OpenCV多角度模板匹配实战：从原理到性能优化

1. OpenCV多角度模板匹配的核心原理

多角度模板匹配是计算机视觉中常见的任务，比如在工业检测中识别旋转的零件，或者在医疗影像中定位不同角度的器官。传统模板匹配只能处理固定角度的匹配，而多角度匹配需要解决旋转带来的挑战。

OpenCV的matchTemplate函数本身不支持旋转匹配，我们需要自己实现旋转逻辑。核心思路是对模板图像进行多次旋转，每次旋转后都用matchTemplate进行匹配，最后取所有结果中的最佳匹配。这里的关键点在于：

• 旋转处理：每次旋转模板时，需要确保图像内容不会因为旋转而丢失。通常的做法是创建一个足够大的画布（尺寸至少为模板对角线长度），将模板放在中心旋转。
• 匹配方法：常用的匹配方法有TM_SQDIFF（平方差）、TM_CCORR（相关性）和TM_CCOEFF（相关系数）。对于多角度匹配，TM_CCOEFF_NORMED（归一化相关系数）通常效果最好，因为它对光照变化不敏感。

python复制import cv2
import numpy as np

def multi_angle_template_matching(img, template, angles):
    max_val = -1
    best_angle = 0
    best_loc = (0, 0)
    
    # 创建足够大的画布放置旋转后的模板
    diagonal = int(np.sqrt(template.shape[0]**2 + template.shape[1]**2)) + 1
    padded_template = np.zeros((diagonal, diagonal), dtype=np.float32)
    x_offset = (diagonal - template.shape[1]) // 2
    y_offset = (diagonal - template.shape[0]) // 2
    padded_template[y_offset:y_offset+template.shape[0], x_offset:x_offset+template.shape[1]] = template
    
    for angle in