图像融合经过图像配准后，根据图像间变换矩阵H可以确定图像间的重叠区域，对图像序列进行拼接形成一幅全景图像。
由于待拼接的各图像可能会存在亮度差异，或者使用普通相机拍摄图像时，图像中可能出现边缘失真现象，这样会造成配准后的图像在强度或颜色上不连续，存在明显的拼接缝隙，所以必须对图像重叠部分进行处理。
为了消除图像间的拼接缝隙，实现平滑过渡，本文采用了图像融合的方法。
图像融合就是将不同来源的相同图像的图像数据进行空间上的配准，然后采取一定的算法将各个图像数据当中的所有信息互补、有效地结合起来，产生出新的图像数据的信息。
新的数据能够更全面的描述对象，从而减少了对象可能存在的不完整和误差，并且最大限度的利用了信息源提供的信息。
图像融合能更好的描述被感知的对象，并且提高图像信息的能力。
本文采用加权平均融合法，它类似于直接平均法，但是重叠区域的像素值不再是简单叠加，而是先加权再叠加平均。
下式中，和分别是第一幅图像和第二幅图像中重叠区域对应像素的权值，并且满足。
选择适当的权值，可使重叠区域实现平滑过渡，同时消除拼接痕迹。
这种方法简洁、快速，是一种比较常用的图像融合方法。
（3.3）选择权值有以下两种办法：1）帽子函数加权平均法这种方法对图像中心区域的像素赋予较高权值，图像边缘区域像素的权值较则低：（3.4）其中和，表示第i个图像的宽和高，帽子函数如图5.1。
图5.1 帽子函数为了满足需要对，需要对(5.2)式进行修正，像素权值为：（3.5）即也就是多幅图像融合时，重叠区域可表示为: ，这里。
2）这种方法是由 Szeliski 提出的，假如是两幅待拼接的图像，将图像在空间叠加，则融合后的像素可为:（3.6）式中, 表示权重值，它们一般与重叠区域的宽度有关，即一般，其中表示重叠区域的宽度，且，，，。
在重叠区域中，由 1渐变至0，由0渐变至1，由此实现了在重叠区域中由慢慢平滑过渡到。
如图 5.2。
图 5.2 权值函数分布。
图像融合是将两幅或多幅图像融合在一起，以获取对同一场景的更为精确、更为全面、更为可靠的图像描述。
融合算法应该充分利用各原图像的互补信息，使融合后的图像更适合人的视觉感受，适合进一步分析的需要；并且应该统一编码，压缩数据量，以便于传输。
图像融合可分为三个层次:1. 像素级融合2. 特征级融合3. 决策级融合其中像素级融合是最低层次的融合，也是后两级的基础。
它是将各原图像中对应的像素进行融合处理，保留了尽可能多的图像信息，精度比较高，因而倍受人们的重视。
像素级的图像融合方法大致可分为三大类:1. 简单的图像融合方法2. 基于塔形分解（如Laplace塔形分解、比率塔等）的图像融合方法3. 基于小波变换的图像融合方法小波变换是图像的多尺度、多分辨率分解，它可以聚焦到图像的任意细节，被称为数学上的显微镜。
近年来，随着小波理论及其应用的发展，已将小波多分辨率分解用于像素级图像融合。
小波变换的固有特性使其在图像处理中有如下优点：1. 完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息；2. 把图像分解成平均图像和细节图像的组合，分别代表了图像的不同结构，因此容易提取原始图像的结构信息和细节信息；3. 具有快速算法，它在小波变换中的作用相当于FFT算法在傅立叶变换中的作用，为小波变换应用提供了必要的手段；4. 二维小波分析提供了与人类视觉系统方向相吻合的选择性图像。
——像素级图像融合的主要步骤以两幅图像的融合为例。
设A，B为两幅原始图像，F为融合后的图像。
若对二维图像进行N层的小波分解，最终将有(3N+1)个不同频带，其中包含3N 个高频子图像和1个低频子图像。
其融合处理的基本步骤如下：（1）对每一原图像分别进行小波变换，建立图像的小波塔型分解；（2）对各分解层分别进行融合处理。
各分解层上的不同频率分量可采用不同的融合算子进行融合处理，最终得到融合后的小波金字塔；（3）对融合后所得小波金字塔进行小波重构，所得到的重构图像即为融合图像。
