高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别的可靠性及系统的自动化程度。以增强图像中信息透明度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。

这诸多方面的优点使得图像融合在医学、遥感、机器视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在机器视觉方面。

一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。

像素级融合中有空间域算法和变换域算法，空间域算法中又有多种融合规则方法，如逻辑滤波法，灰度加权平均法，对比调制法等；变换域中又有金字塔分解融合法，小波变换法。其中的小波变换是当前最重要，最常用的方法。

在特征级融合中，保证不同图像包含信息的特征，如红外光对于对象热量的表征，可见光对于对象亮度的表征等等。

决策级融合主要在于主观的要求，同样也有一些规则，如贝叶斯法，D-S证据法和表决法等。

融合算法常结合图像的平均值、熵值、标准偏差、平均梯度；平均梯度反映了图像中的微小细节反差与纹理变化特征，同时也反映了图像的清晰度。目前对图像融合存在两个问题：最佳小波基函数的选取和最佳小波分解层数的选取。

很多产线上的产品生产出来之后，都有保护膜作为保护，防止产品上出现指纹、划痕等缺陷，但包裹保护膜之后，人工对于产品的外观检测时间就变得更长，也间接地提高了人工成本，在外观检测时，如果引入图像融合，则会大大减少时间，从而减少成本。

如图所示为普通光源直接照射带薄膜物体表面的效果：

物体由于被薄膜遮挡，导致部分表面产生不可避免的反光，从而干扰整体的检测。

使用四分区时序环形光源，分别获取四个不同方向的打光效果图：

再进行多图像融合，得到如下效果图：

不难看出，通过多方向光照得出的图像，通过图像融合后，薄膜对物体造成的干扰已经微乎其微，很容易就可以对处理后的图像进行分析，例如OCR字符识别等。