高效的圖像融合方法可以根據(jù)需要綜合處理多源通道的信息，從而有效地提高了圖像信息的利用率、系統(tǒng)對目標(biāo)探測識別的可靠性及系統(tǒng)的自動化程度。以增強圖像中信息透明度、可靠性以及使用率，以形成對目標(biāo)的清晰、完整、準(zhǔn)確的信息描述。

這諸多方面的優(yōu)點使得圖像融合在醫(yī)學(xué)、遙感、機器視覺、氣象預(yù)報及軍事目標(biāo)識別等方面的應(yīng)用潛力得到充分認識、尤其在機器視覺方面。

一般情況下，圖像融合由低到高分為三個層次：數(shù)據(jù)級融合、特征級融合、決策級融合。數(shù)據(jù)級融合也稱像素級融合，是指直接對傳感器采集來得數(shù)據(jù)進行處理而獲得融合圖像的過程，它是高層次圖像融合的基礎(chǔ)，也是目前圖像融合研究的重點之一。這種融合的優(yōu)點是保持盡可能多得現(xiàn)場原始數(shù)據(jù)，提供其它融合層次所不能提供的細微信息。

像素級融合中有空間域算法和變換域算法，空間域算法中又有多種融合規(guī)則方法，如邏輯濾波法，灰度加權(quán)平均法，對比調(diào)制法等；變換域中又有金字塔分解融合法，小波變換法。其中的小波變換是當(dāng)前最重要，最常用的方法。

在特征級融合中，保證不同圖像包含信息的特征，如紅外光對于對象熱量的表征，可見光對于對象亮度的表征等等。

決策級融合主要在于主觀的要求，同樣也有一些規(guī)則，如貝葉斯法，D-S證據(jù)法和表決法等。

融合算法常結(jié)合圖像的平均值、熵值、標(biāo)準(zhǔn)偏差、平均梯度；平均梯度反映了圖像中的微小細節(jié)反差與紋理變化特征，同時也反映了圖像的清晰度。目前對圖像融合存在兩個問題：最佳小波基函數(shù)的選取和最佳小波分解層數(shù)的選取。

很多產(chǎn)線上的產(chǎn)品生產(chǎn)出來之后，都有保護膜作為保護，防止產(chǎn)品上出現(xiàn)指紋、劃痕等缺陷，但包裹保護膜之后，人工對于產(chǎn)品的外觀檢測時間就變得更長，也間接地提高了人工成本，在外觀檢測時，如果引入圖像融合，則會大大減少時間，從而減少成本。

如圖所示為普通光源直接照射帶薄膜物體表面的效果：

物體由于被薄膜遮擋，導(dǎo)致部分表面產(chǎn)生不可避免的反光，從而干擾整體的檢測。

使用四分區(qū)時序環(huán)形光源，分別獲取四個不同方向的打光效果圖：

再進行多圖像融合，得到如下效果圖：

不難看出，通過多方向光照得出的圖像，通過圖像融合后，薄膜對物體造成的干擾已經(jīng)微乎其微，很容易就可以對處理后的圖像進行分析，例如OCR字符識別等。