因为本人是python小白，刚看几天，所以很多都不懂,
以下本人学习python全景图像拼接时出现的一些问题，解决这些问题时在网上找了好久，浪费了大量时间，目前本人仅跑出了程序，还不理解各行代码的意义，所以仅仅是我在网上找到的东西进行简单的总结一下，希望对大家有一些帮助，如有错误请大家指出。
第一部分：全景图像拼接的问题
首先附上本人在网上找到的程序：
from imutils import paths
import numpy as np
import argparse
import imutils
import cv2
# 构造参数解析器并解析参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--images", type=str, required=True,
help="path to input directory of images to stitch")
ap.add_argument("-o", "--output", type=str, required=True,
help="path to the output image")
ap.add_argument("-c", "--crop", type=int, default=0,
help="whether to crop out largest rectangular region")
args = vars(ap.parse_args()) # vars函数是实现返回对象object的属性和属性值的字典对象
print(args) # {'images': 'images/scottsdale', 'output': 'output.png', 'crop': 1}
# 匹配输入图像的路径并初始化我们的图像列表
# rectangular_region = 2
print("[INFO] loading images...")
# 获取到每张待拼接图像并排序，如['第一张图片路径'， 第二张图片路径'，第三张图片路径']
imagePaths = sorted(list(paths.list_images(args["images"])))
# print(imagePaths)
# imagePaths = ['IMG_1786-2.jpg',
# 'IMG_1787-2.jpg',
# 'IMG_1788-2.jpg']
images = []
# 遍历图像路径，加载每个路径，然后将它们添加到我们的路径中图像到stich列表
for imagePath in imagePaths:
image = cv2.imread(imagePath)
images.append(image)
# 初始化OpenCV的图像sticher对象，然后执行图像拼接
print("[INFO] stitching images...")
stitcher = cv2.createStitcher() if imutils.is_cv3() else cv2.Stitcher_create()
(status, stitched) = stitcher.stitch(images)
# print(status, stitched)
# 如果状态为“0”，则OpenCV成功执行图像拼接
if status == 0:
# 检查我们是否应该从拼接图像中裁剪出最大的矩形区域
if args["crop"] > 0:
# 在拼接图像周围创建一个10像素的黑色边框
print("[INFO] cropping...")
stitched = cv2.copyMakeBorder(stitched, 10, 10, 10, 10,
cv2.BORDER_CONSTANT, (0, 0, 0))
# cv2.imshow('123',stitched)
# 将拼接图像转换为灰度
gray = cv2.cvtColor(stitched, cv2.COLOR_BGR2GRAY)
# cv2.imshow('456', gray)
# 对灰度图像进行阈值二值化，
# 这样所有大于零的像素都设置为255（前景），而其他所有像素都保持为0（背景）
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)[1]
# cv2.imshow('789', thresh)
# 在阈值图像中找到所有外部轮廓，然后找到 “最大 ”轮廓，它将是拼接图像的轮廓
# cv2.RETR_EXTERNAL：只找外轮廓。cv2.CHAIN_APPROX_SIMPLE：输出少量轮廓点
# 输出参数1：图像
# 输出参数2：轮廓列表
# 输出参数3：层级
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# print(cnts) #cnts包括三个数组：
# print(len(cnts))
cnts = imutils.grab_contours(cnts)
################################
# imutils.grab_contours 的源码 ：
# # if the length the contours tuple returned by cv2.findContours
# # is '2' then we are using either OpenCV v2.4, v4-beta, or
# # v4-official
# if len(cnts) == 2:
# cnts = cnts[0]
# # if the length of the contours tuple is '3' then we are using
# # either OpenCV v3, v4-pre, or v4-alpha
# elif len(cnts) == 3:
# cnts = cnts[1]
# # otherwise OpenCV has changed their cv2.findContours return
# # signature yet again and I have no idea WTH is going on
# else:
# raise Exception(("Contours tuple must have length 2 or 3, "
# "otherwise OpenCV changed their cv2.findContours return "
# "signature yet again. Refer to OpenCV's documentation "
# "in that case"))
# # return the actual contours array
# return cnts
##################################
# 抓取具有最大区域的轮廓（即拼接图像本身的轮廓），cv2.contourArea是求轮廓面积
c = max(cnts, key=cv2.contourArea)
# print(c)
# print(c.shape)
# 为掩码分配内存，该掩码将包含拼接图像区域的矩形边界框
mask = np.zeros(thresh.shape, dtype="uint8")
# 计算出最大轮廓的边界框,使用边界矩形信息.使用 cv2.boundingRect(img) 函数，用一个最小的矩形，
# 把找到的形状包起来，img是一个二值图，也就是它的参数；返回四个值，分别是 x，y，w，h；
# 其中 x，y 是矩阵左上点的坐标，w，h 是矩阵的宽和高
(x, y, w, h) = cv2.boundingRect(c)
# 使用cv2.rectangle给图像加框，我们在mask上绘制一个纯白色矩形。
# 参数1：图像
# 参数2：左上角坐标
# 参数3：右下角坐标
# 参数4：框的颜色
# 参数5：框的粗细
cv2.rectangle(mask, (x, y), (x + w, y + h), 255, -1)
# 创建掩码的两个副本
# 第一个mask，将逐渐缩小，直到它可以放入全景内部。
minRect = mask.copy()
# 第二个mask，将用于确定是否需要继续减小minRect的大小。
sub = mask.copy()
cv2.imshow('111',sub)
# 保持循环，直到sub中没有更多的前景像素
# 对二值化图像执行countNonZero。可得到非零像素点数(即外边框的像素点)
print(cv2.countNonZero(sub))
while cv2.countNonZero(sub) > 0:
# 执行侵蚀形态学操作以减小minRect的大小。
minRect = cv2.erode(minRect, None)
cv2.imshow('333',minRect)
# 从minRect中减去thresh ，一旦minRect中没有更多的前景像素，我们就可以从循环中断开
sub = cv2.subtract(minRect, thresh)
# 在最小矩形掩码中找到轮廓，然后提取边界框（x，y） - 坐标
cnts = cv2.findContours(minRect.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('444', cnts[0])
cnts = imutils.grab_contours(cnts)
c = max(cnts, key=cv2.contourArea)
(x, y, w, h) = cv2.boundingRect(c)
# 使用边界框坐标来提取我们的最终拼接图像
stitched = stitched[y:y + h, x:x + w]
# 将输出拼接图像写入磁盘
cv2.imwrite("result.jpg", stitched)
# 将输出拼接图像显示到我们的屏幕
cv2.imshow("Stitched", stitched)
cv2.waitKey(0)
# 否则，拼接失败，可能是由于检测不到足够的关键点
else:
print("[INFO] image stitching failed ({})".format(status))
使用方法：执行以下命令，在终端（cmd命令行）运行代码： python image_stitching.py --images images/scottsdale --output output.png --crop 1
待拼接图片：
拼接后：
问题一：
运行时可能会出现以下问题
python: can't open file 'h.py': [Errno 2] No such file or directory
解决：1、查看一下你的程序被你保存到了哪个地址，在cmd命令行中切换到该盘，再多次使用cd进入到该地址（注意空格），此时就可以正常运行程序了。例如保存到了D盘的DOWNLOAD中：
2、如果上述操作之后还没有解决问题，请检查一下你的文件，文件夹的命名格式，其空格应用下划线 _ 代替：或者图片的命名格式，例如一张图片命名为1.jpg，表面看起来并无错误，实际上电脑自动识别格式，其命名如下：
问题二：
解决：
第一种方法：
①python切换环境到终端，运行代码python D:chengwei福工学习test1图像拼接_去除黑边image_stitching.py --images=images --output=output.png
②D:chengwei福工学习test1图像拼接_去除黑边image_stitching.py是指python文件所在的位置
③–images=images和–output=output.png是把“–images”，“–out”和images文件夹，output.png联系起来
运行正常结果如下：
第二种方法：也可以在pycharm菜单栏中依次点击运行——编辑配置出现以下界面
在参数一栏输入-o/--output"./图像拼接_去除黑边"和-i/--images"./图像拼接_去除黑边"，注意两者之间用空格隔开，若还要添加运行参数，可空格后继续填写。
-o/--output"./图像拼接_去除黑边"其中“-o/--output“是运行报错的原因，"./图像拼接_去除黑边"是为其添加的路径，对于-i/--images"./图像拼接_去除黑边"同理即可。
问题三：还可能会出现以下问题，但本人还未找到解决方法，只是把134行报错处删除了，此时程序也可以运行。
问题四：还可能会出现以下失败的情况，目前还没有解决，于是本人换了其他的照片进行测试，结果成功拼接。
第二部分：库的安装
当初本人在网上找了一些方法进行安装库，但忙活了一天还是安装失败，这还只是一个库，所幸最后找到了用pycharm安装的方法，分享给各位。
一种比较省事的安装方法就是先安装pycharm，再在python中安装库，如下图依次点击文件——设置——项目——python解释器，然后点击加号，搜索需要安装的包即可。
以上解决方法都是源自网络，由于没有收藏，这里就只放上我还找得到的链接了。
python的numpy模块安装不成功——Python各种安装模块方法大全_MISAYAONE的博客-CSDN博客https://blog.csdn.net/misayaaaaa/article/details/53054665image-stitching-opencv: 对多张图片进行全景图像拼接，消除鬼影，消除裂缝 (gitee.com)https://gitee.com/hideinthehell/image-stitching-opencv如有侵权，联系删除。
