一些非常酷但更耗时的选项：

1. 活动轮廓将尝试为细胞找到最佳“边缘”，同时保持平滑度。并在 matlab2013a 中实现（活动轮廓）

2. 您可以尝试使用mser，这是一种检测图像上相似、颜色相同且稳定的区域的方法。这意味着它们在广泛的阈值范围内保持大致相同的大小。我将它用于检测超声肿瘤的类似问题。

3. 如果你有一个好的图像数据库（好=涵盖大多数情况）我会尝试一些机器学习算法。例如，您可以了解图像中对象的均值和方差。

4. 如果您在分割后无法分离单元格（即您有两个连接的单元格），我会尝试查看分水岭函数。

微软开发了 Branch-and-MinCut，并将其很好地应用于医学图像。论文在这里： http ://research.microsoft.com/en-us/um/people/ablake/papers/ablake/image%20segmentation%20eccv2008.pdf

这是一个非常好的算法，因为它解决了全局最小值。

此外，他们将其开源： http ://research.microsoft.com/en-us/downloads/994e80f7-007b-4fed-a6e9-db5f4f32ccd1/

您可以尝试使用均值偏移算法。它在Orfeo Toolbox中实现。