本文鏈接：https://blog.csdn.net/ling_xiobai/article/details/79691785
今天使用opencv運行一個腳本，但是出現cv2.cv.BoxPoints()函數有錯，提示’module’ object has no attribute ‘cv’ 的錯誤，找了一些帖，發現最多的解決方法就是說“這是因為opencv3已經沒有了cv，只能重新下載opencv2 ; ”，我就納悶了，有新的版本不用，為什么還要下載舊的版本。有的更是建議“from cv2 import cv as cv”這是開玩笑吧，根本不起作用，根本原因就是版本不支持。但是我只是想用這個函數來找出坐標而已，重新下載一個opencv，感覺好麻煩，最后去stackflow硬是鍛煉了一下英文參考鏈接，偶然發現原來opencv3的版本中只是改了一點，所以：
如果你只是想用這個函數的功能，又不想裝opencv2，那么只需把cv2.cv.BoxPoints()函數改為cv2.boxPoints()。
#順便提一下，版本語法不兼容的錯誤經常會出現，比如python2 vs python3 , opencv2 vs opencv3 ,
也不建議大家要一根筋去把他們的差異背下來，只需要出現問題的時候去網上找就行。
附加：
有時候寫findContours函數時會遇上too many values to unpack (expected 2),也是版本的原因：
cv2.findContours()函數
函數的原型為
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) opencv2返回兩個值：contours，hierarchy。注:opencv3會返回三個值,分別是img, countours, hierarchy
參考文章：https://blog.csdn.net/hjxu2016/article/details/77833336
解析差異：
OpenCV2和OpenCV4中：
findContours這個輪廓提取函數會返回兩個值：
①輪廓的點集(contours)
②各層輪廓的索引(hierarchy)
OpenCV3中：
則會返回三個值：
①處理的圖像(image)
②輪廓的點集(contours)
③各層輪廓的索引(hierarchy)
三、cv2.findContours()相關：
1、參數：
①第一個參數：
| 尋找輪廓的圖像 |
②第二個參數表示輪廓的檢索模式，有四種：
| cv2.RETR_EXTERNAL | 只檢測外輪廓 |
| cv2.RETR_LIST | 檢測的輪廓不建立等級關系 |
| cv2.RETR_CCOMP | 建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內孔的邊界信息 |
| cv2.RETR_TREE | 建立一個等級樹結構的輪廓 |
③第三個參數method為輪廓的近似辦法：
| cv2.CHAIN_APPROX_SIMPLE | 壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標(矩形只需四頂點) |
| cv2.CHAIN_APPROX_TC89_L1 | 使用teh-Chinl chain 近似算法 |
| CV_CHAIN_APPROX_TC89_KCOS | |
| cv2.CHAIN_APPROX_NONE | 存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1 |
# USAGE
# python detect_barcode.py --image images/barcode_01.jpg
# import the necessary packages
import numpy as np
import argparse
import cv2
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True, help = "path to the image file")
args = vars(ap.parse_args())
# load the image and convert it to grayscale
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# compute the Scharr gradient magnitude representation of the images
# in both the x and y direction
gradX = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 1, dy = 0, ksize = -1)
gradY = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 0, dy = 1, ksize = -1)
# subtract the y-gradient from the x-gradient
gradient = cv2.subtract(gradX, gradY)
gradient = cv2.convertScaleAbs(gradient)
# blur and threshold the image
blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)
# construct a closing kernel and apply it to the thresholded image
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
# perform a series of erosions and dilations
closed = cv2.erode(closed, None, iterations = 4)
closed = cv2.dilate(closed, None, iterations = 4)
# find the contours in the thresholded image, then sort the contours
# by their area, keeping only the largest one
(kkk, cnts, lll) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
# compute the rotated bounding box of the largest contour
rect = cv2.minAreaRect(c)
box = np.int0(cv2.boxPoints(rect))
# draw a bounding box arounded the detected barcode and display the
# image
cv2.drawContours(image, [box], -1, (0, 255, 0), 3)
cv2.imshow("Image", image)
cv2.waitKey(0)