利用不同角度拍摄的特定场景图像，实现图像拼接，要求用C语言和OPENCV编程实现。

实现图像拼接的基本思路是：

1. 读取多张图像并将其转换为灰度图像；
2. 检测图像中的特征点（如SIFT，SURF，ORB等算法）；
3. 对所有图像中的特征点进行匹配，并使用RANSAC算法估计每对匹配点之间的变换关系（平移，旋转，缩放等）；
4. 将所有图像根据估计的变换关系进行变换（如透视变换），并将它们拼接成一个大图像。

下面是利用C语言和OpenCV实现图像拼接的基本代码框架：

#include <stdio.h>
#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char** argv )
{
    // 读取图像
    Mat img1 = imread("image1.jpg", IMREAD_GRAYSCALE);
    Mat img2 = imread("image2.jpg", IMREAD_GRAYSCALE);
    Mat img3 = imread("image3.jpg", IMREAD_GRAYSCALE);

    // 检测特征点
    Ptr<FeatureDetector> detector = ORB::create();
    std::vector<KeyPoint> keypoints1, keypoints2, keypoints3;
    detector->detect(img1, keypoints1);
    detector->detect(img2, keypoints2);
    detector->detect(img3, keypoints3);

    // 特征点匹配
    Ptr<DescriptorExtractor> extractor = ORB::create();
    Mat descriptors1, descriptors2, descriptors3;
    extractor->compute(img1, keypoints1, descriptors1);
    extractor->compute(img2, keypoints2, descriptors2);
    extractor->compute(img3, keypoints3, descriptors3);
    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
    std::vector<DMatch> matches12, matches23;
    matcher->match(descriptors1, descriptors2, matches12);
    matcher->match(descriptors2, descriptors3, matches23);

    // 计算变换关系
    std::vector<Point2f> points1, points2, points3;
    for (int i = 0; i < matches12.size(); i++) {
        points1.push_back(keypoints1[matches12[i].queryIdx].pt);
        points2.push_back(keypoints2[matches12[i].trainIdx].pt);
    }
    for (int i = 0; i < matches23.size(); i++) {
        points2.push_back(keypoints2[matches23[i].queryIdx].pt);
        points3.push_back(keypoints3[matches23[i].trainIdx].pt);
    }
    Mat H12 = findHomography(points1, points2, RANSAC);
    Mat H23 = findHomography(points2, points3, RANSAC);

    // 变换图像并拼接
    Mat result;
    warpPerspective(img1, result, H12, Size(img1.cols + img2.cols, img1.rows));
    Mat roi(result, Rect(img1.cols, 0, img2.cols, img2.rows));
    img2.copyTo(roi);
    warpPerspective(result, result, H23, Size(result.cols + img3.cols - img2.cols, img3.rows));
    Mat roi2(result, Rect(img1.cols + img2.cols, 0, img3.cols, img3.rows));
    img3.copyTo(roi2);

    // 显示结果
    namedWindow("Result", WINDOW_NORMAL);
    imshow("Result", result);
    waitKey(0);

    return 0;
}

需要注意的是，本示例代码仅为参考，实际应用中还需要进行参数调优和异常处理。