La segmentation des cellules sanguines est un enjeu de recherche important en hématologie et dans d'autres domaines connexe. Dans ce travail, une technique de segmentation automatique des images microscopiques est proposée dans le but d'extraire les composantes des cellules sanguines (noyau, cytoplasme, globule rouge et plasma). L'image est représentée dans différents espaces couleurs, une analyse discriminante linéaire (LDA) est réalisée pour extraire ses caractéristiques discriminantes afin de réduire le temps d'exécution, les redondances et le bruit. La segmentation est réalisée tout d'abord en utilisant l'algorithme standard de classification non-supervisée C-Moyennes Floues (FCM) sur les caractéristiques sélectionnées. Le FCM conventionnel n'exploite pas l'information spatiale et le voisinage des pixels dans l'image. On propose deux techniques de prise en compte du contexte spatial : FCM_S1 et FCM_S2, afin de donner des régions plus homogènes et réduire les taches parasites. Les trois méthodes proposées ont été testé sur des images réelles de cytologie. Les résultats montrent que les techniques proposées qui intègres l'information spatiale donnent de meilleur performance.