内皮细胞是包括动脉硬化在内的多种疾病的发病机理研究以及相应防治药物研究的重要研究对象。随着相关研究对实验结果量化程度要求的不断提高，对于实验中内皮细胞显微图像的分析已不仅仅限于肉眼的形态学观察等定性的方式，而希望获得更加客观和准确的定量结果。为了通过计算机辅助分析或计算机全自动分析等方式来获得所需的定量结果，对内皮细胞显微图像的分割方法进行研究，具有理论意义与直接的应用价值。论文根据内皮细胞显微图像分割过程所要求的人工参与程度的不同而给出了三类内皮细胞分割方法：手动分割法、自动分割法、半自动分割法。手动分割方法完全依赖于用户对分割过程进行操作与控制，并根据其视觉判断来评价分割结果是否达到了满意的程度，以逐个提取感兴趣的细胞区域。在手动分割方法中主要使用了单独针对某个感兴趣区域的阈值分割方法来实现单个细胞的分割，并通过合理的界面操作方式设计来尽量降低操作的劳动强度。半自动分割方法采用基于局部容差的区域生长和基于全局容差的区域搜索法，通过选定区域生长的种子点，进行四连通的区域生长，根据用户设定的局部容差作为生长终止条件，然后根据区域灰度分布的相似性准则查找满足全局容差范围内的细胞区域。自动分割方法首先利用形态学图像重建滤波和直方图均衡化来对低对比度的内皮细胞图像进行预处理，然后利用自适应阈值分割作为粗分割，结合形态学膨胀与腐蚀操作来构建细胞区域以及背景区域的标记点，最后利用标记点控制的分水岭分割算法完成分割，以避免过分割的发生。以上分割方法均在实际图像上进行了实验，实验结果表明方法各自对于某些类型的实际图像均能进行有效分割。利用OpenCV图像处理库，在Visual C++2005中实现了以上分割算法，并设计和实现了内皮细胞显微图像分割软件。通过该软件，用户可适当选择或组合手动分割、半自动分割和自动分割等方法，从而在获得所需准确度的分割结果的同时，尽可能地减轻人工劳动强度。该软件不但可用于内皮细胞显微图像的分割，也为其他类型的显微图像分割提供了一个良好的基础和若干适用的方法。