外周血白细胞在人体免疫系统中起着至关重要的作用,对其进行识别与计数有助于临床疾病的诊断。传统外周血白细胞检测通常采用人工分类和计数方式,耗时耗力且其统计的结果会因人而异,重复率差,直接影响临床诊断结果。应用数字图像处理技术对白细胞进行识别分类,不仅可以减少人工成本,而且识别结果准确率高,在临床诊断和疾病分析研究中有着十分广阔的应用前景。外周血白细胞主要分为嗜酸性细胞、中性粒细胞、单核细胞、淋巴细胞、嗜碱性细胞五大类。利用数字图像处理技术进行外周血白细胞的识别与分类研究,该研究通过医院检测中心的白细胞染色图片获得其在电镜下的数字图像,使用阈值分割方法对其进行细胞核区域分割,再根据细胞核的区域进行细胞质的分割。再针对五类细胞的颜色、形态学、纹理等特征进行特征查找,总共获得了34种重要的特征(包括光密度特征、灰度共生矩阵、Hu矩、圆形度、偏心率、中心线及一些组合特征等)。根据这些特征参数和医生提供的细胞分类标签,使用随机森林方法训练分类器并获得有效分类器后便可对待识别的白细胞样本进行检测和分类。通过对比试验,该随机森林分类器能够对白细胞数字图像进行有效的识别与分类,对嗜酸性细胞、单核细胞、淋巴细胞、中性粒细胞和嗜碱性细胞的有效识别率分别达到了96.08%、95.65%、98.18%、95.57%、88.46%。