One of the biggest challenges the world face today is the mortality due to Cancer. One in four of all diagnosed cancers involve the lung cancer, where the mortality rate is high, even after so much of technical and medical advances. Most lung cancer cases are diagnosed either in the third or fourth stage, when the disease is not treatable. The main reason for the highest mortality, due to lung cancer is because of non availability of prescreening system which can analyze the cancer cells at early stages. So it is necessary to develop a prescreening system which helps doctors to find and detect lung cancer at early stages. Out of all various types of lung cancers, adenocarcinoma is increasing at an alarming rate. The reason is mainly attributed to the increased rate of smoking - both active and passive. In the present work, a system for the classification of lung glandular cells for early detection of Cancer using multiple color spaces is developed. For segmentation, various clustering techniques like K-Means clustering and Fuzzy C-Means clustering on various Color spaces such as HSV, CIELAB, CIEXYy and CIELUV are used. Features are Extracted and classified using Support Vector Machine (SVM).; Jedan od najvećih izazova s kojima se svijet danas suočava je smrtnost od raka. Jedan od četiri svih dijagnosticiranih karcinoma uključuje karcinom pluća, gdje je smrtnost visoka, čak i nakon tolikog tehničkog i medicinskog napretka. Većina slučajeva raka pluća dijagnosticira se u trećem ili četvrtom stadiju, kada se bolest ne može liječiti. Glavni razlog najveće smrtnosti zbog karcinoma pluća je nedostupnost sustava za „preskrining“ koji može detektirati stanice raka u ranim fazama. Stoga je potrebno razviti sustav za predklinički pregled koji pomaže liječnicima da pronađu i otkriju rak pluća u ranim fazama. Od svih vrsta karcinoma pluća, adenokarcinom se povećava alarmantnom brzinom. Razlog se uglavnom pripisuje povećanoj stopi pušenja - i aktivnom i pasivnom. U ovom radu razvijen je sustav za klasifikaciju plućnih žljezdanih stanica za rano otkrivanje raka korištenjem više prostora u boji. Za segmentaciju koriste se razne tehnike klasteriranja na različitim prostorima boja kao što su HSV, CIELAB, CIEXYy i CIELUV. Značajke se izdvajaju i klasificiraju pomoću Support Vector Machine (SVM).