图像拼接是指将通过相机或摄像头获取的具有重叠区域的图像拼接成一张宽视角、高分辨率的全景图像。本文主要对静态全景图像拼接和多摄像头实时视频拼接进行了研究。在静态图像拼接方面，本文重点研究基于SURF(Speeded Up Robust Features)特征的图像拼接算法。传统的SIFT(Scale Invariant Feature Transform)算法缺点是在特征提取和匹配时的运算较慢，而SURF特征匹配算法克服了这个缺点，且具有较好的鲁棒性。本文使用SURF算法提取的Laplacian标识符对基于最近邻与次近邻距离比值匹配算法进行改进，获得了较快的匹配速度；针对传统RANSAC算法计算变换矩阵迭代次数过多且变换矩阵不够准确的问题上，本文使用初始匹配对的相似度值对其改进，提高了传统RANSAC算法的效率和鲁棒性；在图像融合中，为了去除拼接过程中可能产生的拼接痕迹，采用带阈值的加权平滑算法对匹配后的图像进行融合，有效的解决了常规加权平滑算法中的图像模糊、重影现象。在视频拼接方面，本文重点研究了两路横向、两路纵向以及四路横纵放置的摄像头拼接。在进行视频拼接时，由于本文对USB摄像头进行了固定，因此在摄像头参数不改动的前提下，只需要在首帧计算一次变换矩阵，其余帧图像的拼接直接利用首帧计算出来的变换矩阵，使得各帧图像的拼接时间大大减小，拼接时间主要由图像融合阶段的时间决定。为了提高视频拼接的实时性，本文在帧图像融合时，只对减半处理的重叠区域内的像素值进行融合，这使得帧图像融合的时间大大减少，改善了多摄像头拼接的实时性。