由图像来进行三维重建是计算机视觉中的重要研究目标之一。本文从两个方面研究了三维重建的方法:基于视差图的三维重建和基于特征点的三维重建。然后对其中的某些步骤进行了改进,并进行了实验分析。在基于视差图的三维重建方法中,本文提出了一种基于引导滤波器和半全局的立体匹配算法。首先,我们对基于像素灰度值和像素梯度的相似性度量函数进行改进,用抗噪声能力强的函数与其相结合。然后,我们使用引导滤波器对改进后的相似度量函数进行滤波,再使用滤波后的度量函数去构造一个能量函数,使用半全局算法中的动态规划方法去求解此能量函数得到最终的视差。由实验结果可知,基于引导滤波器和半全局的立体匹配算法在测试数据集上表现较好,但是本文算法在实拍图像上效果一般,其表现为视差图中物体的边缘不够光滑,算法的泛化能力一般。在基于特征点的三维重建中,我们利用SFM(structure from motion)算法实现三维重建,针对其中涉及到的特征点匹配存在错误匹配的情况,本文提出了一种依靠像素灰度、梯度和像素邻域内像素分布排列的去除误匹配算法。首先计算两特征点的零均值归一化互相关值,然后计算两特征点邻域内像素排列的相似性值,最后计算两特征点的梯度相似值。根据这三个指标进行判断两特征点是否为正确匹配。由实验结果可知,本文去除误匹配算法与RANSAC相比,最后得到的正确匹配点对数较少,但是本文算法耗时比RANSAC算法少,适合一些实时性较高的应用。