opencv使用findContours进行轮廓检测时报错：not enough values to unpack (expected 3, got 2)

opencv使用findContours进行轮廓检测时报错：not enough values to unpack (expected 3, got 2)

网络上很多opencv的教程用的都是3.4.1之前的版本，在进行轮廓查找时：

cloneImage,contours,heriachy=cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE) 

其中：
第一个返回值：cloneImage是我们传入的二值化图像
第二个返回值：contours是一个列表，是轮廓本身，含有轮廓上面的各个点的位置信息
第三个返回值：heriachy是每条轮廓对应的属性

---

而在3.4.1之后的版本中要使用findContours进行轮廓检测时：

contours,heriachy=cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

cloneImage是不用返回的，因此会提示需要两个返回值，用户却键入了三个返回值.

以下为3.4.1版本之后轮廓检测的源码：

#轮廓发现:

import cv2 as cv
import numpy as np


def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)  # 模糊    为了降低噪声因为Canny对噪声敏感,blur的程度要适中，太过了边缘会受到影响
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)  # 转成灰度图
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)##！！！！！！canny方法API要求不允许使用浮点数
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    edge_output = cv.Canny(gray, 50, 150)            #直接调用Canny算法在单通道灰度图像中查找边缘，
    cv.imshow("Canny Edge",edge_output)
    return edge_output




def contours_demo(image):
    # 方法一：通过二值化    适用于内部颜色复杂的图像：
    #直接使用与之方法threshold方法获取二值化图像来选择轮廓
    dst=cv.GaussianBlur(image,(3,3),0)     #用高斯模糊去除一些噪点
    gray=cv.cvtColor(dst,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
    cv.imshow("binaryimage",binary)


    ##方法二：通过边缘提取   使用与内部颜色较为单一的图像：
    #使用Canny边缘检测来获取二值化图像
    # binary=edge_demo(image)

    #findContours寻找轮廓(输入图像，轮廓检索模式，轮廓近似方法)
    # 第一个返回值：cloneImage是我们传入的二值化图像
    # 第二个返回值：contours是一个列表，是轮廓本身，含有轮廓上面的各个点的位置信息
    # 第三个返回值：heriachy是每条轮廓对应的属性
    contours,heriachy=cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)       #RETE_TREE包含内部检测    RETR_EXTERNAL只显示外轮廓
    for i,contour in enumerate(contours):           #enumerate:容器
        # def drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None,
        #                  maxLevel=None, offset=None)    绘制轮廓
        # 1.image: 输入输出图像，Mat类型即可
        # 2.contours: 使用findContours检测到的轮廓数据，每个轮廓以点向量的形式存储
        # 3.contourIdx: 绘制轮廓的只是变量，如果为负值则绘制所有输入轮廓
        # 4.color: 轮廓颜色
        # 5.thickness: 绘制轮廓所用线条粗细度，如果值为负值，则在轮廓内部绘制
        cv.drawContours(image,contours,i,(0,0,255),-1)     #参数为负数可以进行填充  正数就是轮廓的粗细
        print(i)
    cv.imshow("detect contours",image)






print("-----------Hello Opencv-------------")
src = cv.imread("D:/pythonprograms/tutorial1/images/detect_circle_demo.png")
cv.namedWindow("This is a image", cv.WINDOW_AUTOSIZE)
cv.imshow("This is a image",src)
contours_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()