血细胞形态学分析对贫血、白血病和艾滋病等血液疾病的早期诊断具有十分重要的意义。传统形态学检查都是由经过专门培训的检验科人员在显微镜下对外周或骨髓血涂片中的细胞完成分类计数工作,工作量大,耗费时间长,操作人员易疲劳,且因为不同检验人员间的专业水平参差不齐,很难获得一个一致的诊断结果。人类生存环境的恶化,直接或间接导致血液病患病人群增加,早期诊断和及时治疗对于患者至关重要,从而使得对形态学检查的需求更为迫切。随着现代医学图像处理和人工智能技术的发展,全自动血细胞形态分析仪凭借其便捷、准确、高效的工作方式及适应远程医疗系统发展的趋势而日益受到人们的关注。全自动血细胞形态分析仪包含硬件和软件两大块。硬件部分包括血涂片制备装置、显微镜、摄像机和用于血细胞显微镜图像处理和分类的计算机等;软件模块主要包括血细胞图像分割、特征提取、血细胞图像分类和计数三个部分。相对而言,硬件设备的选取容易达成共识,因此整个系统性能的好坏主要取决于软件部分图像处理算法的优劣。其中,由于细胞分割精度的高低,将直接影响后续图像特征提取和分类计数的准确性,因此分割对整个软件系统起着尤为重要的作用。为了提高系统整体性能,本文主要对细胞图像的分割方法进行探讨。在回顾以往常用细胞图像分割方法之后,总结各种算法的优点和不足,利用灰度图像细胞与背景良好的区分和HSV颜色空间中H通道图像良好的白细胞轮廓保持能力,提出了一种自适应双阈值白血细胞图像分割算法。对灰度图像和H通道图像分别使用阈值进行背景和前景、白细胞与红细胞的分离,然后对两者的结果取交集。通过对一公开数据库中的急性淋巴细胞白血病细胞显微图像进行试验,并与两种传统单阈值分割法进行比较,实验结果表明本文所述方法能够稳定、有效地从图像中分离出淋巴细胞,单细胞图像分割精度达到98%,优于传统算法,且算法对图像颜色的不一致性具有一定的鲁棒性,从而为后续白细胞特征提取和细胞分类计数工作奠定了一个良好的基础。