學電腦視覺，比較痛苦的是，從它(電腦)的角度來看出去(理解視覺)。原來人類只要不是失明，
基本上不用考慮視覺。相較之下，電腦視覺，像是一個重度失明的人，擁有高度計算能力，去算出視覺來。
因為重度失明，或是超級弱視，要把原來的圖像經過很多種極端/簡化的處理，讓它容易被區分出來，
所以不少科學家，開發出演算法來達成這件事。

一個專業的電腦視覺從業人員，收到一個問題，簡單的計數問題，
就是熟練的使用這些手法，把數目算出來，只是過程中引來了延伸的問題，偵測出物件的輪廓的同時，
卻有部分重疊(overlapping)的問題，而熱心的網友經過了多道處理，濾掉了較多的雜訊，得到的更接近的結果，
部分重疊(overlapping)的圈圈少了非常多。看到別人解了實務上的問題，才比較深刻了解這類工作在技能上的
要求。

在用google寫(拼湊)程式的時代，程式員的工作，主要是讓程式可以執行，若不能執行，就設定好環境讓它
執行，再來就是下對的關鍵字來搜尋，貼近需求的關鍵字，能較快搜尋到要的程式碼，如上例，筆者是要
解決羽球和球拍兩物件重疊(overlapping)時，可以計算揮拍的次數，顯然重疊(overlapping)
不是貼近需求的關鍵字，改用碰撞(collision detection)偵測，會是比較好的key word，這又容易導向
擴增實境的領域，一種人/虛像互動的方向，筆者只是單純的想找，羽球碰撞球拍時，可計算揮拍的次數，
羽球碰撞球網時，失(得)分，羽球碰撞場外的地板時，失(得)分，在物件偵測的基礎上，再拼湊一些功能，
類似的討論，
或是 這一篇的討論，在一個限制條件非常極端簡單的情況下，物件固定，如羽球，和拍，羽球和網子，指定物件，
計算其碰撞次數，或產生碰撞事件，讓user寫code，不算核心的功能?算整合/應用面的功能嗎?
如果是游戲引擎，這功能就會附上。

在球類競賽中，籃球，排球，棒球，足球，碰撞事件幾乎都和得/失分相關，是個重要功能。

順著搜尋到的文章提示的線索，Contours 輪廓，
偵測出物件，及物件所在的位置，範圍，當一物件落入另一物件的範圍時，即表示發生碰撞，

裏面有幾個教學，把 輪廓描繪出來，範例的例子是極端的黑底白色正方形，對人眼，對電腦都很好描邊，
接著是影像動量Image Moments維基沒有中文解釋頁，
把偵測到的物體，描邊的幾種方法，粗略的描邊，細緻的描邊，用方框，長方框，斜方框，圓框，橢圓框，中剖線(回歸)。

輪廓的屬性，將會應用到 Solidity, Equivalent Diameter, Mask image, Mean Intensity 這些性質，

在專案源碼目錄夾中，有一個例子，contours.py,
python contours.py 執行時，有兩處錯誤，
一是

 File "contours.py", line 49, in <module>
    contours0, hierarchy = cv2.findContours( img.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
ValueError: too many values to unpack

另一是

 File "contours.py", line 56, in update
    3, cv2.CV_AA, hierarchy, abs(levels) )
AttributeError: 'module' object has no attribute 'CV_AA'

從其意思可了解，大概都是版本更新後，回傳值，傳入值不相符，或是常數的宣告有變了。
筆者參考別人提過的問題，
第一處改成
_,contours0, hierarchy = cv2.findContours( img.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
第二處，把cv2.CV_AA改為0，就可以執行。

執行效果如下圖，

視窗上有一閥值可調整，
調到5以上，才開始偵測到。數字再大也沒法再多偵測了。大概是測試圖的色差不大。原來的測試圖是黑底白線，超容易偵測的。