1. Numpy (np.hstack，np.vstack)

語法結構：

retval = np.hstack(tup) # 水平拼接
retval = np.vstack(tup) # 垂直拼接

• tup：一個包含多個數組的元組((img1, img2, …))。這些數組將被水平堆疊（即沿第二個軸拼接）。
• retval：拼接后的圖像，nparray 多維數組

1.1 注意事項

• np.hstack() 按水平方向（列順序）拼接 2個或多個圖像，圖像的高度（數組的行）必須相同。
• np.vstack()按垂直方向（行順序）拼接 2個或多個圖像，圖像的寬度（數組的列）必須相同。
• 綜合使用 np.hstack() 和np.vstack() 函數，可以實現圖像的矩陣拼接。
• np.hstack() 和 np.vstack() 只是簡單地將幾張圖像直接堆疊而連成一張圖像，并未對圖像進行特征提取和邊緣處理，因而并不能實現圖像的全景拼接。

1.2 代碼示例

import cv2
import numpy as npimg = cv2.imread("./img/lena.jpg")
img = cv2.resize(img, None, fx=0.5, fy=0.5)    #為了完整顯示，縮小一倍
blur2 = cv2.blur(img, (2,2))#模糊處理
blur3 = cv2.blur(img, (5,5))
blur4 = cv2.blur(img, (10,10))htich = np.hstack((img,blur2))
htich2 = np.hstack((blur3,blur4))
vtich = np.vstack((htich, htich2))cv2.imshow("mergedDemo", vtich)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. matplotlib

2.1 注意事項

• opencv使用的是BGR模式，而matplotlib使用的是RGB模式，所以需要將opencv中的BGR、GRAY格式轉換為RGB，使matplotlib中能正常顯示opencv的圖像。

2.2 代碼示例

import matplotlib.pyplot as plt
import cv2imgFile = "./img/lena.jpg"
img1 = cv2.imread(imgFile, cv2.IMREAD_COLOR)
img2 = cv2.imread(imgFile, cv2.IMREAD_GRAYSCALE)
img3 = cv2.imread(imgFile, cv2.IMREAD_UNCHANGED)
img4 = cv2.imread(imgFile)
# 將opencv中的BGR、GRAY格式轉換為RGB，使matplotlib中能正常顯示opencv的圖像
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
img2 = cv2.cvtColor(img2, cv2.COLOR_GRAY2RGB)
img3 = cv2.cvtColor(img3, cv2.COLOR_BGR2RGB)
img4 = cv2.cvtColor(img4, cv2.COLOR_BGR2RGB)
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文標簽
plt.subplot(221), plt.title("img1"), plt.axis('off')
plt.imshow(img1)
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文標簽
plt.subplot(222), plt.title("img2"), plt.axis('off')
plt.imshow(img2)
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文標簽
plt.subplot(223), plt.title("img3"), plt.axis('off')
plt.imshow(img3)
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文標簽
plt.subplot(224), plt.title("img4"), plt.axis('off')
plt.imshow(img4)
plt.show()

3. 擴展示例：多張小圖合并成一張大圖

import cv2  
import numpy as np  # 圖像文件路徑列表  
image_paths = ['1.jpg', '2.jpg', '3.jpg', '4.jpg']  # 假設這是你的分塊圖像列表  # 獲取第一個圖像的大小以確定整個大圖的大小  
first_image = cv2.imread(image_paths[0])  
height, width = first_image.shape[:2]  # 創建一個全黑的圖像作為背景，大小與整個大圖相同  
final_image = np.zeros((height, width, 3), dtype=np.uint8)  # 循環遍歷每個分塊圖像  
for image_path in image_paths:  chunk = cv2.imread(image_path)  # 提取分塊圖像的坐標  chunk_height, chunk_width = chunk.shape[:2]  start_i, start_j = image_path.split('_')[-2:]  start_i, start_j = int(start_i), int(start_j)  # 將分塊圖像寫入到最終圖像中  final_image[start_i:start_i+chunk_height, start_j:start_j+chunk_width] = chunk  # 釋放分塊圖像占用的內存  del chunk  # 保存最終合并的圖像  
cv2.imwrite('final_image.jpg', final_image)

4. 總結

• np.hstack 和 np.vstack 用于拼接數組，而 matplotlib 用于顯示圖像。
• NumPy 的拼接操作通常比 matplotlib 更快，因為 matplotlib 的主要目的不是圖像處理。
• 可以先用 NumPy 進行圖像拼接，然后用 matplotlib 來顯示結果。