随着生物科学的迅猛发展和“人类基因组工程”的完成，生物基因芯片的研究已成为全世界生命科学工作者的共同课题。对基因芯片信息的分析研究，亦被置于生物芯片技术领域的核心位置。基因芯片技术，其原理与经典核酸分子杂交方法相同，是按照预定位置固定在载体上微小面积内大量核酸分子构成的微阵列点阵,利用分子杂交及并行处理原理，能够在同一时间内进行大量信息检测分析。相较传统生物DNA检测技术是一次重大创新和飞跃，对基因表达分析、病毒检测、新药物发现、设备开发等领域做出了巨大推动。因此对于基因芯片的图像处理有着重要研究意义。经过近三十年的研究，对于传统的基因芯片已开发出了较为成熟的图像分析算法，主要处理过程有：图像的预处理，网格化，靶点分割以及信号提取。其中，图像分割是重点，分割精确性直接影响信号亮度的提取；也是难点所在，尤其对于一些无规则排列的基因芯片，无法进行网格化操作，进而传统分割方法难以奏效，针对这个问题，本文提出了一种基于Snake模型的分割算法。本文从图像获取开始，综合全面地阐述了对于基因芯片的图像处理的整个过程，首先对图像进行灰度转换，利用对比度拉升及Top-Hat变换进行图像增强，并根据基因芯片图像具有多边界这一特点，提出了基于边缘增强扩散（EED）的滤波方法，该方法在滤除边缘噪声边的同时，很好地平滑和保护了靶点边界。并且滤波效果优于其他常用滤波方法。接着采用基于Snake模型的主动轮廓线分割法进行图像分割，该方法对于灰度不均匀，弱边界有较好效果。最后根据分割结果，对信号强度进行提取，并进行了可视化表达。分割中针对基因靶点可能出现的粘连现象，本文以Snake模型分割法为主，同时加入了Watershed分割法，所形成的分割线能有效解决靶点粘连这一问题，使本文算法成为一种综合性的通用于目前大多数已知基因芯片的分割处理算法。