实战
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达导读
本文将介绍使用OpenCV实现多角度模板匹配的详细步骤+代码。（来源公众号：OpenCV与AI深度学习）
背景介绍熟悉OpenCV的朋友肯定都知道OpenCV自带的模板匹配matchTemplate方法是不支持旋转的，也就是说当目标和模板有角度差异时匹配常常会失败，可能目标只是轻微的旋转，匹配分数就会下降很多，导致匹配精度下降甚至匹配出错。另一个方法是matchShape(形状匹配)，匹配时需要轮廓分明才容易匹配成功，但无法的到匹配角度，也不方便使用。本文介绍基于matchTemplate+旋转+金字塔下采样实现多角度的模板匹配，返回匹配结果(斜矩形、角度、方向)。
实现效果如上面视频所示，本方法可以对不同角度的元件做匹配并标注元件方向。
实现思路【1】如何适应目标的角度变化？我们可以将模板旋转，从0~360°依次匹配找到最佳的匹配位置；
【2】如何提高匹配速度？使用金字塔下采样，将模板和待匹配图均缩小后匹配；加大匹配搜寻角度的步长，比如从每1°匹配一次改为每5°匹配一次等。
实现步骤：
【1】旋转模板图像。旋转图像本身比较简单，下面是代码：
//旋转图像MatImageRotate(Matimage,doubleangle){MatnewImg;Point2fpt=Point2f((float)image.cols/2,(float)image.rows/2);MatM=getRotationMatrix2D(pt,angle,1.0);warpAffine(image,newImg,M,image.size());returnnewImg;}但需要注意，很多时候按照上面方法旋转时，会丢失模板信息产生黑边，这里提供两种方法供大家参考尝试：
①旋转时放大目标图像尺寸，保证模板图像上信息不丢失，然后模板匹配时使用mask，如何使用mask掩码有什么用？看下面链接文章介绍：
实战|OpenCV带掩码(mask)的模板匹配使用技巧与演示(附源码)
②旋转时不放大目标图像尺寸，剔除黑边剩余部分做mask来匹配。
【2】图像金字塔下采样。什么是图像金字塔？什么是上下采样？直接百度。
下采样的目的前面已介绍，减小图像分辨率提高图像匹配速度，代码如下：
//对模板图像和待检测图像分别进行图像金字塔下采样for(inti=0;iangleStep);if(temp>thresScore){returnResultPoint(location.x*pow(2,numLevels),location.y*pow(2,numLevels),-angle,temp);}}returnResultPoint(-1,-1,0,0);【4】标注匹配结果。根据模板图大小、匹配结果角度计算出匹配后的矩形四个角点，根据角点关系即可绘制方向：
//获取旋转后矩形对应的端点坐标vectorGetRotatePoints(Matimg,RectinRect,doubleangle){Rectrect=inRect;vectorpts;Point2fcenter=Point2f(img.cols/2,img.rows/2);MatM=getRotationMatrix2D(center,angle,1.0);//cout