获取定位符外轮廓的坐标

如果您想要获取二维码定位符的坐标，可以按照以下步骤进行：

1. 导入所需的库：

   import cv2
   import numpy as np

2. 读取二维码图像并将其转换为灰度图像：

   img = cv2.imread('qrcode.jpg')
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3. 对灰度图像进行二值化处理：

   ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

4. 查找轮廓：

   contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

这里使用了 cv2.RETR_TREE 参数来查找所有轮廓，cv2.CHAIN_APPROX_SIMPLE 参数表示只保留轮廓的端点信息。

5. 遍历轮廓并找到定位符轮廓：

   for i in range(len(contours)):
       cnt = contours[i]
       area = cv2.contourArea(cnt)
       if area < 100:
           continue
       epsilon = 0.1 * cv2.arcLength(cnt, True)
       approx = cv2.approxPolyDP(cnt, epsilon, True)
       if len(approx) == 4:
           cv2.drawContours(img, [approx], 0, (0, 0, 255), 2)
           break

这里通过遍历所有轮廓，找到面积大于 100 的轮廓，并使用 cv2.approxPolyDP() 函数找到近似的四边形轮廓，如果找到了近似的四边形轮廓，则将其绘制出来并跳出循环。

6. 显示图像：

   cv2.imshow('contours', img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

这里使用了 cv2.imshow() 函数来显示图像，cv2.waitKey(0) 函数等待用户按下任意键后关闭窗口，cv2.destroyAllWindows() 函数用于关闭所有窗口。

完整代码如下：

import cv2
import numpy as np

img = cv2.imread('qrcode.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i in range(len(contours)):
    cnt = contours[i]
    area = cv2.contourArea(cnt)
    if area < 100:
        continue
    epsilon = 0.1 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    if len(approx) == 4:
        cv2.drawContours(img, [approx], 0, (0, 0, 255), 2)
        break

cv2.imshow('contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

执行完该代码后，您将会看到一个带有定位符轮廓的二维码图像，并且定位符的坐标将会被打印出来。