计算机视觉--opencv---如何识别不同方向图片的识别（一）
目录
OpenCV多模板匹配与多角度图像识别实战
一、使用 OpenCV 实现多模板匹配
核心步骤与原理
示例代码
二、OpenCV 图像旋转：固定角度的高效实现
固定角度旋转的技术优势
cv2.rotate()函数深度解析
函数原型与参数
旋转模式的底层原理
示例代码（两种实现方式）
三、多角度图像识别：在大图中找不同角度的小模板
需求背景
实现步骤
1. 读取基础图像
2. 生成旋转模板集合
3. 定义通用匹配函数
4. 批量匹配与结果展示
完整代码
最终效果
OpenCV多模板匹配与多角度图像识别实战
数据准备：
jt.jpg
jiant.jpg
一、使用 OpenCV 实现多模板匹配
核心步骤与原理
-
读取图像与模板：加载待检测的原始彩色图像和灰度模板图像
-
选择匹配方法：OpenCV 提供了多种匹配算法（如 TM_CCOEFF、TM_CCOEFF_NORMED 等）
TM_CCOEFF（相关系数）、TM_CCOEFF_NORMED（归一化相关系数，最常用） -
执行模板匹配：通过
cv2.matchTemplate()计算模板在原始图像中的匹配度矩阵 -
阈值筛选结果：设定阈值（如0.9）过滤低匹配度的区域
-
重叠区域处理：保留匹配度最高的区域，避免重复标记
示例代码
import cv2
import numpy as np# 1. 读取图像（原始图转灰度，模板直接读灰度）
img_rgb = cv2.imread('jiant.jpg') # 原始彩色图（用于最终显示）
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) # 灰度图（用于匹配）
template = cv2.imread('jt.jpg', 0) # 模板（灰度模式）
h, w = template.shape[:2] # 模板尺寸# 2. 执行模板匹配（归一化相关系数法）
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)# 3. 设定阈值筛选匹配区域
threshold = 0.9
loc = np.where(res >= threshold) # 获取匹配度≥阈值的坐标（y,x格式）# 4. 绘制匹配框
for pt in zip(*loc[::-1]): # 转换为(x,y)格式cv2.rectangle(img_rgb, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1) # 红色框，线宽1# 5. 显示结果
cv2.imshow('Multi-Template Matching', img_rgb)
cv2.waitKey(0)代码效果展示：
二、OpenCV 图像旋转：固定角度的高效实现
固定角度旋转的技术优势
相比任意角度旋转，固定角度（90°/180°/270°）旋转具备：
-
像素位置可预测：无需插值，旋转后坐标为整数
-
画布尺寸确定：90°/270°旋转时宽高互换，180°旋转尺寸不变
-
计算效率极高：基于矩阵转置+翻转，比任意角度快10倍以上
-
无信息丢失：完整保留原始像素，不裁剪内容
cv2.rotate()函数深度解析
函数原型与参数
rotated_img = cv2.rotate(src, rotateCode)-
src：输入图像（ndarray格式，支持单/三/四通道） -
rotateCode：旋转模式（仅支持3种预定义值）：-
cv2.ROTATE_90_CLOCKWISE：顺时针转90° -
cv2.ROTATE_180：旋转180° -
cv2.ROTATE_90_COUNTERCLOCKWISE：逆时针转90°（等价于顺时针270°）
-
-
返回值：旋转后的图像（与输入同数据类型、通道数）
旋转模式的底层原理
| 旋转方向 | 实现步骤 | 尺寸变化 | 坐标映射公式 |
|---|---|---|---|
| 顺时针90° | 转置+水平翻转 | (w,h)→(h,w) |
|
| 180° | 两次水平翻转/反转像素顺序 | (w,h)→(w,h) |
|
| 逆时针90° | 转置+垂直翻转 | (w,h)→(h,w) |
|
示例代码（两种实现方式）
import cv2
import numpy as np# 读取原始图
img = cv2.imread('./jt.jpg')# 方式1：使用np.rot90（更灵活）
rotated1 = np.rot90(img, k=-1) # 顺时针90°（k=-1）
rotated2 = np.rot90(img, k=1) # 逆时针90°（k=1）# 方式2：使用cv2.rotate（更高效）
rotated_cv1 = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) # 顺时针90°
rotated_cv2 = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE) # 逆时针90°
rotated_cv3 = cv2.rotate(img, cv2.ROTATE_180) # 180°旋转# 显示结果（方式1）
cv2.imshow('Original', img)
cv2.imshow('Rotated 90° (np)', rotated1)
cv2.imshow('Rotated -90° (np)', rotated2)
cv2.waitKey(0)
cv2.destroyAllWindows()# 显示结果（方式2）
cv2.imshow('Rotated 90° (cv2)', rotated_cv1)
cv2.imshow('Rotated -90° (cv2)', rotated_cv2)
cv2.imshow('Rotated 180° (cv2)', rotated_cv3)
cv2.waitKey(0)三、多角度图像识别：在大图中找不同角度的小模板
需求背景
原始模板仅能匹配一个角度，需生成旋转后的模板集合，逐一匹配以覆盖多角度目标。
实现步骤
1. 读取基础图像
img_rgb = cv2.imread('jiant.jpg') # 原始彩色图（最终显示用）
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) # 匹配用灰度图
template = cv2.imread('jt.jpg', 0) # 原始模板（灰度）2. 生成旋转模板集合
# 逆时针旋转90°的模板
image_ccw90 = np.rot90(template, k=-1)
# 顺时针旋转90°的模板
image_cw90 = np.rot90(template, k=1)3. 定义通用匹配函数
def match_template(target_template, source_img, threshold=0.9):"""执行模板匹配并标记结果:param target_template: 待匹配的模板（灰度）:param source_img: 原始彩色图（用于绘制框）:param threshold: 匹配阈值"""# 获取模板尺寸h, w = target_template.shape[:2]# 执行匹配res = cv2.matchTemplate(img_gray, target_template, cv2.TM_CCOEFF_NORMED)# 筛选匹配位置loc = np.where(res >= threshold)# 绘制矩形框for pt in zip(*loc[::-1]):cv2.rectangle(source_img, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1)4. 批量匹配与结果展示
# 1. 用原始模板匹配
match_template(template, img_rgb)
# 2. 用逆时针90°模板匹配
match_template(image_ccw90, img_rgb)
# 3. 用顺时针90°模板匹配
match_template(image_cw90, img_rgb)# 显示最终结果（覆盖所有角度的匹配框）
cv2.imshow('Multi-Angle Template Matching', img_rgb)
cv2.waitKey(0)完整代码
import cv2
import numpy as np# 1. 读取基础图像
img_rgb = cv2.imread('jiant.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('jt.jpg', 0)# 2. 生成旋转模板
image_ccw90 = np.rot90(template, k=-1) # 逆时针90°
image_cw90 = np.rot90(template, k=1) # 顺时针90°# 3. 定义匹配函数
def match_template(target_template, source_img, threshold=0.9):h, w = target_template.shape[:2]res = cv2.matchTemplate(img_gray, target_template, cv2.TM_CCOEFF_NORMED)loc = np.where(res >= threshold)for pt in zip(*loc[::-1]):cv2.rectangle(source_img, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1)# 4. 执行多模板匹配
match_template(template, img_rgb)
match_template(image_ccw90, img_rgb)
match_template(image_cw90, img_rgb)# 5. 显示结果
cv2.imshow('Multi-Angle Matching Result', img_rgb)
cv2.waitKey(0)最终效果
（原始图中被红色框标记的多角度目标）
说明：
-
可根据需求扩展旋转角度（如45°需结合仿射变换，但固定角度已覆盖大部分场景）
-
阈值
threshold需根据实际图像调整（范围0~1，越接近1匹配越严格） -
若模板有缩放，需结合
cv2.resize()预处理模板