我很难找到一组形态学操作，使我能够使用cv2.connectedComponentsWithStats()或cv2.findContours()（但我更愿意使用cv2.connectedComponentsWithStats()）检测（仅）各种图像中的QR码。
我绝对需要代码来处理的图像如下：
第一次
我一直在使用两个不同的代码，一个使用cv2.connectedComponentsWithStats()，另一个使用cv2.findContours()和一些其他方法（基于nathancy对Detect a QR code from an image and crop using OpenCV的回答）。为了测试，我一直在使用以下代码：
1.使用cv2.connectedComponentsWithStats()，这个代码的问题是，它捕捉到的比第二个QR码更多，正如你在下面看到的。在第一个中它工作得很好，在第三个中也是如此，如果缩放到0.5，否则它也会像第二个图像一样检测到比QR码更多的信息。

import cv2
import numpy as np

#img = cv2.imread('Code-1.jpg'); scale = 1;
img = cv2.imread('Code-2.jpg'); scale = 1;
#img = cv2.imread('Code-3.jpg'); scale = 0.5;
width = int(img.shape[1] * scale); height = int(img.shape[0] * scale); img = cv2.resize(img, (width, height))

og = img.copy()

gray = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gaussianblur = cv2.GaussianBlur(gray, (7,7), 0)

otsuthresh = cv2.threshold(gaussianblur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

edges = cv2.Canny(otsuthresh, threshold1=100, threshold2=200)

dilate = cv2.dilate(edges,(5,5),iterations=1)

num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(dilate, 8, cv2.CV_32S)

for i in range(1,num_labels):
    objint = (labels == i).astype(np.uint8)*255/i
    x = stats[i, cv2.CC_STAT_LEFT]
    y = stats[i, cv2.CC_STAT_TOP]
    w = stats[i, cv2.CC_STAT_WIDTH]
    h = stats[i, cv2.CC_STAT_HEIGHT]
    area = stats[i, cv2.CC_STAT_AREA]
    ratio = w / float(h)
    (cX, cY) = centroids[i]
    if area > 500 and (ratio > .95 and ratio < 1.05) and (w < 0.99*img.shape[1]):
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
        ROI = og[y:y + h, x:x + w]
        cv2.imwrite('ROI.png', ROI)

cv2.imshow('image', img)
cv2.imshow('QR code', ROI)

1.使用cv2.findContours()时，该程序无法检测到图像中的任何QR代码，但可以检测到其他一些随机图像

import cv2
import numpy as np

#img = cv2.imread('Code-1.jpg'); scale = 1;
img = cv2.imread('Code-2.jpg'); scale = 1;
#img = cv2.imread('Code-3.jpg'); scale = 0.5;
width = int(img.shape[1] * scale); height = int(img.shape[0] * scale); img = cv2.resize(img, (width, height))

og = img.copy()

gray = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gaussianblur = cv2.GaussianBlur(gray, (7,7), 0)

otsuthresh = cv2.threshold(gaussianblur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
closed = cv2.morphologyEx(otsuthresh, cv2.MORPH_CLOSE, kernel, iterations=3)

contours = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

if len(contours) == 2:
    contours = contours[0]
else:
    contours = contours[1]

for cnt in contours:
    perim = cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, 0.05 * perim, True)
    x,y,w,h = cv2.boundingRect(approx)
    area = cv2.contourArea(cnt)
    ratio = w / float(h)
    if len(approx) == 4 and area > 1000 and (ratio > .80 and ratio < 1.2):
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 4)
        ROI = og[y:y + h, x:x + w]
        cv2.imwrite('ROI.png', ROI)

cv2.imshow('image', img)
cv2.imshow('QR code', ROI)

谢谢你的阅读，如果我不清楚的东西，请让我知道。
菲利佩·阿尔梅达