文/IT可達鴨

圖/IT可達鴨、網絡

還記得幾年前非常火的一個科學真人秀節目《最強大腦》嗎？它的第一個挑戰項目是魔方牆，魔方牆長什麼樣子？它有哪些規則？

首先，它是一個“找茬遊戲”的升級版，就是從兩幅一樣魔方牆中，找出其中不一樣的色塊所在的位置。

為了方便大家更清楚的認識這個遊戲，我們就稱它為“魔方牆找茬”遊戲。（看到這裡的朋友，不要着急哈，認真看下去，最後有彩蛋。）

圖片來自網絡

其實，我們普通人經過訓練，也可以做到從兩面魔方牆中尋找到不一樣的色塊。那麼該怎麼做呢？

• 第一步：所謂萬丈高樓平地起

我們先從基礎做起，先來個簡單版的“魔方牆找茬”。

初級魔方牆找茬

是不是非常簡單，隻要一眼掃過去，就能發現第三行，第四列的色塊不一樣。

• 第二步：來個中等難度的魔方牆

中級魔方牆找茬

這個時候，就沒那麼簡單了。那有的朋友就說，隻要我細心，就一定可以看出來。是的，一行一行地掃描下來，細心的朋友會發現，最後一行，第六列的色塊不一樣。

• 第三步： 那我們就來高級的魔方牆找茬吧

高級魔方牆找茬

這個花時間去看容易看花，那麼我們就應該重新審視這個遊戲，尋找一個可以解決的可靠方法。

不過，在此之前，你可能會問，我想研究“魔方牆找茬”，但是這個“魔方牆找茬”遊戲去哪裡下載呀？

不用擔心，小編剛好會一點點編程，給你寫一個魔方牆找茬的遊戲軟件，來，直接上代碼。

• 環境配置

python版本： 3.6.0

編輯器： pycharm

項目所需要的環境安裝包

pip install numpy pip install opencv-python

• 需要注意的點

要先安裝numpy，再安裝opencv-python。

• 第一步：導包和全局變量

# encoding:utf-8 import cv2 import numpy as np import random color_list = [(255, 0, 0), (0, 255, 0), (0, 0, 255), (255, 255, 0), (0, 255, 255), (255, 0, 255)

cv2: 是一個強大的圖像處理庫 opencv, 據說人臉識别、視頻處理等操作都可以做到。

numpy: 是一個擴展包，支持大量的維度數組與矩陣運算，包含大量數學函數。

color_list: 是魔方牆找茬遊戲的出現的所有色塊，這裡小編隻給了六種顔色，大家可以根據自己的需求，增加新的顔色，顔色越多，難度越大喲。

• 第二步：生成魔方牆的函數體

def show_mixed(row, col, min_cube_size, windows_name = 'bgr_img'): """ 展示兩個顔色矩陣 :param row: :param col: :param windows_name: :return: """ img = np.ones((min_cube_size*row, min_cube_size*col), dtype=np.uint8) img2 = np.ones((min_cube_size * row, min_cube_size * col), dtype=np.uint8) bgr_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) bgr_img2 = cv2.cvtColor(img2, cv2.COLOR_GRAY2BGR) for i in range(row): tmp_row_start, tmp_row_end = i * min_cube_size, (i 1) * min_cube_size for j in range(col): tmp_col_start, tmp_col_end = j * min_cube_size, (j 1) * min_cube_size tmp_color = random.choice(color_list) # 随機選一個顔色 bgr_img[tmp_row_start:tmp_row_end, tmp_col_start:tmp_col_end] = tmp_color bgr_img2[tmp_row_start:tmp_row_end, tmp_col_start:tmp_col_end] = tmp_color # 随機選一個坐标 x, y = random.randint(0, row-1), random.randint(0, col-1) tmp_row_start, tmp_row_end = x * min_cube_size, (x 1) * min_cube_size tmp_col_start, tmp_col_end = y * min_cube_size, (y 1) * min_cube_size while True: tmp_color = random.choice(color_list) # 随機選一個顔色 if bgr_img2[tmp_row_start 5, tmp_col_start 5][0] == tmp_color[0] and \ bgr_img2[tmp_row_start 5, tmp_col_start 5][1] == tmp_color[1] and \ bgr_img2[tmp_row_start 5, tmp_col_start 5][2] == tmp_color[2]: continue else: bgr_img2[tmp_row_start:tmp_row_end, tmp_col_start:tmp_col_end] = tmp_color break cv2.imshow(windows_name "01", bgr_img ) cv2.imshow(windows_name "02", bgr_img2 ) return x 1, y

利用numpy的矩陣切片操作，給每個色塊進行上色。同時利用随機函數，随即選定一個坐标，藏入找茬遊戲的答案。

• 第三步：主函數

if __name__ == '__main__': grade_dict = {"超簡單":5, "簡單": 15, "中等": 30, "難": 60} # 魔方牆的大小 cube_size_dict = {"超簡單":40, "簡單":25, "中等": 18, "難": 15} # 每個色塊的像素大小 grade_name = '中等' x, y = show_mixed(grade_dict[grade_name], grade_dict[grade_name], cube_size_dict[grade_name], 'bg_01') print( "x=%d, y=%d" % (x, y) ) cv2.waitKey(

在主函數中，自定義難度參數，這裡因為屏幕大小的限制，我把最難的設置為60*60的色塊魔方牆。如果你的屏幕夠大，可以設置成《最強大腦》裡的魔方牆尺寸。

至此，生成魔方牆的軟件就做好了，你可以随時生成多個“魔方牆找茬”的圖，進行訓練。

最後，相信很多朋友會問，有什麼方法可以快速找到答案？其實，很簡單，使用裸眼3D眼。就是小時候大家經常玩的“鬥雞眼”。

使用“3D”眼，把兩幅圖重疊在一起，剛開始的時候，會比較模糊，這個時候需要盯住，圖片慢慢清晰起來。這時候，你會發現“魔方牆”中有一個色塊一直在閃，而這個色塊，就是你要找的答案。

如果有疑問想獲取源碼，可以關注後，在後台私信我，回複：python魔方牆。 我把源碼發你。持續關注"IT可達鴨"，每天除了分享有趣Python源碼，還會介紹NLP算法。最後，感謝大家的閱讀，祝大家工作生活愉快！