開發環境：python+opencv3
筆者拼接影象的步驟如下：
step1: 利用特徵運算元檢測並描述,常見的特徵運算元在cv2.xfeatures2中都有，比如角點harris,斑點surf,sift等，這些運算元的原理不再過多闡述。
step1:對於描述子，要進行匹配，在cv2中匹配可以是暴力匹配也可以選擇flann，這是優化過的匹配演算法，至於暴力匹配就是sift 的作者lowe 提出的NNDR方法，遍歷所有點。
step3: 對於匹配點，我們首先要檢查是否存在誤點，可以利用基本矩陣（即極線約束的方式來剔除），在筆者原始碼中，沒有這一步。對於提純後的同名點，我們可以估計一個單應矩陣，即點對點的變換方式（如果h33=1),那麼單應矩陣也可稱為“投影矩陣”，根據《計算機視覺在多檢視幾何中的應用》那本書可以知道，投影矩陣具有保線性，即可以消除射影失真（影像上的平行線在看起來不平行，它們都有消影點（vanishing point))。單應矩陣常用語拼接。->基本矩陣和單應矩陣的區別見筆者之前的文章。
step 4: 利用opencv 中的warpPerspective 函式來實現全景圖。
下面附上程式碼和效果圖：（程式碼都加了註釋）

# -*- coding: utf-8 -*-
#Panorama Stitcher 
import cv2
import numpy as np
class macthing(object):
    def matchIMG(self,im1,im2,kp1,kp2,des1,des2):
        FLANN_INDEX_KDTREE=0
        index_p=dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
        searth_p=dict(checks=50)
        flann=cv2.FlannBasedMatcher
 
(index_p,searth_p)
        matches=flann.knnMatch(des1,des2,k=2)
        good =[]
        pts1=[]
        pts2=[]
        for i,(m,n) in enumerate(matches):
            if m.distance<0.6*n.distance:
                good.append(m)
                pts1.append(kp1[m.queryIdx].pt)
                pts2.append(kp2[m.trainIdx].pt)
        pts1=np.float32(pts1)
        pts2=np.float32(pts2)
        H
 
,mask=cv2.findHomography(pts1,pts2,cv2.RANSAC,0.01)
        pts1_1=pts1[mask.ravel()==1]
        pts2_2=pts2[mask.ravel()==1]
        return pts1_1,pts2_2,H
    def appendimage(self,im1,im2):
        r1=im1.shape[0]
        r2=im2.shape[0]
        if r1<r2:
            img=np.zeros((r2-r1,im1.shape[1]),np.uint8)
            im1_1=np.vstack((im1,img))
            im3=np.hstack((im1_1,im2))
        else:
            img=np.zeros((r1-r2,im2.shape[1]),np.uint8)
            im2_2=np.vstack((im2,img))
            im3=np.hstack((im1,im2_2))
        return im3 
#    def panorama_get(self,im1,im2,H):
#        if im1.shape[0]>=im2.shape[0]:
#            result=cv2.warpPerspective(im1,H,(im1.shape[1]+im2.shape[1],im1.shape[0]))
#            result[0:im2.shape[0],0:im2.shape[1]]=im2
#        else:
#            result=cv2.warpPerspective(im1,H,(im1.shape[1]+im2.shape[1],im2.shape[0]))
#            result[0:im2.shape[0],0:im2.shape[1]]=im2
#        return result
    def panorama_get(self,im1,im2,H):
        h1,w1=im1.shape[:2]
        h2,w2=im2.shape[:2]
        pts1=np.float32([[0,0],[0,h1],[w1,h1],[w1,0]]).reshape(-1,1,2)#轉為3維座標
        pts2=np.float32([[0,0],[0,h2],[w2,h2],[w2,0]]).reshape(-1,1,2)
        pts1_=cv2.perspectiveTransform(pts1,H)#H：3*3 矩陣，所以pts1也該為3維座標
        pts=np.concatenate((pts1_,pts2),axis=0)#列連線
          #np.min 是行優先
        [xmin,ymin]=np.int32(pts.min(axis=0).ravel()-0.5)
        [xmax,ymax]=np.int32(pts.max(axis=0).ravel()+0.5)
        t=[-xmin,-ymin]# 左加右減
        Ht = np.array([[1,0,t[0]],[0,1,t[1]],[0,0,1]]) #相當於一個向右平移
        result = cv2.warpPerspective(im1, Ht.dot(H), (xmax-xmin, ymax-ymin))#最後一個引數是輸出影象的寬、高
        result[t[1]:h2+t[1],t[0]:w2+t[0]] = im2
        return result
if __name__=="__main__":
    M=macthing()
    im1_=cv2.imread(r"C:\Users\Y\Desktop\3.jpg")
    im2_=cv2.imread(r"C:\Users\Y\Desktop\4.jpg")
    im1=cv2.cvtColor(im1_,cv2.COLOR_BGR2GRAY)
    im2=cv2.cvtColor(im2_,cv2.COLOR_BGR2GRAY)
    sift=cv2.xfeatures2d.SIFT_create()
    kp1,des1=sift.detectAndCompute(im1,None)
    kp2,des2=sift.detectAndCompute(im2,None)
    pts1_1,pts2_2,H=M.matchIMG(im1,im2,kp1,kp2,des1,des2)
    im3=M.appendimage(im1,im2)
    pts2_new=pts2_2.copy()
    for i in range(len(pts2_2)):
        pts2_new[i,0]=pts2_new[i,0]+np.float32(im1.shape[1])
    for i in range(len(pts1_1)):
        cv2.line(im3,tuple(pts1_1[i]),tuple(pts2_new[i]),255,2)
#    cv  cv2\Y\Desktop\45.jpg",result)
    cv2.namedWindow("panorma ,cv2.WINDOW_NORMAL)
    cv2.imshow("panorama",result),cv2.waitKey(0)

_]UI