伴随着人类基因组测序计划的发展和分子生物学相关技术的突破,数以万计的生物信息学数据急待提取与分析。同时,计算机与自动化技术不断提高,使其在众多领域的数据处理中发挥着不可替代的作用。面对如此庞大的数据量,如何充分利用多学科交叉的技术方法进行自动化基因数据分析是当前生命科学的共同课题。基因微阵列芯片技术的出现提供了集成度相当高的实验工具,它可以一次性对大量基因样品进行检测与分析。目前芯片的制备与扫描已基本实现自动化,但对于后续的基因微阵列图像数据提取却一直难以实现自动化。这主要是由微阵列图像数据量大,斑点密度高且不规则,噪声干扰强且对比度不明显等因素引起的。本文的研究目标是在保证基因点定位与数据提取准确性的前提下,实现基因微阵列图像的整体自动化提取。为实现这一目标,本文首先针对现有不利于自动化的图像处理流程进行优化改进,先提取基因点边缘再网格定位,后续进行缺失点补偿。然后,提出基于灰度形态学的自动化图像增强与自适应二值化方法进行自动化预处理,并利用基因点自身的形态特征进行边缘提取。接着,在二值图上通过基于角度投影的快速倾斜校正法进行网格定位实现自动化图像分割,并解决缺失点补偿与粘连分割问题。最后,在实验中通过与国际权威软件分析结果进行数据对比,利用大量实际图像数据进一步验证微阵列图像数据提取的可靠性,有效性与完整性。