Python + OpenCV + DeepLearning 解数独问题【三、解数独】

整个解数独问题可以大致分为3个部分:

  1. 从图片中提取出完整的数独
  2. 从数独中提取出数字并传入神经网络进行预测
  3. 解出数独【本文的部分

【环境】

  • Python:3.8.5
  • OpenCV:4.5.1
  • Keras:2.4.3
     

【第三部分】解数独:

1.首先是 possible 函数,检验数字 n 是否能填在 (y,x) 位置,即每行、每列、每个 9 宫格是否有重复,重复则返回 False,否则返回 True

2.然后是 solve 函数,遍历数独中所有的 0,如果 1-9 当中有数字能填进去,则问题的规模减一,调用 solve 函数本身继续求解,如果 1-9 当中没有数字能填进去,则回溯,最终返回数独的解。

import numpy as np


# 检验数字 n 是否能填在(y,x)位置
def possible(sudoku, y, x, n):
    for i in range(9):
        if sudoku[y][i] == n:
            return False
    for i in range(9):
        if sudoku[i][x] == n:
            return False
    x0 = (x // 3) * 3
    y0 = (y // 3) * 3
    for i in range(3):
        for j in range(3):
            if sudoku[y0 + i][x0 + j] == n:
                return False
    return True


# 解数独
def solve(sudoku):
    for y in range(9):
        for x in range(9):
            if sudoku[y][x] == 0:
                for n in range(1, 10):
                    if possible(sudoku, y, x, n):
                        sudoku[y][x] = n
                        solved = solve(sudoku)
                        if solved is not None:
                            return solved
                        sudoku[y][x] = 0
                return
    return sudoku


# 测试
grid = [[0, 6, 0, 7, 0, 9, 0, 4, 0],
        [0, 0, 0, 0, 1, 0, 0, 0, 0],
        [0, 0, 7, 4, 0, 0, 9, 0, 8],
        [3, 0, 0, 0, 0, 0, 5, 0, 4],
        [0, 4, 0, 0, 0, 0, 0, 9, 0],
        [1, 0, 9, 0, 0, 0, 0, 0, 2],
        [8, 0, 1, 0, 0, 4, 7, 0, 0],
        [0, 0, 0, 0, 2, 0, 0, 0, 0],
        [0, 2, 0, 9, 0, 6, 0, 5, 0]]

print(np.matrix(solve(grid)))

【第三部分总结】

本文中的解数独程序比较简单粗暴,适用于一般的数独问题,并且稍加修改后可以输出数独的所有解,不过时间复杂度高,在遇到非常难的数独问题时,会出现递归层数太多解不出来的情况。

源码

【GitHub链接】:GitHub - ITACHI142857/SudokuSolving: sudoku solver using python\opencv\deep learning

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值