随着当代医学成像系统的发展，医学图像在应用中的地位越来越重要。它们为临床诊断医学、计算机辅助手术、病灶监控等提供了高质量的信息支持，大大提高了人类对自身的认识和医学诊疗水平。然而，大量医学图像的涌现也带来了新的问题。医学图像由于时序差异、位置差异、获得设备差异等带来信息不一致性。如何消除差异获取最大信息成为亟待解决的问题。 医学图像配准就是这个问题的解决方法之一。所谓医学图像配准，实际上寻求一个系列图像空间到另一个系列图像空间最佳映射的问题。医学图像配准不论临床医学界还是计算机界都是目前研究的热点问题，这是一个多学科交叉的研究领域，是计算机图形学和图像处理在生物医学工程领域中的重要应用。它涉及数字图像处理、计算机图形学以及医学领域的相关知识。在诊断医学、手术规划及模拟仿真以及放疗计划等方面都有重要应用。因此，对医学图像配准的研究，具有重要的学术意义和应用价值。本文从二维医学图像的刚性变换出发，研究了基于互信息的多模态医学图像配准方法。互信息法是把信息论中的互信息作为衡量两幅图像配准的相似性测度函数，当两幅图像配准时，互信息达到最大值。该方法人工干预少，只依赖于图像本身的信息，不需要任何假设或先验医学知识，也不需要对图像进行特征点提取、组织分类等预处理。 对配准后的CT和MRI图像，本文采用了基于像素为基础的空间结构融合方法实现了CT和MRI图像的融合。空间结构融合方法是按照不同的空间位置，将CT和MRI图像的各自的一部分组合在一张图像上。图像本身没有新的灰度级的增加，只是在一幅图像中共存了两种性质的图像。通过图像融合可以把各个图像的优点或互补性有机结合起来，获得信息量更丰富的新图像的技术。