使用append之后数组维度消失_使用OpenCV和Python来解决迷宫问题

今天我们将学习在python中使用opencv制作迷宫解谜器。

解决迷宫的例子

首先，我们导入所需的Python库

import cv2import numpy as npimport os

让我们从读取图像开始

def readImage(img_file_path):  binary_img = None  img = cv2.imread(img_file_path,0)  ret,img = cv2.threshold(img,127,255,cv2.THRESH_BINARY)  binary_img = img  return binary_img

现在我们有一个读取迷宫方块的问题。

def blockwork(img,coordinate): size = CELL_SIZE   h = CELL_SIZE*(coordinate[0]+1)   w = CELL_SIZE*(coordinate[1]+1)   h0= CELL_SIZE*coordinate[0]   w0= CELL_SIZE*coordinate[1]   block = img[h0:h,w0:w]   up    = bool(block[0,int(size/2)]) *1000   down  = bool(block[int(size-1),int(size/2)])*100   left  = bool(block[int(size/2),0]) *10   right = bool(block[int(size/2),int(size-1)])*1   edge = up+down+left+right  return edge, block

变量“ edge”包含每个单个块的边界信息。如果该块的特定面是开放的，我们设置为1。这样会将大量信息压缩为一个数字，0

• 对于上边缘-1000
• 对于下边缘-100
• 对于左边缘-10
• 对于右边缘-1

这也，我们可以知道给定块的哪一侧是打开的，哪一侧是闭合的。

def solveMaze(original_binary_img, initial_point, final_point, no_cells_height, no_cells_width):    edgearray = []    for i in range (no_cells_height):     edgearray.append([])     for j in range(no_cells_width):        sz = [i,j]        edge, block = blockwork(img, sz)        edgearray[i].append(edge)  edge= edgearray

在获得所有块的边缘数组之后，我们将它附加到一个边缘数组中。

解迷宫实际上就是解这个数组

回溯算法

回溯是一种递归地解决问题的算法技术，它尝试逐步地构建一个解，每次只构建一个部分，并删除那些在任何时间点都不能满足问题约束的解。

#The solvemaze method is continued here... shortestPath = [] img = original_binary_img sp = [] rec = [0] p = 0 sp.append(list(initial_point))  while True:   h,w = sp[p][0],sp[p][1]#h stands for height and w stands for width   if sp[-1]==list(final_point):     break   if edge[h][w] > 0:     rec.append(len(sp))   if edge[h][w]>999:#If this edge is open upwards      edge[h][w] = edge[h][w]-1000     h = h-1     sp.append([h,w])     edge[h][w] =edge[h][w]-100     p = p+1     continue   if edge[h][w]>99:#If the edge is open downward     edge[h][w] =edge[h][w]-100     h = h+1     sp.append([h,w])     edge[h][w] =edge[h][w]-1000     p=p+1     continue   if edge[h][w]>9:#If the edge is open left     edge[h][w] = edge[h][w]-10     w = w-1     sp.append([h,w])     edge[h][w] = edge[h][w]-1     p = p+1     continue   if edge[h][w]==1:#If the edge is open right     edge[h][w] = edge[h][w]-1     w = w+1     sp.append([h,w])     edge[h][w] = edge[h][w]-10     p=p+1     continue   else:#Removing the coordinates that are closed or don't show any path        sp.pop()     rec.pop()     p = rec[-1]     for i in sp:    shortestPath.append(tuple(i))return shortestPath

在上述代码中，我们使用变量h，w迭代edgearray。对于每个边缘，我们使用这些值检查是否可通过。

我们检查连接到路径或初始块的每个块。路径采用一次后，通过减去相应的值来删除该路径。

对于回溯，我们用变量' rec '。对于任何具有多个开放路径的块，它将成为一个节点，因为它可能会导致多个路径。如果前面的路径是封闭的，比如在其他块之后，则会再次访问初始节点。由于所有初始路径都已被删除，因此将访问新路径并检查路径的完成情况。

最短路径被计算为所有点的数组。

要在图像上创建路径，我们使用方法pathHighlight。

def pathHighlight(img, ip, fp, path): size = CELL_SIZE for coordinate in path:   h = CELL_SIZE*(coordinate[0]+1)  w = CELL_SIZE*(coordinate[1]+1)  h0= CELL_SIZE*coordinate[0]  w0= CELL_SIZE*coordinate[1]   img[h0:h,w0:w] = img[h0:h,w0:w]-50 return img