显微立体视觉是立体视觉技术在微观领域的应用，体视显微镜和CCD传感器构成了显微立体视觉系统的主体。基于以上环境，通过立体视觉的方式实现微观物体的三维重构和快速显微三维测量，进而实现微操作的视觉自动引导，提高其自动化水平。本文研究了显微立体视觉中的立体匹配技术，具体分为图象预处理、特征提取、立体匹配、深度恢复、重构结果显示及三维数据处理等。 针对显微图象的特点，采用滤波、增强及直方图处理等方法，在预处理阶段去掉了大部分图象噪声，提高了对比度，有效地实现了图象目标和背景区域分离，为特征提取与匹配提供了良好的信息源。根据特征检测的基本原理，本文选择边缘检测算子为特征提取算子，使用Sobel、Laplacian、LoG、局部熵等多种算子对显微图象进行处理，并在局部熵算子的基础上，提出了一种基于阈值曲线分析和边缘采样的双阈值边缘检测算法，取得了较好的效果。通过对LoG和局部熵算子的局部化改进，将其作为特征检测算子，对显微图象进行特征提取，并对实验结果进行了初步分析。 立体匹配是本文研究的重点，本文采用了灰度、特征区域以及灰度和特征混合区域等多种匹配基元，以最大互相关系数为相似性测度，使用逐点和隔点匹配策略，对多组显微图象进行了立体匹配，得到了表面离散视差。为了恢复匹配点处的深度信息，本文引入了弱视差显微立体视觉模型，利用模板标定法对系统参数进行了标定。在立体显示部分，本文选择OpenGL作为重构结果立体显示和后续处理的开发环境，提出了数据预处理、三维散乱点三角剖分、三角曲面构造的解决方案。对三维散乱点云数据做了初步处理，在Cline-Renka算法基础上对其数据结构和处理流程进行了改进，实现了二维散乱数据的Delaunay三角剖分。 在实验部分，本文使用多种匹配方法对塑料模板、电阻不规则表面进行了三维重构。使用特征与灰度混合匹配和边缘标记两种匹配方法对微沟道硅模板截面进行了三维重构和测量，其深度误差分别达到了2.8％和1.3％，取得了令人满意的重构结果。实验结果表明，使用立体匹配的方法对显微物体进行三维重构和测量是可行的，但还要根据微观物体和场景的特点对匹配基元与匹配方法的做出恰当地选择，在保证足够信息量的基础上，尽量降低误匹配率和提高运算速度。