随着人类基因组计划的完成，DNA测序开始发挥其重要的作用。传统的测序方法有：板凝胶电泳法和毛细管电泳法；新一代的测序方法有：杂交测序，合成测序和单分子测序。如何能够快速、准确、高通量的实现DNA测序是将来研究的重点。基因芯片与DNA测序的结合，使得以上这些要求都将成为可能，而且可以大大降低成本。我们采用滚环扩增方法制备测序模板，然后通过合成测序的方法进行DNA序列的检测。 在对测序芯片的研究过程中，需要生物信息学的分析，生物芯片图像处理即是这个过程中的一个重要部分。特别是对于不同生物芯片上的大量分子特征荧光点进行识别、分析和配准，一将特征点的灰度信息联合起来，就可以得到待测DNA的序列。 本文主要针对芯片图像分析中的算法进行研究，对测序芯片的图像处理，对分子特征荧光点进行识别、分析和配准。主要研究工作分为三个方面： (1) 对芯片图像上特征点的提取，这里研究了两大类方法：边缘提取和阈值分割，在不同的芯片图像中采用不同的特征点提取的方法。边缘提取方法主要研究四种经典算子：Sobel、Prewitt、LoG、Canny，由于图像中噪声比较明显，背景并不均一，因此在没有设定阈值的情况下，四种算法都不能有效的提取我们所处理的测序芯片中的特征点，对于不同阈值下的提取效果，这里采用了方差分析作为判断标准，最后采用Canny算子提取图像特征点。对于边缘提取算法不适合的图像，采用直接阈值分割的方法，这里的阈值采用迭代阈值的方法进行计算，并且发现将图像分割为若干子图像再进行直接阈值分割更为合适； (2) 对图像的特征点提取以后，计算图像特征点的质心，也就是特征点的灰度中心，作为特征点的唯一标识； (3) 由于测序是个动态过程，因此需要对一系列图像进行配准，这里采用了互信息配准的方法，此方法不需要考虑整个图像中每个点的轮廓外型等信息，只需要考虑整个图像的灰度信息，这对于我们所处理高密度点阵图像比较合适，这里将图像进行平移旋转，计算待配准图像与固定图像之间的互信息值，从中得到最佳的互信息值，也就是最匹配的变化。