计算机视觉是一个飞速发展并且极其具有挑战性的领域，是一个多学科交叉的研究方向。双目立体匹配是其中非常重要的一个环节，由于涉及的问题众多，双目立体匹配是较难处理的一个问题。虽然稠密匹配算法在众多的匹配算法中表现出一定的优越性，但仍然存在一些问题，还不能满足匹配点数量与精度的要求。该论文以Marr的计算机视觉理论为基础，对特征点检测方面做了一些研究，主要针对目前稠密匹配算法中出现的问题，对基于区域增长的匹配算法做了一些改进。 通过对边缘检测经典算子检测原理的研究，对比这些算子的检测效果得出，Prewitt算子能够考虑较大的邻近区域的影响，检测出清晰且连续的边缘，定位精度较高，受噪声影响小。 该文对比SUSAN算子、MIC算子和Harris算子的原理及实现方法，使用VC6.0编程工具，完成图像的Harris角点检测。从检测结果可以得出，Harris角点检测方法检测速度快、能够得到均匀且准确的角点，算法稳定。 目前常用的匹配算法很难在得到致密的、高精度的图像信息的同时又具有很快的速度，稠密匹配算法在这方面显示了其优越性。该文主要讨论了基于区域增长的匹配算法中存在的问题，并对此算法进行了改进。利用Harris角点检测完成自动选取种子点的功能，并提出手动方法，以保证匹配精度、提高匹配速度；区域增长过程主要依据像素间的连续性，将匹配关系由种子点传播到周围的区域，达到遍历整幅图像的目的。最后根据视差原理计算匹配点对的视差，并在Visual C++6.0环境下画出视差图。 从理论分析和实验效果可以看出，自动取点和手动取点过程保证了种子点的精度，区域增长过程利用像素之间的连续性获取了大量的匹配点对，并得到了清晰且致密的视差图。