粪便是人体的主要分泌物,粪便中的生物细胞状况反映了病人生理状态的病理变化情况。粪便的杂质较多,常规适用于血液、尿液环境的生物细胞自动检测方法不能在粪便环境下使用。现今医院主要使用人工目测结合化学试剂进行粪便日常常规检测,这种方法的检测结果基本取决于医生的个人判断,具有极大的随机性。而据我们查阅国内外重要数据库的结果,关于人体粪便中红、白细胞的自动检测技术国内外未见报道。本文提出了一种基于图像处理技术的人体粪便中生物细胞自动检测算法来代替现在最常用的人工镜检方法。该算法主要针对人体粪便环境中的红、白细胞实现自动检测。为了保证后续红、白细胞可独立检测性,本算法将两种细胞的检测分开使其互相独立,并且,基于红、白细胞的特性及出现频率,本算法将检测顺序确定为先检测红细胞,再检测白细胞。由于人体粪便环境复杂,杂质较多,本文引入分割方法如阈值分割、边缘分割对样本图像进行处理,分析各种算法在粪便环境中的适用程度并对算法进行评估。数学形态学分割方法性能优越,故本文将其作为生物细胞检测初始分割提取细胞部分的核心算法。检测红细胞的主要方法是基于神经网络改进的模糊识别算法。模糊聚类算法可以得出疑似红细胞样本对红细胞聚类的隶属度并以此作为关键判断条件,但隶属度函数的确立一直是模糊聚类算法中的一大难题。本文将BP神经网络引入模糊识别算法,使用神经网络对隶属度函数进行拟合。另外,红细胞在拍摄图像时会产生偏转,从而导致图片中红细胞的形态发生变化。由于偏转红细胞与杂质相似,所以本文在偏转红细胞的判断上引入多层图像比对进行进一步检测。白细胞的形态相对固定且其特征鲜明,本文提取白细胞的特征值,通过对特征值的判断来检测白细胞,与红细胞相同,白细胞也引入多层图像进行进一步的判断。最后,对本文提出的自动检测算法进行编程,并对程序进行优化加速及性能测试,在保证检测结果的基础上使检测速度提升五倍以上。本文提出的自动检测方法真阳性率高达98%,而假阳性率也减少到8%,且该方法具有较好的鲁棒性,同时速度达到单个样本16s,满足了医院快速检测的要求,具有一定的现实意义。