La segmentación celular es un paso crítico para el análisis experimental basado en imágenes. Los métodos existentes de segmentación celular no son completamente automatizados ni funcionan bien bajo microscopía de laboratorio básica. Este estudio propone un método eficiente y automatizado de segmentación celular que implica operaciones morfológicas para lograr automáticamente la segmentación celular en microscopios de contraste de fase. El recuento manual/visual de la segmentación celular sirve como grupo de control (156 imágenes como verdad fundamental) para evaluar el rendimiento del método propuesto. El rendimiento adaptativo de la tecnología propuesta se evalúa en condiciones variables, incluyendo desenfoque artificial, iluminación y tamaño de imagen. En comparación con el método de Segmentación Weka Entrenable, el método de Umbral de Gradiente Empírico y el software de segmentación ilastik, el método propuesto logró una mayor precisión de segmentación (coeficiente de Dice: 90.07, IoU: 82.16%, y un error relativo promedio del 6.51% en la medición del área celular). El método propuesto también tiene una buena fiabilidad, incluso en condiciones desfavorables de imagen en las que el etiquetado manual o la intervención humana son ineficientes. Además, se confirmaron grados similares de precisión de segmentación cuando los datos de verdad fundamental y los datos generados por el método propuesto se aplicaron individualmente para entrenar modelos U-Net modificados (16848 imágenes). Estos resultados demostraron una buena precisión y alta practicidad del método propuesto de segmentación celular con datos de imagen de microscopía de contraste de fase.