要实现百万文件的Python图像拼接，可以使用以下解决方案：

1. 使用PIL库（Python Imaging Library）来处理图像操作。首先，将所有图像文件加载到内存中，然后按照需要的拼接方式进行图像拼接。

下面是一个简单的示例代码：

from PIL import Image

def concatenate_images(image_files, output_path):
    images = [Image.open(file) for file in image_files]
    
    # 计算输出图像的尺寸
    width = sum(img.size[0] for img in images)
    height = max(img.size[1] for img in images)
    
    # 创建一个空白的输出图像
    output_image = Image.new('RGB', (width, height))
    
    # 拼接图像
    x_offset = 0
    for image in images:
        output_image.paste(image, (x_offset, 0))
        x_offset += image.size[0]
    
    # 保存输出图像
    output_image.save(output_path)

# 调用函数进行图像拼接
image_files = ['image1.jpg', 'image2.jpg', 'image3.jpg']
output_path = 'output.jpg'
concatenate_images(image_files, output_path)

2. 对于大规模的图像拼接，可以考虑使用分布式计算或并行计算的方法来提高处理速度。可以使用Python的multiprocessing库来实现并行计算。

下面是一个使用并行计算的示例代码：

from PIL import Image
from multiprocessing import Pool

def concatenate_images(image_files):
    images = [Image.open(file) for file in image_files]
    
    # 计算输出图像的尺寸
    width = sum(img.size[0] for img in images)
    height = max(img.size[1] for img in images)
    
    # 创建一个空白的输出图像
    output_image = Image.new('RGB', (width, height))
    
    # 拼接图像
    x_offset = 0
    for image in images:
        output_image.paste(image, (x_offset, 0))
        x_offset += image.size[0]
    
    return output_image

# 并行处理图像拼接
image_files = ['image1.jpg', 'image2.jpg', 'image3.jpg']
pool = Pool()
result = pool.map(concatenate_images, [image_files])
output_image = result[0]

# 保存输出图像
output_image.save('output.jpg')

以上是两种实现百万文件的Python图像拼接的解决方法。具体选择哪种方法取决于数据量的大小和计算资源的可用性。