### Python 平铺多张图片拼接成一张图片的示例代码 以下是几种常见的方法来实现将多张图片平铺并拼接成一张大图的功能。这些方法分别利用了 `PIL` 和 `OpenCV` 这两个常用的图像处理库。 --- #### 方法一：使用 PIL 库 通过 `PIL.Image.new()` 创建一个新的画布，并使用 `paste()` 将每张小图粘贴到指定位置。 ```python from PIL import Image import os def pil_concat_images(image_paths, rows, cols): # 打开所有图片并获取尺寸 images = [Image.open(fp) for fp in image_paths] width, height = images[0].size # 创建新的画布 new_width = cols * width new_height = rows * height canvas = Image.new('RGB', (new_width, new_height)) # 循环将图片粘贴到新画布上 index = 0 for r in range(rows): for c in range(cols): if index >= len(images): break img = images[index] box = (c * width, r * height) canvas.paste(img, box) index += 1 return canvas # 示例调用 image_dir = './images/' # 图片文件夹路径 image_files = sorted(os.listdir(image_dir))[:6] # 前六张图片作为测试数据 image_paths = [os.path.join(image_dir, f) for f in image_files] result = pil_concat_images(image_paths, rows=2, cols=3) result.save("pil_combined_image.jpg") # 保存结果 ``` 这种方法适用于简单的平铺操作，且依赖于 `Pillow` 库[^1]。 --- #### 方法二：使用 OpenCV 和 NumPy 通过 `cv2.imread()` 加载图片，并将其组合到一个更大的数组中。 ```python import cv2 import numpy as np import glob def opencv_combine_images(image_paths, rows, cols): # 获取第一张图片的尺寸 first_img = cv2.imread(image_paths[0]) h, w = first_img.shape[:2] # 初始化空白的大图 combined_image = np.zeros((rows*h, cols*w, 3), dtype=np.uint8) idx = 0 for r in range(rows): for c in range(cols): if idx >= len(image_paths): break img = cv2.imread(image_paths[idx]) combined_image[r*h:(r+1)*h, c*w:(c+1)*w, :] = img idx += 1 return combined_image # 示例调用 image_dir = './images/' image_files = sorted(glob.glob(f"{image_dir}/*.jpg"))[:6] # 取前六张图片 combined_result = opencv_combine_images(image_files, rows=2, cols=3) cv2.imwrite("opencv_combined_image.jpg", combined_result) # 保存结果 ``` 该方法适合需要更复杂图像处理的情况，比如调整亮度或对比度等[^2]。 --- #### 方法三：动态生成行列布局 如果不知道具体的行数和列数，可以根据图片数量自动计算最佳布局： ```python import math import cv2 import numpy as np import glob def auto_layout_combine_images(image_paths): num_images = len(image_paths) sqrt_num = int(math.sqrt(num_images)) rows = cols = sqrt_num if sqrt_num ** 2 >= num_images else sqrt_num + 1 first_img = cv2.imread(image_paths[0]) h, w = first_img.shape[:2] combined_image = np.zeros((rows*h, cols*w, 3), dtype=np.uint8) idx = 0 for r in range(rows): for c in range(cols): if idx >= num_images: break img = cv2.imread(image_paths[idx]) combined_image[r*h:(r+1)*h, c*w:(c+1)*w, :] = img idx += 1 return combined_image # 示例调用 image_dir = './images/' image_files = sorted(glob.glob(f"{image_dir}/*.jpg")) auto_combined_result = auto_layout_combine_images(image_files) cv2.imwrite("auto_combined_image.jpg", auto_combined_result) ``` 这种动态布局的方式更加灵活，尤其当图片数量不确定时非常有用[^3]。 --- ### 总结 以上三种方法均能完成将多张图片平铺拼接的任务，具体选择取决于项目需求和个人偏好。对于初学者来说，推荐优先尝试基于 `PIL` 的解决方案；而对于高级用户，则可以选择功能更为强大的 `OpenCV` 来实现更多自定义效果。