解决方案

解决方案

1、图片处理

先设定好一个方便处理的像素，再对图片进行处理。

if isHorrizontal:
        img = cv2.resize(img, (int(size/height*width), size))
    else:
        img = cv2.resize(img, (size, int(size/width*height)))

高斯模糊、自适应阈值化处理、对二值化图像进行腐蚀膨胀去除噪点。
为了防止因图片主体太小而找不到，先将图片裁剪，找到包含图片在内的最大矩形。
def maxBorder(img):
def ImgCut(img):

1、霍夫直线，找图片边框

lines = cv2.HoughLines(img_hough, 1, np.pi / 180, int(imgAverageSize/2))
对于占据整个图片超过一半的图像视为图片的主体也就是数独，然后画出霍夫直线，并将直线方程都保存在lines里面。
将霍夫直线的交点找出并画出，限制所描的点在数独内部，最后merge只剩下比较规则的交点，并将交点坐标保存在points里面。

for i in range(len(lines)):
       for j in range(i+1, len(lines)):
            p = ItsPoint(lines[i], lines[j])
            x = p[0]
            y = p[1]
            if x >= 0 and x < width and y >= 0 and y < height and img_box[int(p[1]), (p[0])] != 0:
                points.append((int(x), int(y)))
                cv2.circle(img_bodPt, (int(p[0]), int(p[1])),
                        3, (0, 0, 255), -1)

2、寻找最大面积法确定四边形四个顶点

已经知道包括定点在内的所有点坐标，所以只要找到所有点能围成面积最大的四个点就是顶点。
找到四个顶点在画出经过这四个点的霍夫直线，这样就找到了四边形的边界。
即使数独图片在照片中被歪曲成了梯形，也能根据最大的面积找出最外界的边框。
最后裁剪出所需要的矩形。

maxSpace = 0
   for i in range(len(points)):
       for j in range(i+1, len(points)):
           dp1 = points[i]
           dp2 = points[j]
           ddp = deta(dp2, dp1)
           p1 = (-1, -1)
           maxS1 = 0
           for p in points:
               if cross(ddp, deta(p, dp1)) > 0:
                   s1 = 1/2*abs(cross(ddp, deta(p, dp1)))
                   if s1 > maxS1:
                       maxS1 = s1
                       p1 = p
           p2 = (-1, -1)
           maxS2 = 0
           for p in points:
               if cross(ddp, deta(p, dp1)) < 0:
                   s2 = 1/2*abs(cross(ddp, deta(p, dp1)))
                   if s2 > maxS2:
                       maxS2 = s2
                       p2 = p
           totalSpace = maxS1+maxS2
           if totalSpace > maxSpace and p1 != (-1, -1) and p2 != (-1, -1):
               maxSpace = copy.deepcopy(totalSpace)
               tempList = [dp1, p1, dp2, p2]
               img_bp = copy.deepcopy(img)
               cv2.circle(img_bp, tempList[0],
                       15, (255, 48, 180), -1)
               cv2.circle(img_bp, tempList[2],
                       15, (255, 48, 180), -1)
               colour = 255
               for p in tempList:
                   cv2.circle(img_bp, (int(p[0]), int(p[1])),
                           10, (colour, colour, colour), -1)
                   colour = colour - 85

3、图片处理效果

2、KNN

正在改LeNe5

数字识别（待改进）

[[0 0 5 0 6 0 0 5 0]
[1 1 7 0 0 0 0 8 0]
[0 0 0 9 8 0 0 5 6]
[0 0 0 8 0 6 8 0 0]
[4 0 3 0 0 0 1 0 9]
[0 0 1 3 0 1 0 0 0]
[1 1 0 0 3 1 0 0 0]
[0 1 0 0 0 0 3 8 1]
[0 1 0 0 1 0 4 0 0]]

3、解数独