课程：
关于EXCEL中自动识别数字提取单元格的问题。
使用VBA即可，将如下代码复制到VBA模块中，在表格中使用Get_NonZero公式即可。
Function Get_NonZero(myrange As Range)
Dim a As Range
Dim i As Single
i = 0
Get_NonZero = ""
For Each a In myrange
If a.Value 0 And IsNumeric(a.Value) Then
Get_NonZero = Get_NonZero " " a.Value
i = i + 1
End If
If i = 2 Then
Exit Function
End If
Next
End Function
(数字)文字定位与识别
太难了。要是有这么简单，OCR软件公司肯定是遍地开花了。
看你的图片后，谈一下我的想法，或者说是思路：
1、区分底色和前景色。首先要选中一种颜色作为底色，一种你想要的颜色为前景色（OCR软件都是黑白或灰度色）
2、把图片作为一个坐标系，左上为原点，一行一行逐点扫描，有前景色的坐标的数组用1表示，背景色的数组用0表示，组成图像数据库一
3、搜索数据库，把被0包围的一块块非零数据独立出来，在搜寻每一块的左上、左下、右上、右下点坐标，组成新的数据库二
4、根据你的要求，在数据库二中找出你需要定位的位置
仅供参考，祝你好运。做出来的话，给我发一份哦
【课程设计选题三】汽车车牌中的数字识别
我找到了，哈哈。团体音讯就不上传了，只传关键的。 嵌入式汽车身份自动识别系统 一、项目引见（研讨目的、研讨背景及现状、任务原理和计划想象、计划进度布置等） 见附录。二、项目自我评价 1、激进性：在数字音讯技术和网络技术高速开展的后PC时期，随着嵌入式处置器功用的不时提高，高功用的处置器曾经能满意繁杂算法运用和其他繁杂功用运用，嵌入式将不可避以免走进各个范畴。另一方面，随同着我国经济的快速开展和北京奥运会的举行，“交通智能化”将不用质疑的成为抢手话题。由于交通行业的特地性，其对ITS装备的技术参数、运用条件都有刻薄的央求，而嵌入式恰恰可以满意此央求，因此嵌入式智能交通装备的大范围运用是肯定趋向。嵌入式汽车身份自动识别系统是智能化交通管理系统的主要组成部分，是嵌入式技术与汽车身份识别技术的完美别离，他涵盖了嵌入式车牌识别、嵌入式车标识别以及汽车颜色识别三大主体功用，力图将汽车目的一次性锁定。它具有以下优点： 1、高度独立：运用嵌入式技术，仅经过通讯接口与运用系统衔接，独立性高。 2、功用完全：同时识别汽车车牌、车标及颜色，一次性锁定目的，具有现有系统所没有的弱小功用。 3、可塑性强：前端可与信号触发装置等下游产品别离，末端内置无线网络及多种串口接口以便与下游产品别离。系统功用与运用范围失掉极大拓展。 4、易于维护：修缮、维护仅触及本系统而不影响其他模块，维护利息远低于同类产品。 5、便携灵敏：装备高度集成，小巧灵敏，运用便当。 2、可操作性和可完成性：目前，车牌识别、车标识别等技术日趋幼稚与完美，相关资料较易获取。现有的嵌入式技术也比拟幼稚。故，从技术难度上讲该选题较于其他的前沿迷信繁杂完成。选题所触及的装备和资料也较易取得，且利息适中。 3、创新点：现有的车牌识别装置一般运用电脑处置数据，有些甚至需求若干台电脑协作完成，占用少量空间与资源。即使偶有由嵌入式完成的系统其功用也仅限于车牌识别或车标识别。本系统发明性地将嵌入式与车牌识别、车标识别以及汽车颜色识别相别离，一次性处置了目前装备体系臃肿、集成难度大、动摇性差，维护难，功用繁多等效果。 4、可能具有的效果：目前，主要效果是嵌入式集成度及无线传输的距离。我们所想象的梦想状况是：针对往常大多运用电脑零件处置数据，装备灵敏性差的缺陷，开拓出便携式、数据可无线传输的汽车身份识别系统。但是由于我们时间、精神和资金的限制，“便携的水平”是目前最大的难题。另外车速与景深对图像识别的影响效果也是我们可能会面对的难题。 三、预期效果 （效果的详细方式，如：央求专利、公开拓表论文、制造科技实物（含软件顺序）等，可以同时有多种效果方式） 我们估量我们的实验效果有以下几个方面。首先，我们计划制造出科技实物，即确实地完成该嵌入式系统，拿出实真实在的效果。第二，从我们对市场现状的剖析来看，该嵌入式汽车身份识别系统的市场前景十分失望，故可以将我们的产品央求专利并投入市场停止消费。第三方面，由于汽车颜色、车牌、车标的组合识别还没有适宜的算法，所以在完利息系统的进程中我们不可避免的要完成算法想象，而这部分红果可以经过公开拓表论文的方式停止展现。由于我们计划完成一个系统，所以我们需求同时完成该系统的硬件和软件两个部分。从大的角度来看，软件及算法部分的效果可以经过论文宣布，而硬件方面的效果则可以经过投入消费和央求专利来表现。无疑，我们的效果方式会比只做软件部分或许只做硬件部分的选题多。这也是我们的一大优势。实验环境央求 经费预算 形式 用途 预算金额 估量实施时间 CCD摄像部分 前端图像的获取，购置摄像头或摄像机 3000 07。12~ 08。2月 辅佐光源 针对特地环境停止光线补充 1500 07。12~ 08。2月 图像采集卡 模拟信号数字化 2500 07。12~ 08。2月 嵌入式系统硬件装备 图像的处置 4000 08。3~ 08。10月 硬盘录像机 视频音讯的存储 2500 08。10~ 08。12月 显现装置 输入图像识别结果 1500 08。12~ 09。2月 无线收发或有线传输装置 音讯的传输 2500 09。 2~ 09。3月 机械加工 机械零件装配成样机 2000 最后阶段 算计：19500元 学院审批见地 专家委员会评审见地 学校审批见地 附录一：选题的现状、背景及意义自1885年，世界上第一台汽车降生至今，汽车为我们日常任务与生活的带来了翻天覆地的影响。一百多年来，汽车以其价钱昂贵，操作便当等优势逐渐被群众所接受，走入了千家万户。在我国，每年都有许多人参与有车一族。随之而来的自然是越来越快速便当的生活方式以及由此引发的一系列效果：汽车偷盗案每年逾万，交通事故时有发生……无疑，汽车需求规范管理。往常，我国的大部分汽车管理任务都是由人来操作完成的。不难想象，面对越来越庞大的汽车队伍，野生操作清楚的力不从心。所以“交通智能化”将成为未来交通管理的肯定趋向。要完成交通智能化怎样可以没有“汽车身份”的识别呢。早在上个世纪九十年代初，汽车身份识别曾经惹起了全世界的普遍注重，人们末尾研讨相关汽车身份证——汽车牌照自动识别的相关效果。几年后，汽车的另一个主要的身份意味——汽车标志识别也成为了抢手话题。车牌识别的一般路途为：采用计算机图象处置技术对车牌停止剖析后自动提取车牌音讯以肯定车牌号。车标识别则基于边缘直方图和模板婚配相联系数混合的算法。目前车牌与车标识别的实际曾经幼稚，离线算法识别率曾经抵达较高的水平，同时正向着集成化、智能化方向开展。在智能化交通管理系统中，汽车身份识别相当于vc++中的“基类”位置，即智能化交通管理系统中的其他子模块需求在汽车身份识别的根底上停止承袭和开展。所以我们以为，汽车身份识别央求较高的集成度，最好能由可以嵌入到其他系统中的、集成度高的模块来完成，如单片机、CPLD。而现阶段的汽车身份识别大部分却是依托计算机来完成的。另外，由于汽车身份识别的“基类”定位，运用时对“能否独一的锁定汽车”以及“能否很快地判定是哪辆车”就有了肯定的央求。而现阶段的汽车身份识别却仅依托纯粹的识别车牌来完成。市场上具有的也多是车牌或是车标的独自识别系统，将二者别离的系统则十分稀有。而这些繁多的系统清楚很难抵达真正的识别锁定汽车身份的手段。别离智能化交通管理系统的央求，现今汽车身份识别的现状以及二者的开展趋向，我们小组选择了嵌入式汽车身份自动识别系统作为我们本次创新实验计划的选题。我们计划以嵌入式完成汽车身份识别后，将处置完的数字音讯传递到智能化交通管理系统的其他模块中。用嵌入式替代电脑处置汽车身份识别将大大提高智能化交通管理系统的集成度，降低利息。区别于繁多的识别系统，我们想象完成的汽车身份识别系统将车牌识别与车标识别相别离，并辅以汽车颜色识别。同时识别，同时输入，从而从多方面区分并锁定汽车，力图抵达万无一失。从而极大地便当了该系统在各个范畴的运用。公安交管范畴，该嵌入式汽车身份自动识别系统可被运用在交管系统中。将本产品嵌入到用来测速、测超载的其他交通装备中，就可以完成一系列的管理任务；与终端电脑处置系统相连，传输的是曾经经过处置的数字音讯而非图片音讯，大小俭省了终端电脑的处置时间和内存空间，提高反应速度与处置效率，有效处置交管范畴人手缺乏的现状。在园区车辆管理方面，本嵌入式汽车身份自动识别系统将留有端口，使其可以与园区的业主入住时所注销的汽车音讯库相连。在园区大门处，装置我们的车牌自动识别系统，以对进出车辆自动识别，然后将数据传到数据库并依据数据库中的车牌数据区分能否是园区内的车辆，然后分状况处置。这将大大增加园区汽车的平安系数，而运用该系统的利息远低于运用电脑处置的系统的利息。关于停车场管理，我们的嵌入式车牌自动识别系统可以完成智能化管理进程。将系统装置在停车场的出、入口处，用来对进出停车场的车辆停止自动识别，而处置后的数据将传入终端电脑，由终端电脑别离传入的音讯与数据库区分能否属已买（或租）车位的车辆做出相应处置。综上，我们有理由置信我们计划完成的嵌入式车牌自动识别系统可以在未来的交通智能化管理系统中发扬举足轻重的作用，是值得去研讨和探求的。 附录二：任务原理及计划想象本汽车身份识别系统包括车牌识别、车色以及车标的识别，本系统将运用嵌入式系统完成此三部分的识别。由于我们刚接触这部分形式，所以想法不是很幼稚。下面将分车牌识别与车色、车标识别以及嵌入式三个部分引见我们的任务原理和计划。 第一部分：车牌识别 1、总体构造 车牌自动识别系统主要分为三大模块:（1）触发：即前端装备的数据入口处，如测速系统等。(2)图像处置部分：分为图像采集、车牌定位、字符联系和字符识别四部分。(3)无线传输系统将所处置得的数据传送至后端运用系统，如交通违规管理系统，只能停车场系统，安检系统等。 2、算法部分 ①前端CCD摄像机： 原始图像获取由CCD摄像机及辅佐照明装置组成。获取图像质量的好坏直接影响到后端处置和识别的效果。 要取得比拟清楚的图像, 需求思索许多影响图像质量的要素, 主要包括: 摄像头和图像卡的选取, 摄像机的位置标定, 汽车的车速, 出入单位的汽车车队之间的距离, 天气、光线等状况对摄像机所摄图像曝光量的影响。 区分能否有车辆进入观测区采用图像差值法来区分监测区能否有目的进入，即首先将视频图像灰度化，然后比拟两幅图像对应像素点的灰度值，看能否有变化以及变化有几。图像差分只能测定监测区中能否有物体经过，但它能否交通车辆，尚未可知。鉴于图像差分所发生的噪声、行人、自行车比汽车所占区域小得多，想象尺度滤波器将尺度较小的物体及噪声滤掉。 ②车牌定位及预处置左图为车牌定位的主要算法。完成根本的车牌定位后，还需求对车牌停止一些根本的预处置。包括倾斜矫正与铆钉和边框的去除。 I、车牌字符的倾斜矫正车牌字符联系的难点在有些车牌是倾的，直接联系效果不好，需求做校正。首先求出车牌的倾斜率，依据此斜率对车牌做旋转校正。 II、车牌边框和铆钉的去除先验知识：关于规范车牌，字符间间距为12mm，第2、3个字符间间距为34mm，其中，中间小圆点l0mm宽，小圆点与第2、3个字符间间距辨别为12mm。在车牌边框线的内侧，一般有四个铆钉，他们不同水平地与第2个字符或第6个字符粘连，假设不去除铆钉，将给第2和第6在字符的识别形成艰难。将车牌图像停止二值化后，图像仅黑、白二值。红色像素点(灰度值255)取1，黑色像素点(灰度值0)取0，这里采用的是白底黑字形式。对车牌图像逐行停止从外向外式扫描，当扫描到车牌图像某一行中，红色像素点的宽度大于某一阀值时(第一个契合条件的行)，则以为是车牌字符的边沿处，切除这一行以上或以下的一切行。 ③车牌字符联系右图为车牌字符联系的主要算法。在此，由于我们的知识有限就不对这些算法做详细引见了。 ④字符识别方法字符识别是车牌识别的中心部分。罕见的车牌字符识别算法包括六种。我们将他们罗列在右图中。其中，我们比拟感兴味的是基于神经网络的字符识别算法。下面，我们详细引见两种比拟繁杂且普遍的算法以及基于神经网络的字符识别算法。 I、模板婚配车牌字符识别 中国车牌的字符模板分为汉字、英文字母和数字模板，由统计方法构造并保管到数据库中。模板婚配是将字符模板和规范化了的车牌字符停止婚配来识别字符。 II、特征婚配车牌字符识别 车牌识别的方法中，可应用的字符特征很多，大致可以分为构造特征、象素散布特征及其他特征。在这里，我们拟重点突破神经网络法，由于野生神经网络技术具有非线性描画、大范围并行散布处置才干、高度鲁棒性和自进修与联想等特性，适用于非线性时变大系统的模拟与在线掌握。详细方法如下图所示： 此外，我们还会尝试将各种算法别离起来，以扬长避短，如：将遗传算法与野生神经网络别离起来，既能应用遗传算法能并行计算且能快速、全局搜寻的优点又能克制神经网络固有的搜寻速度慢且易堕入部分旱热的缺陷等。 由于我们还在大学二年级进修专业根底课程，对图像处置的最新算法还不够了解，我们会在实践操作进程中，选择一种最优的计划并且别离我们的系统特征提出改良见地。 第二部分：车色以及车标识别 ①、车身颜色识别颜色特征具有对图像自身的尺寸、方向、视角等依赖小、鲁棒性高等优点，因此在基于形式的图像索引技术和智能交通系统以及众多的I业(如造纸、纺织、印刷等)系统中有着极端主要的运用。临时以来，由于各种缘由，人们提出了数量众多的黑色空间模型，主要可分为三类:第一类是基于人类视觉系统(HumanV isionS ystem,H VS)的黑色空间，它包括RGB,H SI,M unsell黑色空间等；第二类是基于特定运用的黑色空间，它包括电视系统中所采用的YUV和YIQ、摄影行业如柯达的YCC、打印系统的CMY (K)黑色空间；第三类是CIE黑色空间(包括CIE XYZ, CIE Lab和CIE Luv等)。这些黑色空间各有优缺陷，它们在各自的范畴里发扬了主要的作用。我们拟采用RGB黑色空间完成我们的系统。RGB黑色空间在计算机相关范畴里运用普遍，例如用于罕见的CRT显现器等。在RGB黑色空间中，各黑色值用R、G、B三通道值的组合来独自表示，而其相应的通道值是经过图形采集卡或许CCD传感器等相似器件中的光感受器来取得的。其中，各通道值用入射光及其相应光感受器的光敏函数值之和来表示: R= G= B= 其中，S (A)是光谱，R(A)、G(A)和B(A)辨别是R,G,B传感器的灵敏度函数。从上式可以看出，该黑色空间是装备相关的，它与详细捕捉装备的光敏函数相关。但是，由于RGB值易于取得和在计算机中计算和表示，因此一般可以用来表示其他各黑色空间，即把RGB值转换为其他黑色空间值。RGB黑色空间的规范色差定义为： ）由于不同的黑色对人客观感受的影响不同，为了更好的表示色差，在本颜色识别子系统中运用阅历色差公式： 关于我们拟想象的车身颜色识别系统主要分以下四大方法完成车身颜色识别 1．识别区域的选取为了准确识别出车身颜色，识别区域的选取至关主要。本实验选取车脸前部接近排气扇的部分 2．颜色直方图计算对所选区域，计算出现次数最多的颜色。在实践运用中，由于其他黑色空间模型的重量值均可用RGB值来表示，为了计算烦琐，在计算颜色直方图时可仅针对RGB黑色空间模型停止。 3．色差计算依据相应黑色空间模型的色差计算公式，计算其与 颜色模板间的色差。 4、颜色识别在失掉样本性与规范色在各个黑色空间模型中的对应色差后，就可以依据其结果停止颜色识别。即选取前一步计算失掉的色差中的最小值，作为识别结果。 ②、车标识别部分不用质疑，车牌和车标的自动、实时识别是活动车辆类型准确识别系统中至关主要的两个部分。目先人们曾经提出了众多的车牌定位算法，主要可以分为两大类:基于黑色图像的车牌定位算法和基于黑色图像的车牌定位算法。基于黑色图像的车牌定位算法又可以分为多类，如基于特征的车牌定位算法基于自顺应能量滤波的车牌定位算法，基于小波变换和形状学处置相别离的车牌定位算法，基于二值投影的车牌定位算法，以及基于遗传算法的车牌定位算法等。这些车牌定位算法各有优缺陷，但他们都可以在肯定水平上作为车标定位的参考。车标定位与识别不论在国际还是国外都是一个较为崭新的范畴。由于车标自身固有的特地性：目的小、相似性大、受尺寸和光照影响大、背景不一致，以及不同汽车公司的车标外形大小不一致等，使得其精肯定位识别成为一个难点。我们将车标识别分为以下几个主要方法: (l)车牌定位:依据车牌的纹理特征，基于多区分率剖析快速获取车牌区域 ； (2)车头定位:依据车头区域能量较高且较为集合的特性，经过OTSU二值化算法 进 行 图像二值化，然后应用二值投影，并别离车牌位置音讯停止车头快速定位 ； (3)中轴定位:在车头区域内，依据轴对称性定位车头中轴； (4)车标粗定位:在定位出车头的根底上，依据车标与车牌的先验知识，失掉车标阅历搜矩形； (5)车标精肯定位:在第(4)步的根底上，应用车标纹理特征停止车标的精肯定位。主要包括两步:一是依据车标区域在垂直方向上具有能量高且相对集合的特性，应用能量增强和自顺应形状学滤波停止车标的一次定位；二是应用改良的模板婚配算法停止车标的精肯定位。车标识别系统是活动车辆识别系统中的主要组成部分，与车牌识别一样，它也包括了定位和识别两项关键技术。 上图为车标识别系统构造示希图，与典型的目的识别系统一样，它包括了离线的锻炼进程和在线的识别进程。在锻炼进程中，首先将手工采集失掉的车标样本停止图像归一化、尺度归一化等预处置，然后辨别停止模板提取以失掉车标规范模板库。车标规范模板库中的模板不只用于车标定位，还用于停止特征提取以失掉车标特征模型库用于车标识别。在定位进程中，除了输入汽车图像外，还需输入车牌的位置音讯。这是由于各类车标不具有动摇的纹理特征，且大小、外形各不相同，所以在繁杂的背景下直接应用特征婚配或模板婚配停止车标定位是十分艰难的。因此必需应用车牌位置、车辆对称性等先验音讯停止粗定位，在此根底上再应用相关图像处置技术和模板婚配停止精肯定位。车标定位以后，车标识别效果就转化为一个2D外形的识别效果，这可以经过模板婚配的方法完成。但是在实践采集的图像中，经常具有光照、噪声、部分遮挡和外形相似等效果的影响，惯例的模板婚配方法难以抵达满意的识别效果。因此一般还需求一种适宜的特征提取和识别方法来辅佐停止车标识别，以提高系统的识别率。 第三部分：嵌入式依照历史性、实质性、普遍性央求，嵌入式系统应定义为：“嵌入到对象体系中的公用计算机系统”。“嵌入性”、“公用性”与“计算机系统”是嵌入式系统的三个根本要素。对象系统则是指嵌入式系统所嵌入的宿主系统。 嵌入式系统的中心是嵌入式微处置器，它有4个优点： (1) 对实时和多义务有很强的支持才干，能完成多义务并且有较短的中缀照应时间，从而使外部的代码和实时操作系统的实施时间增加到最低限制； (2) 具有功用很强的存储区维护功用。 (3) 可扩展的处置器构造，可以快速地扩展出满意运用的高功用的嵌入式微处置器； (4) 嵌入式微处置器的功耗很低，特地是用于便携式的无线及移动的计算和通讯装备中靠电池供电的嵌入式系统更是如此，功耗只能为 mW甚至μ W级，这关于动力越来越稀缺高尚的时期，无疑是十分诱人的。另外，嵌入式实时操作系统提高了系统的可靠性。这些都值得我们去做一个嵌入式车牌识别系统。 思索到一般车牌以及车标识别算法的运算量大，同时又要满意实时性央求。因此，我们准备采用32位ARM嵌入式微处置器作为中心单元，以CPLD作为时序掌握单元，采用基于ARM 9 S3C 241 C的嵌入式图像采集处置系统，在内嵌Linux操作系统的草础上，充沛应用了ARM器件体积小、才干强以及功耗低的特性，完成并行数据总线。USB日接口图像接入、图像快速处置、图像音讯的外地紧缩存储和IP化数数据传输。该系统可使整个系统简化电路并且增加占用资源。系统想象形成 整个系统由USB图像采集子系统，ARM处置子系统和网络数据传输子系统成摄像头采集现场视频数据经过U SB传输至ARM处置板;ARM处置板内嵌Linux操作系统，采用快速图像算法对图像序列停止处置，并依据处置结果采取相应的措施;网络传输子系统可以处置数据上传监控中心做进一步后续处置，系统构造下图所示。 ARM图像处置子系统拟采用S3C 2410处置器，能满意图像处置速度的央求；USB图像接入，可以保证图像传输速度;扩展64M SD RAM与64M Flash,大容量的RAM可以保管多幅图像，便于图像的剖析与处置;无线网络接口完成了数据音讯的网络化管理。 当然，以上只是我们的初步想象这些想象都将在我们以后的少量实验进程中失掉论证和优化！ 附录三：计划进度与布置计划进度布置： 1。用约15天时间买一些实验所需的根本用品。 2。应用课余时间进修所需知识。 3。用约七个月时间完成编程，处置软件方面效果。 4。用约一年完成硬件方面，并制造样机。 5。初步检查，破费约一个月。 6。以六个月时间调试样机，觉察缺陷并矫正。重复实验，直至抵达一个令人满意的水平。综上，我们是计划用两年左右的时间拿下这个项目。当然，以上只是大致计划，以后会随实验的实践进度停止妥当调整。 答复时间：2011-10-24 7:56:47
用opencv定位和识别数字如何识别呢，急求~~~~~~~~~
我觉得是涉及到模式识别相关领域的问题，就像是照相时的人脸识别差不多。这样的一个用场景往往对训练数据非常依赖。可以使用opencv里面的级联分类器来训练自己的“模式”（说不好叫什么，可以搜一下CvHaarClassifierCascade）能够得到一个xml文件，以后就可以用这个xml文件中的数据，就可以从图像上直接标志出交通灯的位置了，位置标志出来了，简单的遍历像素就能知道颜色了。秒数的话和车牌识别是一样的东西。
QQ客服
新浪微博