圖像注冊是將不同的數據集轉化為一個坐標系的過程。數據可能是多張照片，來自不同傳感器、時間、深度或視點的數據。為了能夠比較或整合從這些不同測量獲得的數據，注冊是必要的。

基于強度的與基于特征的圖像登記或圖像對齊算法可分為基于強度的和基于特征的。其中一個圖像被稱為移動或源，其他圖像被稱為目標、固定或感應的圖像。圖像配準包括對源/移動圖像進行空間轉換，以與目標圖像對齊。目標圖像的參考框架是靜止的，而其他數據集則被轉換為與目標相匹配。基于強度的方法通過相關度量比較圖像中的強度模式，而基于特征的方法則尋找圖像特征之間的對應關系，如點、線和輪廓等。基于強度的方法注冊整個圖像或子圖像。如果注冊了子圖像，相應的子圖像的中心被視為相應的特征點。基于特征的方法在圖像中一些特別明顯的點之間建立了對應關系。知道了圖像中若干點之間的對應關系，就可以確定一個幾何變換，將目標圖像映射到參考圖像，從而在參考圖像和目標圖像之間建立逐點對應關系。基于強度的信息和基于特征的信息相結合的方法也已經被開發出來。

圖像配準算法也可以根據它們用來連接目標圖像空間和參考圖像空間的變換模型來分類。xxx大類變換模型包括線性變換，其中包括旋轉、縮放、平移和其他仿射變換。線性變換是全局性的，因此，它們不能為圖像之間的局部幾何差異建模。第二類變換允許"彈性"或"非剛性"變換。這些變換能夠對目標圖像進行局部扭曲以與參考圖像對齊。非剛性變換包括徑向基函數（薄板或表面花鍵、多四邊形和緊湊支持的變換）、物理連續體模型（粘性流體）和大變形模型（Diffeomorphisms）。變換通常由參數化描述，其中模型決定了參數的數量。例如，一個完整圖像的平移可以用一個參數，即平移矢量來描述。這些模型被稱為參數化模型。另一方面，非參數模型不遵循任何參數化，允許每個圖像元素任意位移。有一些程序同時實現了對經緯儀的估計和應用。它是SPM和AIR程序的一部分。

另外，許多先進的空間歸一化方法是建立在保留結構的變換上的，即同形變換和差形變換，因為它們在變換過程中平穩地攜帶光滑的子模。在現代計算解剖學領域中，差異形態是在流動的基礎上產生的，因為差異形態雖然形成了一個群，但不是加法，而是在函數組成規律下的群。由于這個原因，概括了加性群思想的流允許生成保留拓撲結構的大變形，提供1-1和to-to變換。

產生這種變換的計算方法通常被稱為LDDMM，它提供了差分形態流，作為連接與計算解剖學的測地流相對應的坐標系的主要計算工具。有許多程序通過差形映射生成坐標的差形變換，包括MRIStudio和MRICloud.org。

空間方法在圖像領域操作，匹配圖像中的強度模式或特征。一些特征匹配算法是傳統的手工圖像配準技術的產物，操作者在圖像中選擇相應的控制點（CP）。當控制點的數量超過定義適當的變換模型所需的最小值時，像RANSAC這樣的迭代算法可用于穩健地估計特定變換類型（如仿生）的參數，以便對圖像進行登記。