Python中如何在后台代码运行时同步显示数独求解图像？

我之前做类似的可视化工具时也踩过这个坑，给你几个亲测有效的解决方案，帮你实现数独图像显示和求解代码后台运行并行：

方案1：Matplotlib 非阻塞显示模式 #

Matplotlib 的 plt.show() 默认是阻塞的，但只要加上 block=False 参数，就能让窗口显示的同时，代码继续往下执行。另外需要配合 plt.pause() 来刷新窗口，避免图像不显示或者卡住。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
import time

# 生成示例数独网格（替换成你的求解结果）
sudoku_grid = np.random.randint(1, 10, (9,9))

# 初始化图像显示
plt.figure("已解数独")
plt.imshow(sudoku_grid, cmap="coolwarm")
plt.xticks(range(9))
plt.yticks(range(9))
plt.grid(True, linewidth=1.5, color="black")
plt.show(block=False)

# 后台运行你的数独求解/后续逻辑
for step in range(10):
    print(f"后台处理进度：{step+1}/10")
    # 这里可以加入求解逻辑，或者更新数独网格后重新绘制
    # sudoku_grid = your_solve_function(sudoku_grid)
    # plt.clf()  # 清除当前图像
    # plt.imshow(sudoku_grid, cmap="coolwarm")
    # plt.grid(True, linewidth=1.5, color="black")
    
    plt.pause(0.5)  # 刷新窗口，同时不阻塞代码
    time.sleep(0.5)  # 模拟求解耗时

# 最后关闭窗口
plt.close()

方案2：使用多线程分离显示与逻辑 #

把图像显示的代码放到单独的线程里，主线程专注于数独求解逻辑，两者完全并行。这种方式适合需要长时间运行后台任务，且显示窗口不需要频繁更新的场景。

示例代码：

import threading
import matplotlib.pyplot as plt
import numpy as np
import time

def display_sudoku(grid):
    """单独线程中运行的图像显示函数"""
    plt.figure("已解数独")
    plt.imshow(grid, cmap="Blues")
    plt.xticks(range(9))
    plt.yticks(range(9))
    plt.grid(True, linewidth=2, color="gray")
    plt.show()  # 线程中的show()不会阻塞主线程

# 生成示例数独网格
sudoku_grid = np.random.randint(1, 10, (9,9))

# 启动显示线程
display_thread = threading.Thread(target=display_sudoku, args=(sudoku_grid,))
display_thread.start()

# 主线程执行数独求解逻辑
for step in range(10):
    print(f"数独求解中，第{step+1}步")
    # 这里调用你的求解函数
    # sudoku_grid = solve_sudoku(sudoku_grid)
    time.sleep(1)  # 模拟求解耗时

# 可选：等待显示线程结束（如果需要保持窗口直到求解完成）
display_thread.join()

方案3：OpenCV 实时窗口刷新 #

OpenCV 的 cv2.waitKey() 可以设置等待时长（毫秒级），只要在循环中不断调用它，就能让窗口保持响应，同时代码继续运行。这种方式适合需要实时更新数独图像的场景。

示例代码：

import cv2
import numpy as np
import time

def draw_sudoku_grid(grid):
    """将数独网格转换成可视化图像"""
    cell_size = 50
    img = np.ones((450, 450, 3), dtype=np.uint8) * 255  # 白色背景
    
    # 绘制数字和单元格边框
    for i in range(9):
        for j in range(9):
            cv2.putText(img, str(grid[i][j]), 
                        (j*cell_size + 15, i*cell_size + 35),
                        cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2)
            cv2.rectangle(img, (j*cell_size, i*cell_size), 
                          ((j+1)*cell_size, (i+1)*cell_size), 
                          (0, 0, 0), 1)
    
    # 绘制3x3区块的粗分隔线
    for i in range(3):
        cv2.line(img, (i*3*cell_size, 0), (i*3*cell_size, 450), (0, 0, 0), 3)
        cv2.line(img, (0, i*3*cell_size), (450, i*3*cell_size), (0, 0, 0), 3)
    return img

# 示例数独网格
sudoku_grid = np.random.randint(1, 10, (9,9))
sudoku_img = draw_sudoku_grid(sudoku_grid)

# 创建窗口并显示图像
cv2.namedWindow("数独求解器", cv2.WINDOW_NORMAL)
cv2.imshow("数独求解器", sudoku_img)

# 后台运行求解逻辑，同时保持窗口响应
running = True
step = 0
while running and step < 10:
    print(f"求解进度：{step+1}/10")
    # 这里可以更新数独网格并重新绘制图像
    # sudoku_grid = update_sudoku(sudoku_grid)
    # sudoku_img = draw_sudoku_grid(sudoku_grid)
    # cv2.imshow("数独求解器", sudoku_img)
    
    # 等待1毫秒，让窗口处理事件，不阻塞代码
    key = cv2.waitKey(1)
    if key == ord('q'):  # 按Q键退出
        running = False
    time.sleep(1)
    step += 1

# 关闭窗口
cv2.destroyAllWindows()

你可以根据自己的需求选择合适的方案：如果只是简单显示不需要频繁更新，方案1或2都可以；如果需要实时刷新数独图像，方案3更合适。

内容的提问来源于stack exchange，提问作者Yann POURCENOUX