给我能拼接三个图片的python代码

在Python中，我们可以使用OpenCV库结合NumPy和一些图像处理技术来实现全景图片拼接。下面是一个简单的例子，假设我们已经有了三张图片，分别存储在`img1.jpg`, `img2.jpg`, 和 `img3.jpg`中，并且已经完成了特征检测和匹配：

import cv2
import numpy as np

# 加载图片
images = ['img1.jpg', 'img2.jpg', 'img3.jpg']
image_list = [cv2.imread(img) for img in images]

# 获取第一个图片作为参考
reference_image = image_list[0]
# 其他图片需要转化为灰度并做特征匹配
gray_images = [cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) for img in image_list[1:]]

# 提取SIFT特征并计算描述符
sift = cv2.xfeatures2d.SIFT_create()
keypoints, descriptors = sift.detectAndCompute(gray_images, None)

# RANSAC模型进行特征匹配
matcher = cv2.BFMatcher()
matches = matcher.knnMatch(descriptors, descriptors, k=2)

# 对匹配进行筛选
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)

# 获取匹配的关键点坐标
src_points = np.float32([keypoints[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
dst_points = np.float32([keypoints[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

# 计算基本矩阵
fundamental_matrix = cv2.findFundamentalMat(src_points, dst_points, cv2.FM_RANSAC)

# 根据基本矩阵，找到单应性矩阵
homography = cv2.convertPointsFromHomogeneous(np.dot(cv2.Rodrigues(fundamental_matrix)[0], src_points))

# 拼接图片
h, w = reference_image.shape[:2]
rows, cols = h * len(image_list), w

result = np.zeros((rows, cols, 3), dtype=np.uint8)
start_x = 0

for i, img in enumerate(image_list):
    end_x = start_x + img.shape[1]
    result[start_x:end_x, :img.shape[1]] = img
    start_x = end_x

# 将匹配的图像片段放在一起
for homography_row in homography:
    warp_image = cv2.warpPerspective(image_list[i+1], homography_row, (w, h))
    rowslice = slice(start_x, start_x+h)
    result[rowslice] = warp_image
    start_x += h

# 显示结果
cv2.imshow("Pano", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，这个代码示例是一个基础版本，实际应用中可能需要根据场景调整参数、处理遮挡等问题。此外，这个代码依赖于SIFT特征，如果你有更好的特征选择，如ORB、BRISK等，也可以替换使用。