今天，我们将为大家介绍【图像融合】。图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度地提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。

算法至少需要三张图，这些图是在相机和物体相对位置不变条件下（Note），通过不同方向打光获取的。物体的三维模型主要是根据三维表面的局部梯度计算提取的。三维表面的局部梯度信息可以进一步整合获得高度信息图，灰度值与高度值一一对应。二维纹理被称为反照率，它对应于物体表面局部光吸收和反射特性，被遮挡的部分没有此特性。

光度立体法的典型应用是检测物体表面微小变化，例如，受打光方向影响的缺陷。比如非平面的打印检测。值得注意的是：光度立体法不适用于绝对高度的重建，也就是说，它不能替代传统的3D重建算法，如对焦测距和激光三角测量。

图 四个角度的光源，分别拍照取样

图 合成反射率图

图 合成曲率图

二、多次曝光HDR图像融合

HDR融合算法是一种改善图像非均匀亮度造成的色彩和细节问题的图像处理技术，它通过从多个拍摄亮度不同的图像中融合出一张高动态范围图像，从而改善图像中的色彩，而且增强了图像的细节，它是一种非常有效的图像增强技术。

HDR融合算法以多张有不同亮度的照片为原有图像，其中的每一张图像都可以用像素灰度值表示，从而构造范围更宽的图像，以便拥有更强的强对比度和更多的灰度值，以及更多的细节，同时，也可以得到更丰富的尺度变换空间，利用图像和对比度拉伸算法等，可以使图像更加清晰，通过使用现有的 HDR 融合算法，可以增加图像的锐度和动态范围，从而实现 HDR 图像的亮度增强处理。

三、 多焦点图像融合 

大多数成像系统（例如工业相机）具有有限的景深，这使场景的内容在距成像平面有限的距离内聚焦。 具体地说，接近或远离焦点的对象在图像中显得模糊（无法聚焦），某些对象会导致整个图像不清晰。 多焦点图像融合（MFIF）旨在从同一场景中的两个或更多个部分聚焦的图像中重建一个完全聚焦的图像。

通常，会拍摄局部聚焦的照片。这意味着，如果在拍照时单击某个特定位置，则该位置将处于焦点位置，其余位置将失去焦点。可以将图像聚焦在多个部分上将图像组合在一起以形成一个完全聚焦的图像。下图为多聚焦图像融合示例。

图 图像合成图

四、 高反面条纹图像融合

对于高反的产品表面，采用普通的光源打光方式会造成局部过曝或者带有方向的划伤在图像上体现不出来，需要采用条纹反射原理，将各个方向的划伤缺陷，通过明暗的条纹体现出来。

相位偏折法的技术是一种镜面/类镜面的表面质量检测技术，系统通常由程控条纹光（LCD屏幕）及工业面阵相机组成，光源投射特定图案到待测面上，利用反射图像相位对待测面微小变化敏感特点，拍摄出多张图像进行融合，达到缺陷清晰可见。算法采用Molina的方式进行融合，是一种基于差分求绝对值的融合方法。   

图 条纹偏折12张相位偏移图

图 合成图

五、 失焦模糊图像恢复

传统机器视觉中很多情况下，由于改变物距、物体运动导致图像失焦，为了提高图像的清晰度，采用图像复原去模糊的方式解决图像质量的问题。

光学图像复原去模糊主要有两类方法，一类是点扩散函数，通过反卷积算法对降质图像进行解卷积，得到较清晰的复原图像；另一类则是在点扩散函数未知或只具备少量点扩散函数先验知识的情况下，通过盲复原算法估计原图像。在非盲复原算法中，点扩散函数估计值与真实值之间的偏差会直接影响图像恢复效果；在盲复原算法中，一个相对准确的点扩散函数估计值作为迭代算法的初始估计，将会加快算法收敛、减小计算量，取得良好的效果。

菲特将机器视觉与深度学习相结合，利用机械臂协同对铝压铸件进行外观缺陷检测，机械臂带动相机和光源，对目标进行实时拍照取图。

应用案例：铸造件产品加工表面缺陷检测，如沙眼、磕碰、鼓包、划伤、毛刺等缺陷；代表性产品：发动机缸体、变速箱油路板等。

菲特通过AI算法和多角度光学融合技术等对图片进行标注分析，实时显示缺陷图片，实现对质检目标全角度、多目标的准确快速识别，为产线质检提供新型辅助模式。

未来，菲特将不断进行技术升级，以智能制造为主攻方向，引领行业发展，推动智能产业发展的产业链现代化发展，持续为汽车、化纺、医药、钢铁等制造行业提供创新性的智能制造软硬一体化解决方案，为推进中国新型工业化贡献力量，成为制造企业可以信赖的质量服务供应商！