将cv2.matchTemplate封装为新的函数，使其具有旋转和尺度适应性，然后在图像中找出该模板，进行标记，写出代码

以下是将cv2.matchTemplate封装为新的函数，使其具有旋转和尺度适应性，并在图像中找出该模板进行标记的Python代码示例：

import cv2
import numpy as np

def matchTemplateRotatedScaled(img, template, angle, scale):
    # 缩放模板图像
    resized_template = cv2.resize(template, None, fx=scale, fy=scale, interpolation=cv2.INTER_AREA)

    # 旋转模板图像
    (h, w) = resized_template.shape[:2]
    center = (w // 2, h // 2)
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    rotated_template = cv2.warpAffine(resized_template, M, (w, h))

    # 进行模板匹配
    result = cv2.matchTemplate(img, rotated_template, cv2.TM_CCOEFF_NORMED)

    # 找到最佳匹配位置
    (minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(result)
    (topLeft, bottomRight) = (maxLoc, (maxLoc[0] + w, maxLoc[1] + h))

    # 返回最佳匹配位置和匹配度
    return (topLeft, bottomRight, maxVal)

# 读取原始图像和模板图像
img = cv2.imread('image.jpg')
template = cv2.imread('template.jpg')

# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray_template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

# 设置旋转角度和缩放系数范围
angles = range(-45, 46, 5)
scales = np.arange(0.1, 2.1, 0.1)

# 遍历所有旋转角度和缩放系数，找到最佳匹配
maxVal = -1
for angle in angles:
    for scale in scales:
        (topLeft, bottomRight, val) = matchTemplateRotatedScaled(gray_img, gray_template, angle, scale)
        if val > maxVal:
            maxVal = val
            bestAngle = angle
            bestScale = scale
            bestTopLeft = topLeft
            bestBottomRight = bottomRight

# 在原始图像中标记最佳匹配位置
cv2.rectangle(img, bestTopLeft, bestBottomRight, (0, 255, 0), 2)

# 显示结果
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先读取原始图像和模板图像，并将它们转换为灰度图像。然后定义旋转角度和缩放系数的范围，并遍历所有可能的组合，找到最佳匹配。最后在原始图像中标记最佳匹配位置，并显示结果。