本文链接：https://blog.csdn.net/ling_xiobai/article/details/79691785
今天使用opencv运行一个脚本，但是出现cv2.cv.BoxPoints()函数有错，提示’module’ object has no attribute ‘cv’ 的错误，找了一些帖，发现最多的解决方法就是说“这是因为opencv3已经没有了cv，只能重新下载opencv2 ; ”，我就纳闷了，有新的版本不用，为什么还要下载旧的版本。有的更是建议“from cv2 import cv as cv”这是开玩笑吧，根本不起作用，根本原因就是版本不支持。但是我只是想用这个函数来找出坐标而已，重新下载一个opencv，感觉好麻烦，最后去stackflow硬是锻炼了一下英文参考链接，偶然发现原来opencv3的版本中只是改了一点，所以：
如果你只是想用这个函数的功能，又不想装opencv2，那么只需把cv2.cv.BoxPoints()函数改为cv2.boxPoints()。
#顺便提一下，版本语法不兼容的错误经常会出现，比如python2 vs python3 , opencv2 vs opencv3 ,
也不建议大家要一根筋去把他们的差异背下来，只需要出现问题的时候去网上找就行。
附加：
有时候写findContours函数时会遇上too many values to unpack (expected 2),也是版本的原因：
cv2.findContours()函数
函数的原型为
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) opencv2返回两个值：contours，hierarchy。注:opencv3会返回三个值,分别是img, countours, hierarchy
参考文章：https://blog.csdn.net/hjxu2016/article/details/77833336
解析差异：
OpenCV2和OpenCV4中：
findContours这个轮廓提取函数会返回两个值：
①轮廓的点集(contours)
②各层轮廓的索引(hierarchy)
OpenCV3中：
则会返回三个值：
①处理的图像(image)
②轮廓的点集(contours)
③各层轮廓的索引(hierarchy)
三、cv2.findContours()相关：
1、参数：
①第一个参数：
| 寻找轮廓的图像 |
②第二个参数表示轮廓的检索模式，有四种：
| cv2.RETR_EXTERNAL | 只检测外轮廓 |
| cv2.RETR_LIST | 检测的轮廓不建立等级关系 |
| cv2.RETR_CCOMP | 建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息 |
| cv2.RETR_TREE | 建立一个等级树结构的轮廓 |
③第三个参数method为轮廓的近似办法：
| cv2.CHAIN_APPROX_SIMPLE | 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标(矩形只需四顶点) |
| cv2.CHAIN_APPROX_TC89_L1 | 使用teh-Chinl chain 近似算法 |
| CV_CHAIN_APPROX_TC89_KCOS | |
| cv2.CHAIN_APPROX_NONE | 存储所有的轮廓点，相邻的两个点的像素位置差不超过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)