最近二三十年，生物芯片技术发展迅速，己经广泛应用于基因表达、功能基因组、蛋白质组等前沿领域。尤其在近几年，所涉及的领域从研究型场合迅速扩展至应用型场合，在临床检验、疾病诊断、药物筛选等方面发挥了越来越重要的作用。 基于图像的生物芯片分析是生物芯片技术的一个研究热点，包括图像滤波、图像网格划分、靶区图像分割、数据提取和表达分析等子过程。 论文对基于图像的生物芯片分析中所包含的各个子过程进行了研究，在每个分析子过程中建立了改进的分析算法，并进行了理论分析和实验验证。主要研究内容及结论如下： （1）在不依赖标准图像的情况下，提出一种基于梯度概念的客观图像质量评价标准，对图像的质进行快速准确的判断，作为后续图像处理工作的基础； （2）对原有滤波算法进行理论分析，提出改进思想，并实验证明其前进性；分析图像噪声的特点，对算法进行有机结合，达到更好的实验结果； （3）利用图像垂直投影和水平投影的功率谱函数，估计靶点的行列间距，作为图像网格划分的基础； （4）根据图像特点，提出一种基于Otsu算法的改进算法；并充分利用图像已网格划分和各靶区灰度级差别较大的特征，采用全局分割和局部分割相结合的分割策略； （5）对常有聚类方法进行比较；并对经典K-means算法一直以来的难点问题：聚类中心初始值问题进行研究，提出一种基于类的特征中心的初始化方案，实验结果表明了其聚类结果的前进性。