顯微吸收光度測量需滿足朗伯-比爾定律條件，待測物質需為均質，但生物學物質很少是均質的，而且顯微鏡成像過程中，經過光路系統各界面多次折射反射后會導致測量中的分布誤差、閃爍誤差、系統誤差等，影響測量精度。所以除校正系統至最佳狀態外，常用雙波長法、一波二區法和掃描法來消除誤差。掃描法是最令人滿意的方法。測量時，先將待測物分成大量小區域，近似認為每個小區域內物質分布為均質，采用順序逐點掃描法測出各小區域的消光度，經積分后換算出待測物的總消光度，求得其相對含量。掃描法根據不同掃描方式可分為：飛點掃描、像掃描、物掃描、TV掃描等。在實際測量時，臺物掃描是最常用的方法，在高精度掃描臺上放好樣品，確定其掃描范圍和波長，根據放大倍數確定測量光欄的大小，根據待測物確定單色入射光波長，選取全自動掃描后由計算機數據處理并顯示結果及掃描圖形。臺物在x方向和y方向上來回移動，而測量光欄位置不動，使臺上的被測物質各小區域依序進入測量光欄內而被測量；也可用影象掃描，臺物不動，測量光欄的象在臺物上沿x方向和y方向來回移動，掃描測量重復性好，準確性和靈敏度高，測量精度可達10-9g，可方便地進行細胞內細微結構的分析，區分不同細胞類型的差別。
（二）顯微熒光光度測量
定量顯微熒光光度測量是組織化學和細胞化學中的另一種重要技術，可通過測試固定組織細胞內的熒光反應物來對生物學標本進行定量分析。熒光種類有物質的自發熒光或是用熒光染料對某些生物學物質作特選染色后產生的繼光熒光。
與吸收光度測量相比，顯微熒光光度測量有許多明顯的優點。一般熒光測量所用染料濃度遠比吸收法低，甚至可低10000倍，尤其在背景足夠暗時可對低濃度熒光物質高度敏感，可測量細胞內分散的微小顆粒。熒光物質本身是自發光體，無論測量孔徑內物體形狀規則與否，物質分布均勻與否，物體輻射的光量子在光電倍增管上都產生同樣的效應，所以無需掃描測量就可避免分布誤差。通過選取適當的激發波長和發射波長的譜線和寬度，可以做到高特異性的測量，通常顯微分光光度計選用適當的窄帶濾色片來獲取所需熒光波長，高精度的顯微分光光度計采用光柵單色儀，可獲得5nm帶寬的激發波長和檢測波長。熒光光度熒光測量方法分有堵塞法和掃描光度法，測量多數采用堵塞法，選取足夠大的測量光欄對待測物作總體熒光量測定，樣品由計算機定位，可快速測量，適于大樣本分析。熒光光度測量缺點是：熒光易衰減，有漂白作用，有時會猝滅，還必須減去本底熒光值。因此測量時要提高信噪比，必須掌握適當的激發時間和合適的熒光標準。
三、圖像分析系統
圖像分析（image
analysis，IA）是分析細胞學中主要測量手段之一，常用于細胞形態分析、腫瘤細胞分析、染色體核型分析等方面，借助于顯微分光光度技術，還可定量測試細胞內DNA，RNA含量和分布，隨著圖像分析處理技術的進展，圖像分析處理的方法也由靜態到動態，由平面到三維立體，由單色到真彩色而不斷進展，它在生物醫學應用領域中的作用將越來越重要。
圖像分析處理通常是指計算機數字圖像處理(image processing，IP)
，為了便于用計算機處理，必須把圖像作為二進制數值來表示。普通光學系統和電視攝像等成像設備得到的是模擬圖像，圖像在二維平面上位置和強度的分布是連續的，要得到數字圖像，必須對模擬圖像進行空間點陣上的抽樣和顏色灰度的量化的數字化操作，得到以像素為基本單位的數字矩陣，每個像素的顏色由灰度值表示，通常量化成8比特(bit)，即256個灰度等級。所謂數字圖像就是灰度值的二維數組圖像，如用函數F(x，y)表示數字圖象，F(i，j)除了代表圖像中位于i，j處的像素的同時，還表示該像素的灰度值的大小。數字圖像一般采用正多邊形點陣，最常用的是正方形點陣。圖像數字化的精度對圖像質量會有很大的影響，像素越多，圖像分辨率越高，灰度等級越高，圖像層次越豐富，清晰度高。數字圖像運算建立在數字矩陣基礎上，有許多基本處理功能和算法形式，與模擬圖像比較具有精度高，通用性強，再現性和靈活性好等優點。
圖像分析系統一般由計算機，圖像輸入設備，圖像輸出設備和交互控制設備構成。計算機系統，要求運算速度快，內存大，圖像陣列處理器和顯示卡的內存也應盡可能大，配備大容量存貯器便于圖像備份。圖像輸入設備常用的有高解像度的攝像機、CCD攝像機、掃描儀和數碼像機等。圖像輸出設備有視頻打印機，激光打印機，圖像硬拷貝機等。交互控制設備有鼠標和數字化圖形輸入板，可以用人機對話的方式選取工作菜單，執行指令，還可控制圖形的輸入和處理。
圖像分析系統的核心部分是圖像分析處理軟件，分為通用軟件和專用軟件，它直接決定了分析結果的優劣。醫學圖像成像方式多種多樣，來自不同途徑的圖像不可避免地存在著噪聲和畸變，為了得到較好的圖像分析處理結果，提取我們感興趣的圖像細節，首先必須進行圖像增強(image
enhancement) ，在成像過程中
原圖中總存在各種噪聲和畸變，為使像質得到改善以利于特征提取和圖像識別，對圖像進行預處理，目的是圖像增強也叫圖像質量改善。圖像增強的方法很多，對比度增強可通過灰度變換，直方圖均衡等方式提高圖像的對比度和清晰度。陰影校正和圖像多幀數學運算可消除成像系統形成的照明場誤差，改善圖像的陰影，畸變和明暗差，突出感興趣的圖像特征。銳化處理通過微分法或梯度法等高頻濾波算法可消除圖像的模糊，增強圖像高頻成分，使圖像輪廓分明。平滑處理常用局部平均法，中值濾波法有效地去除圖像中高頻噪聲。
為了根據圖像的結構特征，分離出感興趣的對象物，以便進行圖像識別和分析，圖像分割(image
segmentation)是選取灰度閾值，區分主要對象、其他對象和背景的主要手段。圖像分割通常用二值化閾值處理，根據圖像的灰度直方圖確定對象物的閾值，使對像物和背景以0和1分別顯示，便于計算機處理，也可進行多相分割，通過灰度直方圖中多個峰值加以區分，分別定出閾值，根據灰度閾值范圍分割出各類對象物。
圖像二值化處理(image binary)
通過各種矩陣算子對二值圖進行腐蝕膨脹，開放封閉，填空洞，擦碎片，骨骼細化等形態學方法處理，也可采用布爾代數方法，進行邏輯運算，從而整理圖像畫面，清除不感興趣的對象，便于計算機最終進行模式識別和特征提取，這種圖像整理方法是圖像處理不可缺少的步驟。
經圖像分割和二值化處理后的圖像，突出了對象物形態特征，最后進行圖像識別(image
recognition)和圖像分析，通過對圖形特征的編碼識別和描述，進行特征提取，然后進行全自動和交互測量分析。圖像分析還可以作圖像重建(image
reconstraction)和圖像復原(image
restoration)。人眼只能感覺可見光，對可視圖像進行判讀和分析，對那些通過各種傳感器觀測的不可視信息的圖像數字化是圖像重建的一個重要內容，另外利用傅立葉變換等方法對X線斷層掃描圖像進行三維重建復原出體內器官的三維立體圖形等，也是圖像重建的重要內容。圖像復原是利用各類濾波方式消除圖像中噪聲和模糊，改善圖像質量。