Το αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανασκόπηση της διαδικασίας της ευθυγράμμισης ιατρικών εικόνων, οι εξέταση των λόγων που την καθιστούν απαραίτητη για την ιατρική κοινότητα και οι ιδιαιτερότητες των ιατρικών εικόνων που θέτουν το ζήτημα της αναγκαιότητας ελαστικών τροποποιήσεων. Αρχικά πραγματοποιείται η παρουσίαση των επικρατέστερων μεθόδων ευθυγράμμισης και των σταδίων υλοποίησής τους. Γίνεται σύγκριση των άκαμπτων και των ελαστικών μεθόδων, καθώς και προτείνονται ερευνητικές προοπτικές για τη βελτίωση των τεχνικών. Στην παρούσα εργασία δίνεται έμφαση στον ελαστικό μετασχηματισμό Thin Plate Splines, γίνεται ανάλυση του μαθηματικού μοντέλου υλοποίησής του και προτείνεται μία μέθοδος βελτίωσης για την αυτόματη επιλογή και αντιστοίχιση σημείων ελέγχου. Στη συνέχεια πραγματοποιείται υλοποίηση τρισδιάστατου αφινικού και ελαστικού μετασχηματισμού για την ευθυγράμμιση τεχνητών και κλινικών ιατρικών δεδομένων. Γίνεται ποιοτική και ποσοτική σύγκριση των αποτελεσμάτων και αξιολογείται η αποτελεσματικότητα των μεθόδων σε σχέση με τα χαρακτηριστικά των διαφορετικών δεδομένων που επεξεργάζονται και τον αριθμό των σημείων που επιλέγονται. Τα κριτήρια που χρησιμοποιούνται είναι ποιοτικά και ποσοτικά, και αφορούν την ποιότητα της ευθυγράμμισης καθώς και το χρόνο εκτέλεσης των αλγορίθμων. / The current diploma thesis deals with the image registration process for medical images. The reasons that make image registration necessary to the medical community are considered, as well as the particularities of the medical images that make elastic transformation an absolute requirement. As a first stage, a presentation of the predominant registration methods takes place. Non-rigid and rigid methods are compared, and prospects for the improvement of the methods are proposed. Emphasis is placed on the elastic transformation with the use of Thin Plate Splines, the mathematical model for its algorithm design is analyzed, and a method for its optimization based on automatic points correspondences is presented. 3D Affine and TPS registrations are applied on both artificial and clinical medical data. The registration results are evaluated by qualitative and quantitative criteria, and the effectiveness of the algorithms is compared through application on the different data types and control points selections. The registration is overall evaluated for effectiveness and execution time.