ผมไปเห็นโพสต์ตลกๆใน Reddit มา การ์ตูนบอกว่าสามารถเอาตัวเลข 0 และ 1 มาเรียงกันบนจอโทรศัพท์ให้เป็นรูปยีราฟและเลข 0 และ 1 ที่เรียงกันนั้นถ้าตีความเป็นเเลขฐานสองแล้ว มันจะเป็นเลขจำนวนเฉพาะอีกด้วย (เลขจำนวนเฉพาะคือจำนวนเต็มบวกที่มีตัวหารที่เป็นบวกแค่ 1 และตัวมันเอง)
ใต้การ์ตูนมีคนทำรูปยีราฟที่วาดด้วย 0 และ 1 เรียงกัน 4096 ตัว ซึ่งถ้ามองเป็นเลขฐานสองจะเป็นจำนวนเฉพาะด้วยครับ:
ถ้าเราสังเกตที่ด้านล่างของภาพยีราฟจะเห็นว่ามันไม่เป็น 0 ทั้งหมด ทำให้น่าสงสัยว่าคนสร้างภาพเปลี่ยนค่า 0 บางตัวเป็น 1 จนกระทั่งทั้งภาพกลายเป็นจำนวนเฉพาะ ผมก็เลยคิดสงสัยว่าเราสามารถสร้างรูปขาวดำอะไรก็ได้ให้เป็นจำนวนเฉพาะแบบนี้ได้ไหม
ก่อนอื่นเราต้องหาตรวจสอบว่าเลขฐานสองยาวๆเป็นจำนวนเฉพาะหรือไม่ก่อน ถ้าเราใช้ภาษาไพธอน แล้วเรามีสตริงชื่อ x ที่มีเลข 0/1 เรียงกันเป็นเลขฐานสองเราใช้คำสั่ง int(x,2) เปลี่ยนเป็นค่าตัวเลขได้ แล้วใช้คำสั่ง gmpy2.is_prime(num) มาตรวจว่าเป็นจำนวนเฉพาะหรือเปล่า
x = "0100011"
num = int(x,2) #num = 35
gmpy2.is_prime(num) #False เพราะ 35 = 1x5x7
y = '0100101'
num = int(x,2) #num = 37
gmpy2.is_prime(num) #True เพราะ 37 = 1x37
เวลาตัวเลขของเรามีขนาดไม่ใหญ่นัก มีไม่กี่หลัก เราสามารถทดลองหาตัวหารไปเรื่อยๆได้ แต่ถ้าตัวเลขใหญ่มีเป็นร้อยเป็นพันหลัก เราจะลองอย่างนั้นไม่ได้เพราะจะใช้เวลามากเกินไป ความวิเศษของ gmpy2.is_prime( ) ก็คือมันใช้เทคนิค Miller-Rabin ที่สามารถตรวจสอบเลขที่มีหลายๆพันหลักได้ด้วยวิธีสุ่ม โดยที่เราเลือกลดความน่าจะเป็นที่มันจะตอบผิดว่าตัวเลขเป็นจำนวนเฉพาะทั้งๆที่ไม่ใช่ให้มีค่าน้อยๆใกล้ศูนย์ได้ตามใจ
พอเรารู้วิธีตรวจสอบจำนวนเฉพาะขนาดใหญ่ๆได้แล้ว เราก็แค่เขียนโปรแกรมให้อ่านภาพเข้ามาแล้วแปลงเป็นภาพขาวดำ เปลี่ยนสีดำเป็น 0 เปลี่ยนสีขาวเป็น 1
โค้ดส่วนนี้อ่านภาพเข้ามาแล้วทำให้ขนาดไม่ใหญ่เกินไป:
def scale_image(file, size = 64):
"""
Read an image file, change it to grayscale (0-255),
and scale it so that its dimension is at most size x size,
keeping the image's aspect ratio.
"""
im = PIL.Image.open(file)
im = im.convert('L') #change image to grayscale (0 to 255)
width, height = im.size
if width > height:
max_size = width
else:
max_size = height
scale_factor = size/max_size
new_width = int(scale_factor*width)
new_height = int(scale_factor*height)
im = im.resize((new_width, new_height))
return im
ส่วนนี้เปลี่ยนภาพให้เป็นสตริง 0/1
def image_to_binary(image):
"""
Convert a grayscale (0-255) image to its binary string representation.
Change the last pixel to 1 to make it a prime number more easily.
"""
width, height = image.size
pixels = np.asarray(image) #store pixel value in numpy array
binary_pixels = (pixels > 128).astype(np.int) #low values go to 0, high values go to 1
binary_pixels[(-1,-1)] = 1 #make sure last pixel is 1 to make it a prime more easily
binary_string = "".join(binary_pixels.flatten().astype(np.str).tolist())
return width, height, binary_string #return width and height along with 1-dimension binary representation
แล้วเราก็ตรวจสอบว่าสตริง 0/1 เป็นจำนวนเฉพาะด้วยฟังก์ชั่นนี้:
def is_binary_string_prime(x, n_tests = 50):
"""
Check if the binary string x is prime using gmpy2's Miller-Rabin
algorithm with n_tests steps.
"""
num = int(x,2) #convert binary string to decimal number
return gmpy2.is_prime(num, n_tests)
ถ้าภาพยังไม่เป็นจำนวนเฉพาะ เราก็สุ่มจุดมาหนึ่งจุด แล้วเปลี่ยนเลขตรงนั้น ถ้าเคยเป็น 0 ก็เปลี่ยนเป็น 1 ถ้าเคยเป็น 1 ก็เปลี่ยนเป็น 0 แล้วค่อยเอาไปตรวจใหม่ว่าเป็นจำนวนเฉพาะไหม ถ้ากลายเป็นจำนวนเฉพาะภาพที่ได้ก็ต่างจากภาพเริ่มต้นเพียง 1 จุดเท่านั้น ฟังก์ชั่นที่ใช้เปลี่ยนเลขก็มีหน้าตาแบบนี้:
def mutate(x):
"""
Given a binary string x, flip one random bit and return the result.
"""
i = random.randint(0, len(x)-1) #location to flip a bit
if x[i] == '0':
flip = '1'
else:
flip = '0'
result = x[:i] + flip + x[i+1:] #copy x to result, except one flipped bit
return result
ปัญหาต่อไปก็คือถ้าภาพยังไม่เป็นจำนวนเฉพาะ เราจะทำการเปลี่ยนจุด 1 จุดกี่ครั้งดี เราอาศัยความจริงที่ว่าจำนวนเฉพาะที่น้อยกว่า N จะมีประมาณ N/Log(N) ตัว ดังนั้นความน่าจะเป็นที่เราสุ่มเลือกเลขที่อยู่ระหว่าง 1 ถึง N มาแล้วมันเป็นจำนวนเฉพาะก็จะประมาณ 1/Log(N)
ถ้าภาพของเรามีจุด 0/1 ทั้งหมด K จุด ความน่าจะเป็นที่มันเป็นจำนวนเฉพาะก็จะประมาณ 1/Log(2K) = 1/(K Log(2)) = 1.44/K เช่นถ้าภาพมีขนาด 64×64 แสดงว่า K = 64×64 = 4096 และความน่าจะเป็นที่ภาพจะเป็นจำนวนเฉพาะก็ประมาณ 1.44/4096 เท่ากับประมาณ 1/2800 แปลว่าถ้าเราเลือกเลขสุ่มๆมาสักสองสามเท่าของ 2800 ครั้ง เราน่าจะได้เลขจำนวนเฉพาะมาสองสามตัวถ้าเราไม่โชคร้ายเกินไป
จากนั้นเราก็แค่ลองเปลี่ยนเพียง 1 จุดในภาพไปเรื่อยๆจนภาพกลายเป็นจำนวนเฉพาะด้วยฟังก์ชั่นหน้าตาแบบนี้ครับ:
def mutate_to_prime(x, max_tries = 12000):
"""
Given a binary string x, flip just one bit to make it a prime number.
max_tries is the maximum number of tries before giving up.
If x is N bits long, probability that x is a prime is about 1/(N log(2)),
so max_tries about a few times N log(2) should be OK.
The first prime found will be returned.
If no prime is found, None will be returned.
"""
if is_binary_string_prime(x):
return x #if x is already prime, just return it.
found_prime = False
for k in range(max_tries):
m = mutate(x) #try flipping one bit
if is_binary_string_prime(m): #if it's a prime, return it
return m
return None
ผมประกอบฟังก์ชั่นต่างๆเป็นโปรแกรมแบบนี้ครับ โหลดได้ที่นี่:
import PIL.Image
import gmpy2
import random
import numpy as np
import math
def scale_image(file, size = 64):
"""
Read an image file, change it to grayscale (0-255),
and scale it so that its dimension is at most size x size,
keeping the image's aspect ratio.
"""
im = PIL.Image.open(file)
im = im.convert('L') #change image to grayscale (0 to 255)
width, height = im.size
if width > height:
max_size = width
else:
max_size = height
scale_factor = size/max_size
new_width = int(scale_factor*width)
new_height = int(scale_factor*height)
im = im.resize((new_width, new_height))
return im
def image_to_binary(image):
"""
Convert a grayscale (0-255) image to its binary string representation.
Change the last pixel to 1 to make it a prime number more easily.
"""
width, height = image.size
pixels = np.asarray(image) #store pixel value in numpy array
binary_pixels = (pixels > 128).astype(np.int) #low values go to 0, high values go to 1
binary_pixels[(-1,-1)] = 1 #make sure last pixel is 1 to make it a prime more easily
binary_string = "".join(binary_pixels.flatten().astype(np.str).tolist())
return width, height, binary_string #return width and height along with 1-dimension binary representation
def mutate(x):
"""
Given a binary string x, flip one random bit and return the result.
"""
i = random.randint(0, len(x)-1) #location to flip a bit
if x[i] == '0':
flip = '1'
else:
flip = '0'
result = x[:i] + flip + x[i+1:] #copy x to result, except one flipped bit
return result
def is_binary_string_prime(x, n_tests = 50):
"""
Check if the binary string x is prime using gmpy2's Miller-Rabin
algorithm with n_tests steps.
"""
num = int(x,2) #convert binary string to decimal number
return gmpy2.is_prime(num, n_tests)
def mutate_to_prime(x, max_tries = 12000):
"""
Given a binary string x, flip just one bit to make it a prime number.
max_tries is the maximum number of tries before giving up.
If x is N bits long, probability that x is a prime is about 1/(N log(2)),
so max_tries about a few times N log(2) should be OK.
The first prime found will be returned.
If no prime is found, None will be returned.
"""
if is_binary_string_prime(x):
return x #if x is already prime, just return it.
found_prime = False
for k in range(max_tries):
m = mutate(x) #try flipping one bit
if is_binary_string_prime(m): #if it's a prime, return it
return m
return None
def print_pic(x, width):
"""
Given a binary string x, print it
so that each line contains width characters.
"""
height = int(len(x)/width)
for row in range(height):
print(x[row*width : row*width+width])
def pic_to_prime(file, size = 64, max_tries = 12000):
"""
Open an image file and attempt to
print it as a binary string picture
that is a prime number.
"""
im = scale_image(file, size)
width, height, binary = image_to_binary(im)
x = mutate_to_prime(binary, max_tries)
if x:
print_pic(x,width)
num = int(x,2)
print("\nThe number is {} in base 10.".format(num))
print("It has {} digits".format(len(str(num))))
print("It's likely a prime with probability = {}".format(1-math.pow(0.5,50)))
def main():
import sys
usage = """
python pic_to_prime.py image_file [size] [max_tries]
Will attempt to convert image_file into a black and white picture whose ASCII representation is
(black = 0, white = 1) and the string of 0's and 1's forms a binary number which is likely prime with
an extremely high probablity.
size is an optional parameter. The converted image's dimension will be at most size x size
Default value for size is 64
max_tries is an optional parameter. It's the maximum number of tries to flip one bit in the converted image
until it's a prime number. If max_tries is reached without find a prime, the program does not return any Ascii image.
Typically, setting max_tries to be a few times size x size should be sufficient.
Default value for max_tries is 12,000
"""
if len(sys.argv) < 2:
print(usage)
exit(1)
try:
file_name = sys.argv[1]
print("Converting {}...".format(file_name))
if len(sys.argv) == 2:
pic_to_prime(file_name)
if len(sys.argv) == 3:
size = int(sys.argv[2])
pic_to_prime(file_name, size)
if len(sys.argv) >= 4:
size = int(sys.argv[2])
max_tries = int(sys.argv[3])
pic_to_prime(file_name, size, max_tries)
except:
print("An error has occured:", sys.exc_info())
if __name__ == '__main__':
main()
วิธีใช้ก็เรียก python pic_to_prime.py filename โดยที่ filename คือชื่อไฟล์รูปภาพที่เราต้องการเปลี่ยนเป็นจำนวนเฉพาะครับ
ตัวอย่างภาพที่ได้จากการเปลี่ยนภาพ Darth Vader:
ภาพ Darth Vader ข้างบนคือเลขฐานสิบที่มี 1195 หลัก หน้าตาแบบนี้ครับ:
3069183072727172278860337378214364811175034036025244450162785708918361127976622462244955616465542073310944718954147895761643252918537495912453992270956943332625163100410236971285347282168904965253931503727481796300351734500671920231110149740644603732320920567437139574018949692454814303373410337477406380375065946238083359795848929370044692287614885238710013203784493630576976222535714074987122348018208566276582108014408460395720661886870781674435952140263967388925330430468219482326166783846446434209037095617083753020217147213702448717413427206823791407299246422960343709648378621123745736208899112612922595944987425466506332619408247083609772049609869403316890387132071258208841211446813145804008085966690045193746244730410209439050722697005342344505437504795775660537102148374631191587907498516228228789209160814532098859180914649594125752152645342655118749520955226752989697313945409163186662411266021539069921213862430095726119501306030813846080124361789827996639620644316501126994186024697789684863191124018231390812596919287605853413555802043957703338340785628246023479885637324716903027104728159535177737667950181169447546144659362616465956401475098937299932469625956492313055325061119
Wow, that’s great!
I wonder if you have seen this one: recovering audio by recording vibrations of everyday objects on a very high speed camera: https://www.youtube.com/watch?v=FKXOucXB4a8&feature=youtu.be
I’ve heard about it but haven’t seen the video. Thank you, Josh 🙂