OPenCV实现角度匹配

实现角度匹配可以使用OpenCV中的特征描述符，例如SIFT、SURF等。以下是一个简单的示例代码：

import cv2

# 读取模板图片和待匹配图片
template_img = cv2.imread('template.jpg', cv2.IMREAD_GRAYSCALE)
match_img = cv2.imread('match.jpg', cv2.IMREAD_GRAYSCALE)

# 创建SIFT对象，进行特征提取和匹配
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(template_img, None)
kp2, des2 = sift.detectAndCompute(match_img, None)

# 创建Flann匹配器，进行特征点匹配
FLANN_INDEX_KDTREE = 0
flann_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
matcher = cv2.FlannBasedMatcher(flann_params, {})
matches = matcher.knnMatch(des1, des2, k=2)

# 进行匹配点筛选，只保留符合条件的点
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)

# 计算变换矩阵
if len(good_matches) > 10:
    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)
    M, _ = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    angle = np.arctan2(M[1,0], M[0,0]) * 180 / np.pi
    print("匹配成功，旋转角度为：%.2f度" % angle)
else:
    print("匹配失败")

在该代码中，我们首先使用SIFT算法提取了模板图片和待匹配图片的特征点和特征描述符，然后使用Flann匹配器进行特征点匹配，并通过RANSAC算法计算出变换矩阵。最后，可以通过变换矩阵计算出旋转角度。