2、环境搭建：OpenCV与Python环境配置，安装必要的库（numpy, matplotlib, opencv-python）

好，咱们正式开始动手了。

说实话，很多初学者在图像拼接上栽跟头，不是因为算法难，而是环境没配好。我见过太多人花了两小时装库，最后发现版本冲突，代码跑不起来。所以这一章，咱们先把地基打牢。

2.1 Python环境：选对版本，少走弯路

我个人习惯用 Python 3.8 到 3.10 之间的版本。为什么？因为 OpenCV 的官方预编译包对这几个版本支持最稳定。你非要用 3.12 也行，但有些旧版库可能不兼容，到时候报错你都不知道去哪哭。

如果你还没装 Python，去官网下载安装包。记得勾选「Add Python to PATH」——这个选项我每次装机都会确认一遍，不然命令行里敲 python 没反应，很尴尬。

2.2 安装 OpenCV：一条命令搞定，但要注意细节

打开终端或命令提示符，输入：

pip install opencv-python

嗯，就这么简单。但这里有个坑——默认安装的是最新版。如果你用的是 Python 3.8，建议指定版本号，比如：

pip install opencv-python==4.8.1.78

我曾经在项目里遇到过一个问题：用最新版 OpenCV 读取某些老相机拍的图片，颜色通道顺序不对，折腾了半天才发现是版本差异导致的。从那以后，我养成了固定版本的习惯。

pip install opencv-contrib-python==4.8.1.78

2.3 NumPy：OpenCV 的幕后英雄

说白了，OpenCV 处理图像的本质就是操作 NumPy 数组。一张图片在内存里就是一个三维数组（高、宽、通道数）。所以 NumPy 必须装。

pip install numpy

你可能会问：为什么 OpenCV 不自己内置 NumPy？因为 NumPy 是科学计算的基石，很多库都依赖它。OpenCV 选择「借用」而不是「重造」，这是明智的。

我个人建议装 NumPy 1.24 或 1.25 版本。太新的版本（比如 2.0）可能会改变一些底层行为，导致 OpenCV 的某些函数表现异常。我在测试时踩过这个坑，所以提醒你一下。

2.4 Matplotlib：把图像「画」出来

OpenCV 自带的 imshow 函数其实够用，但 Matplotlib 更灵活。你可以用它显示多个图像、叠加标注、调整颜色映射——这些在调试拼接效果时特别有用。

pip install matplotlib

这里有个小细节：OpenCV 默认用 BGR 颜色顺序，而 Matplotlib 用 RGB。如果你直接用 Matplotlib 显示 OpenCV 读入的图片，颜色会偏蓝偏黄。解决办法很简单：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('photo.jpg')
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.show()

你看，就多了一行转换代码。这个坑我刚开始学的时候也掉进去过，后来就长记性了。

2.5 验证安装：跑个简单测试

装完所有库后，我建议你跑个测试脚本，确认一切正常：

import cv2
import numpy as np
import matplotlib.pyplot as plt

print("OpenCV version:", cv2.__version__)
print("NumPy version:", np.__version__)

# 创建一个简单的图像
img = np.zeros((300, 300, 3), dtype=np.uint8)
img[:] = (255, 0, 0)  # 蓝色（BGR）

# 显示
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title("Test Image")
plt.show()

如果能看到一个蓝色方块，恭喜你，环境搭建成功了。

2.6 常见问题与避坑指南

我整理了几个你可能会遇到的问题：

问题	原因	解决办法
pip 安装报错	网络问题或权限不足	加 --user 参数，或换国内镜像源
ImportError: No module named cv2	没装成功或虚拟环境没激活	检查 pip list，确认 opencv-python 在列表中
图像显示颜色怪异	BGR/RGB 混淆	用 cv2.cvtColor 转换
plt.show() 不显示窗口	后端问题	加 plt.ion() 或换后端（如 TkAgg）

我曾经在帮同事调试时发现，他装了 OpenCV 但没装 NumPy——结果 OpenCV 自己偷偷装了一个旧版 NumPy，导致其他库报错。所以我的建议是：先装 NumPy，再装 OpenCV，顺序很重要。

好了，环境搭好了。下一章咱们就开始真正处理图像了——读取、显示、保存，这些基础操作虽然简单，但却是拼接的基石。你想想看，如果连图片都读不对，后面还拼什么？

嗯，就到这里。有问题随时翻回来看。