最强大脑数学训练方法（让最强大脑运动起来）

文/IT可达鸭

图/IT可达鸭、网络

前言

还记得几年前非常火的一个科学真人秀节目《最强大脑》吗？它的第一个挑战项目是魔方墙，魔方墙长什么样子？它有哪些规则？

首先，它是一个“找茬游戏”的升级版，就是从两幅一样魔方墙中，找出其中不一样的色块所在的位置。

为了方便大家更清楚的认识这个游戏，我们就称它为“魔方墙找茬”游戏。（看到这里的朋友，不要着急哈，认真看下去，最后有彩蛋。）

最强大脑数学训练方法（让最强大脑运动起来）(1)

图片来自网络

魔方墙找茬

其实，我们普通人经过训练，也可以做到从两面魔方墙中寻找到不一样的色块。那么该怎么做呢？

第一步：所谓万丈高楼平地起

我们先从基础做起，先来个简单版的“魔方墙找茬”。

最强大脑数学训练方法（让最强大脑运动起来）(2)

初级魔方墙找茬

是不是非常简单，只要一眼扫过去，就能发现第三行，第四列的色块不一样。

第二步：来个中等难度的魔方墙

最强大脑数学训练方法（让最强大脑运动起来）(3)

中级魔方墙找茬

这个时候，就没那么简单了。那有的朋友就说，只要我细心，就一定可以看出来。是的，一行一行地扫描下来，细心的朋友会发现，最后一行，第六列的色块不一样。

第三步：那我们就来高级的魔方墙找茬吧

最强大脑数学训练方法（让最强大脑运动起来）(4)

高级魔方墙找茬

这个花时间去看容易看花，那么我们就应该重新审视这个游戏，寻找一个可以解决的可靠方法。

不过，在此之前，你可能会问，我想研究“魔方墙找茬”，但是这个“魔方墙找茬”游戏去哪里下载呀？

不用担心，小编刚好会一点点编程，给你写一个魔方墙找茬的游戏软件，来，直接上代码。

环境配置

python版本： 3.6.0

编辑器： pycharm

项目所需要的环境安装包

pip install numpy pip install opencv-python

需要注意的点

要先安装numpy，再安装opencv-python。

第一步：导包和全局变量

# 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: 是一个强大的图像处理库 opencv, 据说人脸识别、视频处理等操作都可以做到。

numpy: 是一个扩展包，支持大量的维度数组与矩阵运算，包含大量数学函数。

color_list: 是魔方墙找茬游戏的出现的所有色块，这里小编只给了六种颜色，大家可以根据自己的需求，增加新的颜色，颜色越多，难度越大哟。

最强大脑数学训练方法（让最强大脑运动起来）(5)

第二步：生成魔方墙的函数体

def show_mixed(row, col, min_cube_size, windows_name = 'bgr_img'): """ 展示两个颜色矩阵 :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) # 随机选一个颜色 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 # 随机选一个坐标 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) # 随机选一个颜色 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的矩阵切片操作，给每个色块进行上色。同时利用随机函数，随即选定一个坐标，藏入找茬游戏的答案。

最强大脑数学训练方法（让最强大脑运动起来）(6)

第三步：主函数

if __name__ == '__main__': grade_dict = {"超简单":5, "简单": 15, "中等": 30, "难": 60} # 魔方墙的大小 cube_size_dict = {"超简单":40, "简单":25, "中等": 18, "难": 15} # 每个色块的像素大小 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(

在主函数中，自定义难度参数，这里因为屏幕大小的限制，我把最难的设置为60*60的色块魔方墙。如果你的屏幕够大，可以设置成《最强大脑》里的魔方墙尺寸。

最强大脑数学训练方法（让最强大脑运动起来）(7)