pythonopencv，将1.jpg和2.jpg拼接/融合成一张图片，并保存为output.jpg 1. 偏移量通过特征点匹配自动计算 2. 拼接后空白区域用黑色代替

好的，我可以帮你解决这个问题。首先，你需要安装OpenCV库，你可以在命令行中运行以下命令来安装：

pip install opencv-python

然后，你可以使用以下代码来拼接/融合1.jpg和2.jpg：

import cv2

# 读取1.jpg和2.jpg
img1 = cv2.imread('1.jpg')
img2 = cv2.imread('2.jpg')

# 创建ORB特征检测器
orb = cv2.ORB_create()

# 使用ORB检测器检测关键点和描述符
kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)

# 创建暴力匹配器
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

# 匹配关键点
matches = bf.match(des1, des2)

# 按照距离从小到大排序
matches = sorted(matches, key=lambda x: x.distance)

# 取前10个最佳匹配
matches = matches[:10]

# 提取匹配到的关键点的坐标
pts1 = []
pts2 = []
for match in matches:
    pts1.append(kp1[match.queryIdx].pt)
    pts2.append(kp2[match.trainIdx].pt)

# 计算变换矩阵
H, _ = cv2.findHomography(pts2, pts1, cv2.RANSAC)

# 计算图像2在图像1中的偏移量
h, w, _ = img2.shape
pts = [[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]
pts = cv2.perspectiveTransform(pts, H)
x_offset = int(min(pts[:, 0]))
y_offset = int(min(pts[:, 1]))

# 融合图像1和图像2
result = cv2.warpPerspective(img2, H, (img1.shape[1], img1.shape[0]))
result[y_offset:y_offset + img1.shape[0], x_offset:x_offset + img1.shape[1]] = img1

# 将空白区域用黑色填充
result[:y_offset, :] = 0
result[y_offset + img1.shape[0]:, :] = 0
result[:, :x_offset] = 0
result[:, x_offset + img1.shape[1]:] = 0

# 保存输出结果
cv2.imwrite('output.jpg', result)

这段代码首先使用ORB特征检测器和暴力匹配器找到1.jpg和2.jpg中的匹配点，然后计算出图像2在图像1中的变换矩阵。接着，它计算出偏移量，并将图像1和融合后的图像2拼接在一起。最后，它将空白区域用黑色填充，并将输出结果保存为output.jpg。