蛋白质组学是当前生物化学及生命科学等研究领域的前沿，双向凝胶电泳技术作为蛋白质组分析的核心技术发挥了重要作用。双向凝胶电泳技术基于蛋白质等电点和分子量的不同能够同时分离数以千计的蛋白质，把复杂蛋白质混合物中的蛋白质在二维平面上分开，对最终结果进行扫描可视化就得到了双向凝胶电泳图像，在这幅图像上，蛋白质被描绘成不同形状、不同大小和不同灰度的点。由于蛋白点数据量庞大，基于计算机的蛋白质凝胶图像分析是蛋白质组学分析的重要步骤，主要包括图像预处理（噪声去除、背景校正等）、蛋白点检测及定量、凝胶匹配等步骤，它的目的是蛋白质点特征的准确检测和定量，为下一步的药物研发、疾病诊断及环境检测提供数据基础。其中，对凝胶图像的失真进行形变校正是图像预处理的关键一步。在凝胶图像的获取过程中，由于蛋白质样本结构的不同，例如在不同的盐浓度中，会影响蛋白质的迁移形势，会造成同一个蛋白质点在不同的凝胶图像上可能出现在不同的位置，即所谓的“失真”。即使对一个特定的样本进行重复分析，也可能由于凝胶的局部拉伸造成凝胶图像失真。由于凝胶电泳技术本身的缺陷，凝胶图像失真问题一直存在。为了提高凝胶图像匹配的准确率进而提高凝胶图像的分析结果，就必须对失真的图像进行形变校正。目前，二维凝胶电泳图像的形变算法可以通过基于蛋白点的方法或基于像素的方法实现。本论文对凝胶图像的校正算法进行研究。系统阐述了凝胶图像形变校正的相关理论基础知识，介绍了凝胶图像失真产生的原因，数字图像形变的概念及国内外目前常用的两种凝胶图像形变的算法：基于蛋白点的方法和基于像素的方法。基于像素的方法能够充分利用图像的原始数据，但是计算量较大，耗时较长；基于蛋白点的形变方法需要对凝胶图像进行蛋白点检测，选出标记点，因而不能直接利用凝胶图像的原始数据，但其计算量小，耗时少，且形变效果较好。针对凝胶图像失真的特点，重点研究了“笑脸”形变模型和薄板样条函数（TPS）形变模型。由于凝胶图像失真的轴对称的特点，对原“笑脸”模型进行了改进。本论文在改进的“笑脸”形变模型和薄板样条函数模型的基础上提出了一种新的图像形变方法：首先，针对在凝胶图像获取过程中会出现电流侧漏而造成的失真进行“笑脸”形变；然后，基于TPS形变模型非线性形变的优点，对凝胶图像进行TPS形变。通过对原形变算法的仿真相比较，新校正算法较好的利用了凝胶图像失真的先验知识和细节信息，能够对凝胶图像进行更有效的形变校正，且计算效率高，适合实际应用。