生物芯片自产生以来,由于其巨大的临床应用价值和研究潜力得到了人们广泛的重视,成为目前人们研究的热点之一。生物芯片图像是生物芯片技术中的一个重要组成部分,伴随着生物芯片技术的发展,如何对由生物芯片检测仪获取的含噪低对比度生物芯片图像进行有效地分析和处理,如图像的去噪、低对比度增强等,也是人们研究的一个焦点。本文针对目前国内外关于图像分析和处理的研究现状展开一些研究,并将研究成果有效地应用在生物芯片图像的分析和处理上。小波分析常用在非平稳信号的分析和处理中,具有良好的时频域分析特征和多分辨率分析能力,然而对于具有丰富的纹理特征的图像信号,不是最优的表达。曲波具有良好的线奇异性和各向异性,是目前关于图像分析和处理研究方法的一个新方向。针对生物芯片图像的降噪处理,本文提出了一种新的方法,在第二代曲波变换的基础上,结合Cycle Spinning算法,将模糊函数应用到阈值函数,对传统的软阈值函数做出了一定的改进。实验结果证明,该算法具有稳健的性能,有效地保持了图像的边缘和细节特征,明显地改善了降噪效果。针对生物芯片图像的增强处理,本文提出一种改进的非线性增强函数,提高了曲波增强方法的自适应度,避免了传统的曲波图像增强中非线性增益函数通常需要调节多个参数的问题。为了突出整体信息,提高对比度和改善视觉效果,本文算法将空间域非线性增强和曲波非线性增强处理相结合,通过实验证明,取得了良好的增强效果。