将cv2.matchTemplate封装为新的函数，使其具有旋转和尺度适应性，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)

# 测试函数
img = cv2.imread('image.jpg', 0)
template = cv2.imread('template.jpg', 0)
(topLeft, bottomRight, maxVal) = matchTemplateRotatedScaled(img, template, 45, 0.5)
cv2.rectangle(img, topLeft, bottomRight, 255, 2)
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们封装了一个名为matchTemplateRotatedScaled的新函数，该函数接受原始图像、模板图像、旋转角度和缩放系数作为输入，然后自动完成缩放和旋转操作，并返回最佳匹配位置和匹配度。

在测试代码中，我们首先读取原始图像和模板图像，然后调用matchTemplateRotatedScaled函数进行模板匹配，并使用cv2.rectangle函数在原始图像中标记最佳匹配位置。