在模板匹配场景中，目标图像往往存在旋转角度偏差，直接匹配会导致定位失败。本文通过 "图像旋转 + 循环模板匹配" 的组合方案，实现旋转目标的精准定位，新手可直接复用。
核心代码实现
python
import cv2 as cv
import numpy as np
# 1. 读取模板和待匹配图像（增加空值校验）
tpl = cv.imread('./image/15.bmp')
target = cv.imread('./image/16.bmp')
if tpl is None or target is None:
print('图像读取失败，请检查路径！')
exit()
# 2. 定义6种模板匹配算法（优先使用归一化算法，鲁棒性更强）
TM_SQDIFF = cv.TM_SQDIFF
TM_SQDIFF_NORMED = cv.TM_SQDIFF_NORMED
TM_CCORR = cv.TM_CCORR
TM_CCORR_NORMED = cv.TM_CCORR_NORMED
TM_CCOEFF = cv.TM_CCOEFF
TM_CCOEFF_NORMED = cv.TM_CCOEFF_NORMED
# 选择匹配算法（相关系数算法对旋转有一定适应性）
use_method = TM_CCOEFF
# 3. 循环旋转图像并执行模板匹配
tpl_h, tpl_w = tpl.shape[:2]
target_h, target_w = target.shape[:2]
rotate_center = (target_w / 2, target_h / 2) # 旋转中心（宽、高），修正原代码坐标颠倒问题
for angle in range(0, 361, 1): # 遍历0~360度，步长1
# 生成旋转矩阵（中心、角度、缩放比例）
rot_mat = cv.getRotationMatrix2D(rotate_center, angle, 1)
# 执行图像旋转，填充白色背景避免黑边干扰
rotated_target = cv.warpAffine(
target,
rot_mat,
(target_w, target_h),
borderValue=(255, 255, 255)
)
# 4. 执行模板匹配（修正参数顺序：待匹配图在前，模板在后）
result = cv.matchTemplate(rotated_target, tpl, use_method)
# 归一化匹配结果，统一数值范围[0,1]
cv.normalize(result, result, 0, 1, cv.NORM_MINMAX, -1)
# 5. 获取最佳匹配位置并绘制矩形框
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
# 根据算法类型确定最佳匹配位置
best_loc = max_loc if use_method not in [TM_SQDIFF, TM_SQDIFF_NORMED] else min_loc
# 复制模板图像用于绘制，避免累积绘制干扰
tpl_draw = tpl.copy()
bottom_right = (best_loc[0] + tpl_w, best_loc[1] + tpl_h)
cv.rectangle(tpl_draw, best_loc, bottom_right, (0, 0, 255), 3)
# 6. 实时显示旋转结果和匹配结果
cv.imshow('rotated_target', rotated_target)
cv.imshow('tpl_match_result', tpl_draw)
# 等待50ms，支持按ESC提前退出
if cv.waitKeyEx(50) == 27:
break
# 释放窗口资源
cv.destroyAllWindows()关键知识点解析
1. 核心流程拆解
| 步骤 | 核心 API | 作用说明 |
|---|---|---|
| 图像旋转 | cv.getRotationMatrix2D()+cv.warpAffine() |
生成旋转矩阵，实现图像任意角度旋转，填充白色背景去黑边 |
| 循环匹配 | for angle in range(0, 361) |
遍历 0~360 度，对每个旋转角度的图像执行模板匹配 |
| 最佳定位 | cv.minMaxLoc() |
提取每个角度下的最佳匹配位置，实现旋转目标追踪 |
| 实时显示 | cv.waitKeyEx(50) |
控制帧速，实时展示旋转和匹配过程 |
2. 核心避坑点
- 旋转中心坐标 ：原代码
(target.shape[0]/2, target.shape[1]/2)坐标颠倒，正确应为(宽/2, 高/2)即(target_w/2, target_h/2)，否则旋转中心偏移； - 匹配参数顺序 ：原代码
matchTemplate(tpl, targets, e)顺序颠倒，正确应为(旋转后待匹配图, 模板)，否则匹配结果无效； - 匹配框尺寸 ：匹配框宽高应取模板图像 的
tpl_w/tpl_h，原代码使用 target 尺寸导致框大小错误； - 累积绘制问题 ：原代码直接在
tpl上绘制，会导致框累积重叠，改为tpl_draw = tpl.copy()每次复制原图绘制。
3. 优化与扩展技巧
- 步长优化：无需遍历 1° 步长，可先大步长（如 10°）粗匹配，再在最佳角度附近小步长（如 1°）精匹配，提升效率；
- 阈值筛选 ：添加匹配度阈值（如
max_val >= 0.8），仅显示高置信度匹配结果，过滤无效框； - 旋转范围限制：根据实际场景限定旋转范围（如 0~90°），减少不必要的计算；
- 结果保存：记录最佳匹配角度和位置，保存最终匹配结果图像，便于后续分析。
总结
- 解决旋转目标匹配的核心是循环旋转待匹配图像 + 逐角度模板匹配，关键要保证旋转中心和匹配参数顺序正确；
- 图像旋转依赖
getRotationMatrix2D（生成矩阵）和warpAffine（执行旋转），白色背景填充可避免黑边干扰匹配； - 优化匹配效率的关键是调整旋转步长 和限定旋转范围，高置信度匹配需依赖阈值筛选。