随着计算机技术及数字电影技术的快速发展,传统的2D高清电影、电视不能满足人们的视觉需要,这促成了3D技术的迅速进步,也使得3D视频在人们的生活中扮演越来越重要的角色。现有的立体内容制作方式有立体相机采集和2D/3D转制,其中2D/3D转制由于其制作成本低,制作周期短的特点在商业上被广泛采用。本文介绍了全自动2D/3D转制技术和半自动2D/3D转制技术。对全自动转制而言,其主要环节在于深度信息提取；对半自动转制而言,其主要环节在于深度信息传播。对两种技术而言,关键环节都可以由运动分析方法予以解决。本文之后介绍了常用的运动分析方法,包括基于特征点对应关系的运动分析和基于光流法的运动分析。介绍了TV-L1变分光流计算方法,并根据遮挡区域检测和自适应支持权值技术提出了一种可修补遮挡区域的稠密光流优化方法,然后由稠密光流提取图像深度信息。算法首先计算图像序列前向和后向TV-L1稠密光流,根据光流不匹配度量,检测出图像遮挡区域。之后根据格斯塔视觉理论相似性和接近性原则,提出一种可自适应修正支持权值的邻域加权修补方法,由图像直观以及定量分析可以看出本方法对遮挡区域稠密光流进行了有效的修补。提出了一种基于特征点匹配技术和图形形变技术的深度信息传播方法。针对相邻帧特征点容易出现误匹配问题,提出一种基于深度图的特征点自适应匹配算法,该算法能够有效降低误匹配率,之后在特征点对应关系的基础上对关键帧深度图像进行图形形变。实验结果显示,非关键帧的深度图能够高效的自动生成。在OpenCV2.4.9和VS2010环境下对稠密光流计算和特征点匹配经典算法和优化方法进行实验,并相应的用于视频2D/3D转制中的深度信息提取和深度信息传播关键环节。本文的优化算法能够提升稠密光流图和特征点匹配的精确性,对视频2D/3D转制具有实际意义。