python的opencv 拼接两张图片

### 使用Python OpenCV库拼接两张图像

为了使用Python中的OpenCV库来拼接两张图像，可以采用水平或垂直的方式进行简单拼接。对于更复杂的场景，比如创建全景图，则可能需要用到`Stitcher`类。

#### 方法一：简单的水平和垂直拼接

通过NumPy的`hstack`函数可实现两幅相同高度图像的水平拼接；而利用`vstack`则适用于宽度一致的情况下的垂直方向上的连接[^1]：

import cv2
import numpy as np

# 加载要拼接的第一张图片
img1 = cv2.imread('imageA.jpg')
# 加载第二张待拼接的图片
img2 = cv2.imread('imageB.jpg')

# 确保两张图片尺寸匹配以便于后续操作
if img1.shape[:2] != img2.shape[:2]:
    # 如果大小不一致，调整其中一张至另一张相同的分辨率
    img2 = cv2.resize(img2, dsize=(img1.shape[1], img1.shape[0]))

# 执行水平拼接
horizontal_concatenation = np.hstack((img1, img2))
cv2.imshow("Horizontal Concatenated Image", horizontal_concatenation)

# 或者执行垂直拼接
vertical_concatenation = np.vstack((img1, img2))
cv2.imshow("Vertical Concatenated Image", vertical_concatenation)

cv2.waitKey()
cv2.destroyAllWindows()

这种方法适合处理那些已经预先裁剪好的、具有相似特征区域或者完全不需要考虑对齐问题的照片组合。

#### 方法二：基于特征点检测与描述符匹配的自动拼接

当面对多视角拍摄得到的不同角度照片时，仅靠上述基础方式难以获得理想效果。此时应借助SIFT/SURF等算法提取关键点并计算描述子向量，在此基础上寻找最佳配对关系完成无缝融合[^3]：

from imutils import paths
import cv2
import os

class Stitcher:
    def __init__(self):
        pass
    
    def stitch(self, images, ratio=0.75, reprojThresh=4.0,
               showMatches=False):
        (imageB, imageA) = images
        
        kpsA, featuresA = self.detectAndDescribe(imageA)
        kpsB, featuresB = self.detectAndDescribe(imageB)

        M = self.matchKeypoints(kpsA, kpsB,
                                featuresA, featuresB, ratio, reprojThresh)

        if M is None:
            return None
            
        matches, H, status = M
        result = cv2.warpPerspective(imageA, H,
                                     (imageA.shape[1]+imageB.shape[1],
                                      imageA.shape[0]))
        
        result[0:imageB.shape[0], 0:imageB.shape[1]] = imageB

        if showMatches:
            vis = self.drawMatches(imageA, imageB, kpsA, kpsB, matches,
                                   status)
            
            return (result, vis)

        return result


def detectAndDescribe(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    descriptor = cv2.SIFT_create()
    (kps, features) = descriptor.detectAndCompute(gray, None)
    
    kps = np.float32([kp.pt for kp in kps])
    
    return (kps, features)


stitcher = Stitcher()

images_path = ['path_to_image_A', 'path_to_image_B']
images = []

for imagePath in images_path:
    image = cv2.imread(imagePath)
    images.append(image)

(result, matched_points_vis) = stitcher.stitch(images, showMatches=True)

cv2.imwrite("matched_points.png", matched_points_vis)
cv2.imwrite("panorama_result.png", result)

这段代码定义了一个名为`Stitcher`的类用于管理整个过程——从加载输入文件到最终保存输出成果。注意这里引入了额外的帮助函数`detectAndDescribe()`负责具体的关键点定位工作，并且实现了可视化功能方便查看中间步骤的结果。