基于图像的三维重建一直是学者们研究的热点问题。而三维重建的问题是一个多学科综合的一个研究问题，使得三维重建需要很多的知识来完成。为了使重建效果更好，填补模型的空洞，简化模型，网格化在三维重建中也是十分重要。本文对基于图像的三维重建以及网格化算法进行了研究。首先，介绍了三维重建的基础，两视图几何，包含了对极几何、单应变换、基本矩阵、本质矩阵等计算机视觉中的概念。然后，介绍了相机标定的概念。简单介绍了传统的相机标定方法，并重点介绍了相机自标定算法中的光束平差法，并提出减小迭代的矩阵尺寸的方法，这种方法也可以保持相机外参旋转矩阵的正交特性，同时对于初始值的选取做了详尽的解释。接着，提出了基于面片的多视图重建的改进算法，提高了重建点的数量和质量，修正了法向量同时用于点云校准操作。点云校准操作，不仅可以用于后续的观察，同时也用于将点云反投影到图像中，然后通过图像分割的方法，将每幅图生成深度图。之后，针对重建生成的点云，由于点云的密度不均，而且点云不封闭的特点，设计了改进的泊松网格化算法。最后介绍了纹理映射的方法。针对研究过程中用到的两种网格化方法，设计了两种纹理映射的方法：直接选择法和最大面积投影法。