سلولهای سفید خون مواد تشکیل دهنده اصلی در سیستم ایمنی بدن هستند، تعدادگلبولهای سفید خون میتواند به عنوان مرجعی برای تشخیص بیماری استفاده شود. در این پژوهش سیستمی اتوماتیک مؤثر و با دقت بالا برای شناسایی و شمارش اتوماتیکگلبولهای سفید خون و انواع آن ارائه شده است. الگوریتم پیشنهادی شامل پیش پردازش، دو مرحله قطعه بندی هسته و سیتوپلاسم، استخراج ویژگی، انتخاب ویژگی، دو مرحله طبقه بندی انواع گلبول های سفید است. مراحل الگوریتم به گونه ای است که ابتدا تصاویربا عملیات پیش پردازش بهبود یافته و با به کار بردن تکنیکSMMTروی تصاویر چند مقیاسی، اطلاعات مرزهای گلبول های سفیداستخراج می شود. در مرحله قطعه بندی هسته روش حدآستانه گیری محلی تطبیقیساوولا به کارگرفته شده است. در مرحله بعد ویژگی های شکل، بافت و زرنیک از هسته استخراج می شوند. در مرحله دوم قطعه بندی برای جداسازی سیتوپلاسم، بعد از یافتن اطلاعات مقیاس مرز سیتوپلاسم با تکنیکSMMTبا ترکیب روش حدآستانه گیری سراسری و عملیات مورفولوژیکال سیتوپلاسم جداسازی می شود. سپس ویژگی های رنگ و بافت سیتوپلاسم استخراج می شود و با به کار بردن الگوریتم های بهینه سازی مورچگان و زنبور ویژگی های بهینه انتخاب می شوند. در مرحله طبقه بندی از طبقه بند سلسله مراتبیSVMو شبکه عصبی پرسپترون استفاده شده است که به ترتیب با دقت 59 % و 57.69 % نتایج مطلوبی را ارائه می دهند.