在 Jupyter Notebook 中使用 OpenCV 和 Python 将三幅图像拼接在一起，可以通过 OpenCV 的 `Stitcher` 类实现。OpenCV 提供了现成的图像拼接接口，能够自动检测关键点、匹配特征并进行图像对齐和融合。 以下是完整的实现步骤： ### 图像拼接代码示例 首先，确保已安装必要的库： ```bash pip install opencv-python-headless numpy matplotlib ``` 接着，在 Jupyter Notebook 中运行以下代码： ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 image1 = cv2.imread('image1.jpg') image2 = cv2.imread('image2.jpg') image3 = cv2.imread('image3.jpg') # 确保图像正确加载 if image1 is None or image2 is None or image3 is None: print("无法加载一幅或多幅图像") else: # 创建 Stitcher 对象 stitcher = cv2.Stitcher_create() # 将图像放入列表中 images = [image1, image2, image3] # 执行图像拼接 status, stitched_image = stitcher.stitch(images) if status == cv2.Stitcher_OK: # 显示拼接后的图像 plt.figure(figsize=(12, 6)) plt.imshow(cv2.cvtColor(stitched_image, cv2.COLOR_BGR2RGB)) plt.title("拼接后的图像") plt.axis('off') plt.show() # 保存结果（可选） cv2.imwrite('stitched_result.jpg', stitched_image) else: print(f"图像拼接失败，错误代码: {status}") ``` ### 注意事项 - **图像顺序**：拼接效果受图像顺序影响较大，建议按从左到右或从上到下的顺序排列图像。 - **图像重叠区域**：为了获得更好的拼接效果，图像之间应有适当的重叠区域。 - **图像分辨率**：高分辨率图像可能导致内存不足问题，建议适当调整图像尺寸。 - **投影模型**：默认使用平面投影模型，若需更复杂的拼接模式，可以尝试自定义参数[^1]。 ### 常见问题处理 - **内存不足**：可通过缩小图像尺寸解决，例如使用 `cv2.resize()` 调整大小。 - **拼接失败**：返回状态码 `cv2.Stitcher_ERR_NEED_MORE_IMGS` 表示需要更多图像，`cv2.Stitcher_ERR_HOMOGRAPHY_EST_FAIL` 表示特征匹配失败，可能是由于图像间缺乏共同特征。