请用python opencv写一段图像匹配任务中，旋转矩阵和平移向量计算的代码

好的，这是一段基本的图像匹配代码，包括了旋转矩阵和平移向量的计算部分：

import cv2

# 读取待匹配的图像和模板图像
img = cv2.imread('image.jpg')
template = cv2.imread('template.jpg')

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

# 使用SIFT算法提取关键点和描述符
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(img_gray, None)
kp2, des2 = sift.detectAndCompute(template_gray, None)

# 使用FLANN匹配器匹配两幅图像的特征点
index_params = dict(algorithm=0, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(des1, des2, k=2)

# 筛选出最佳匹配点对
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)

# 获取匹配点的坐标
src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

# 通过匹配点计算变换矩阵
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

# 获取旋转角度和平移向量
theta = np.arctan2(M[1, 0], M[0, 0])
tx = M[0, 2]
ty = M[1, 2]

# 打印结果
print('Rotation angle:', theta)
print('Translation vector:', (tx, ty))

这段代码使用了SIFT算法提取关键点和描述符，然后使用FLANN匹配器匹配两幅图像的特征点，筛选出最佳匹配点对，最后通过匹配点计算变换矩阵并获取旋转角度和平移向量。