图像拼接是将两张或者多张具有一定重叠区域的图像拼接成一幅完整的大视野图像,它在临床诊断(脊柱侧弯畸形和下肢畸形)和生物样本的显微观察等领域有着重要的应用价值,但现有图像拼接方法有的误差大,速度慢,有的需要人工干预,因此本文主要针对生物医学图像中拼接算法较少且不完善的X线图像和为了获得大的视野、观察样本全局信息显微图像进行拼接研究。对于X线图像,在基于轮廓特征和基于特征点的拼接方法分析的基础上进行了改进,分别提出了两种实现X线图像自动无缝拼接的方法。对轮廓特征方法的改进,主要是通过构造图像尺度空间,进行边缘检测并缩小尺寸,运用本文提出的多次相位相关法实现图像之间的正确匹配；对特征点的方法的改进,主要是通过对图像进行预处理和相位相关确定图像重叠区域,进而对此区域中提取的角点运用本文提出的角点邻域互相关方法进行配准,最后通过线性融合的方法实现图像的无缝拼接。利用本文提出的算法得到的拼接结果与现有临床使用软件拼接结果比较,表明本文算法能达到现有临床拼接水平。对于显微图像,本文针对SURF算法,提取特征点较少,匹配数量低的问题,提出了一种直方图均衡化处理,尺度空间重构的特征提取算法(R-SURF),通过该方法提取显微图像特征,并实现显微图像的自动拼接。最后通过分析显微图像之间仿射变换,在SURF算法的基础上提出一种仿射不变的特征提取算法(A-SURF).它对于图像之间的视角、模糊、光照、旋转具有较高的鲁棒性,适用于具有大视角变化图像之间的特征提取及匹配。