医学影像的处理是应用数学等交叉学科的研究热点,影像技术的发展为医生提供了多种模态的医学图像,图像配准是医学图像分析的重要组成部分,医学图像配准能够综合图像信息,为医生寻找病灶、正确诊断和治疗提供技术支持。所谓医学图像配准是指寻求一系列的空间变换使两幅图像的对应点达到空间位置及解剖结构的完全一致。刚性配准是临床普遍采用的技术,尽管刚性配准技术不断完善,但目前的优化算法仍然不能避免局部极值问题,本文在优化算法方面深入研究,通过稳定的减小解空间的方法能够搜索到全局最优点,且无精度损失。医学图像配准本质上是寻求一系列空间变换参数,使得两幅图像的相似性测度达到最大值,主要有两种方法：基于特征的医学图像配准和基于区域的医学图像配准。基于特征的方法计算量小,能够满足临床的速度需求,由于需要进行特征提取,特征提取阶段引入的误差会影响到配准的精度。基于区域的方法有不需要对图像预处理、鲁棒性高的优点,但计算量较大。基于区域的图像配准中,最大互信息配准是一种广泛使用的方法。本文主要实现基于互信息的二维图像刚性配准,分析了Powell法、单纯形法、坐标轮换法的理论基础及寻优特点,针对Powell法容易收敛到局部极值的缺点,本文逐次缩减搜索空间,最后在确定的小范围解空间里均匀布点,利用单纯形法局部搜索,选取其中的最好点作为最终的寻优结果,该方法能够有效的避免错误的极值点,并对较大幅度空间变换该算法配准的准确率较低的问题,对算法作了修改,对发生较大幅度旋转的图像,提高配准的准确率,可应用于产品中。