据；根据癌变细胞的特性多样、没有特定的判别标准的特点利用模糊模式识别的方法有效地将病变细胞与正常细胞区分开来。通过实验验证，文中提到的图像处理方法在粘连细胞分割、提取细胞核的过程中非常有效，通过利用模糊集合的识别方法识别病变细胞的识别率也比其他方法高出很多。在实验中，通过对150份腹水癌细胞图像地识别，本文设计的癌细胞图像识别系统地准确率达到65％左右，高出其他方法很多，并且在识别效率上非常高，主要是因为模糊识别方法不用太多的训练样本就能很好的识别出病变细胞。