当对象在场景中旋转或缩放时，与matchTemplate匹配的模板不好。

你应该尝试OpenCV的功能Features2D框架。例如， SIFT或SURF描述符以及FLANN匹配器。另外，您将需要findHomography方法。

这是在场景中找到旋转对象的一个很好的例子。

更新：

简而言之，算法是这样的：

1. 查找对象图像的关键点1.1。从这些关键点中提取描述符

2. 查找场景图像的关键点2.1从关键点提取描述符

3. 匹配器匹配描述符

4. 分析你的比赛

FeatureDetectors，DescriptorExtractors和DescriptorMatches有不同的类别，您可以阅读并选择它们，以适合您的任务。

• openCV FeatureDetector （上面算法中的步骤1和2）
• openCV DescriptorExtractor （上面算法中的步骤1.1和2.1）
• openCV DescriptorMatcher （上述算法的第3步）

比通过特征检测和单应性更容易匹配模板比例和旋转不变的方法（如果您知道模板实际上只有旋转和比例，但其他所有条件都是不变的）。对于真正的物体检测，以上建议的基于关键点的方法效果更好。

如果您知道它是相同的模板，并且不涉及透视图更改，则可以使用图像金字塔进行比例空间检测，并在该金字塔的不同级别上匹配模板（通过简单的方法，例如SSD或NCC）。在金字塔的较高（=较低分辨率）级别上找到粗略的匹配将很便宜。实际上，它是如此便宜，以至于您也可以在低分辨率级别上粗略旋转模板，并且当您将模板追溯到较高分辨率级别时，可以使用更细粒度的旋转步进。这是一种非常标准的模板匹配技术，并且在实践中效果很好。

旋转不变

对于每个关键点：

1. 占据关键点周围的区域。
2. 用梯度或其他方法计算该区域的定向角。
3. 旋转图案并将该角度的请求区域设置为0。
4. 计算该旋转区域的描述符并进行匹配。

尺度不变

见风险法