分割技術

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇分割技術范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

分割技術范文第1篇

關鍵詞：圖像缺陷分割；檢測方法；目標識別

1 引言

眾所周知，第三次工業革命以來計算機技術不斷進步，人們也逐漸意識到利用計算機來獲得和處理圖像信息的重要性。正由于圖像具有簡單明了、直觀易懂、囊括豐富的信息等優點，所以其在多媒體技術中占據舉足輕重的地位。在圖像分割的步驟中，首先是將圖像空間劃分成n個互不重疊的區域，這些區域內部本身具有某些共有屬性，然后通過技術手段將劃分后的目標區域提取出來[1]。而圖像缺陷分割則是將目標區域定義為檢測中的缺陷。圖像缺陷的準確分割為之后的圖像缺陷識別與圖像分析打好堅實的基礎。近年來圖像缺陷分割在實際中的應用也越來越廣泛，特別是隨著計算機技術、自動化水平和圖形圖像學日新月異的發展，使得圖像缺陷分割技術成為了包括醫學，鋼鐵，木材等其它很多領域能否順利發展的一個重要基礎。

2 研究現狀

2.1 傳統圖像缺陷分割技術

2.1.1 閾值分割法

在眾多算法中最簡單易行的分割處理方法是閾值分割法[2]。該算法主要原理是利用圖像的灰度直方圖顯示出灰度臨界點，從而設定閾值將缺陷從背景中分離，基于此方法可將圖像分成若干個有意義的類。此類算法的關鍵之處就在于怎樣才能根據圖像的灰度直方圖來尋找出適當的灰度閾值，閾值分割的成功與否的關鍵就是能否選擇正確的閾值，該算法可以在整個圖像上僅使用一個閾值，稱為全局閾值分割，也可以使用不斷變化的閾值，稱為局部閾值分割或自適應閾值[3]。閾值分割算法的優勢在于計算代價小分割速度快，尤其在圖像中灰度對比度存在比較大的差異的情況下，能夠得到較為理想的分割效果。此算法的缺點在于存在一定的局限性，閾值分割往往忽略了圖像的空間特性，也并沒有將圖像的紋理等有用信息考慮在內，而這些要素在圖像缺陷識別與分割中是很重要的，卻是單單只將像素本身的取值考慮在內，這樣做不僅會對噪聲的敏感程度加大，而且在有些情況下會使分割效果得不到理想呈現。所以當前存在許多基于閾值分割的改進算法，使得在使用此方法時分割效果能夠得到改善。如最大熵法、基于圖像統計閾值法、二維熵閾值法、改進的Otsu法、將多閾值和混沌粒子群法相結合等。

2.1.2 邊緣分割法

由于邊緣信息囊括了圖像的豐富信息包括方向、階躍性質、形狀等，利用邊緣可以描繪出目標物體，并且符合人類觀察物體的特性，所以在圖像識別中，邊緣這一圖像的基本特征占有重要地位。邊緣分割算法代表了利用圖像邊緣信息來進行分割處理的一系列算法，圖像邊緣從本質上是指示出了圖像在灰度值、彩色信息、紋理結構等方面出現信息突變的集合，邊緣為圖像中一個區域與另一個區域的分界。利用圖像的邊緣信息進行圖像分割的方法有很多，其中有如梯度算子、拉普拉斯算子和模板操作算子等的邊緣檢測算子法，邊緣松弛法，基于圖搜索和基于動態規劃的邊界跟蹤法，hough變換法等。邊緣檢測算子能夠取得較好邊緣檢測效果的前提是邊緣區域的灰度值大小差異比較大，并且噪聲較小等較簡單的圖像，但是由于受到噪聲或其他信息的干擾，很有可能造成對缺陷實際邊緣的漏檢或誤檢的情況。

2.1.3 區域分割法

區域分割法將在閾值分割算法中幾乎沒有把各像素點之間的空間關系列入檢測缺陷特征的這一缺點進行了彌補，區域分割算法是基于圖像的空間性質進行分割，并且認為分割后屬于同一區域的像素具有一致的屬性即相似性。在區域分割算法中被廣泛使用的是區域的生長以及分裂合并兩種算法。在區域生長法中一致性被認為是區域確定的必不可少的重要性質。這里的一致性可以是灰度、顏色、形狀或紋理等方面的相似。區域生長法僅適用于具有較高對比度的不太復雜的圖像進行分割，不適用于對復雜圖像的分割，區域生長法具有以下的缺點，種子點的選取需要人為的進行設定，而且對噪聲很敏感，并且會得到產生孔狀或者是根本不連續的區域，甚至對區域的選擇造成誤判等。區域分裂與合并算法并不需要對種子點事先進行確定，也不需要將輸入圖像先分裂成為若干個很小的子區域，然后再對相似度大于某個值的某些子區域進行歸并。分裂合并算法也有自己的不足，包括在分裂深度不夠的前提下，會導致不理想的分割結果，但如果分裂深度過深又會增加合并時的難度，進而導致分割時間的增加。

2.4 基于數學形態學的圖像缺陷分割技術

數學形態學（Mathematical Morphology）是一門分析研究空間結構的形狀、框架的學科。在形態學的圖像處理中，它的基本思想是采用一個被叫做結構元素的“探針”來獲取圖像的信息。利用此方法達到對圖像的結構特征進行了解，具體方法是通過探針在圖像中不斷移動。數學形態學是基于探針的思想，基于結構元素可直接攜帶知識（形狀、尺度、灰度和色度信息）對圖像的結構特點進行探測。由于任意不同點的集合會產生具有不同性質的探針結構元素，不同的結構元素可以對缺陷圖像的不同特征進行檢測，因此結構元素也是觀察缺陷圖像的一種手段和角度。在利用數學形態學的圖像處理中，腐蝕與膨脹是兩種基本的運算，它們之間的不同組合形成了開和閉運算。圖像經歷邊緣強度算子作用后，在階躍邊緣處形成凸脊，在屋頂邊緣處形成凹谷，再與原圖像作差分得到缺陷邊緣。在利用形態學邊緣檢測的過程中，對結構元素的合理選擇是及其重要的，如果選則恰當，在濾除噪聲的同時也能很好的保存缺陷圖像的細節。但是若結構元素選擇的過大或者過小都會影響缺陷邊緣檢測的效果，可以采用多結構元素來盡量減小這一缺點帶來的影響。

2.5 彩色圖像缺陷分割

此前介紹的分割提取方法大多數先將彩色圖像轉化為二值圖像或者灰度圖像，又或者直接利用二值圖像或灰度圖像對目標進行分割提取。隨著攝像工具和計算機信息處理技術的發展，圖像包含了越來越多的信息，計算機處理信息的速度也在成倍的增加，自然色彩豐富的圖像處理也成為了日常處理的對象。

由于在實際情況下，對感興趣的目標進行圖像分割時，在灰度或者二值圖像中可能混入到背景中，造成信息丟失，進而無法準確的對目標圖像進行分割提取在此基礎上，產生了許多基于顏色的分割提取方法，如基于RGB顏色分量的圖像分割提取技術、基于HSI顏色模型的圖像分割提取技術、基于Lab顏色空間的圖像分割提取技術等。基于顏色的分割提取核心就是利用目標與周圍環境的顏色分量差異，然后將這些差異放入類似基于RGB或者HSI等顏色識別的空間中運用融合算法將兩者區分出來，并對差異化的目標進行分割提取從而達到目的。

3 研究展望

在實際應用中，大多采用該方法進行缺陷檢測，例如對鋼板的瑕疵、木材缺陷的檢測，以便于對材料進行最大程度的利用。檢測的發展方向與其他產業一樣，開始向高度自動化、智能化的方向發展，集材料的運輸、加工、檢測、處理、產品生產、產品檢測為一體化的過程，在材料缺陷檢測的技術方法中同樣可以應用于整個生產加工過程，從而更貼合產業的需要。

參考文獻

[1]祭勝倉.基于數學形態學的邊緣檢測及其在醫學圖像處理中的應用[D].青島：青島大學，2007.

分割技術范文第2篇

關鍵詞：視頻檢索；鏡頭分割；鏡頭漸變；鏡頭突變

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-2374（2013）13-0085-02

隨著經濟社會的快速發展和科學技術的飛速進步，視頻等多媒體格式的信息量越來越大，來源也更為廣泛。視覺成為人類接受外界信息的重要來源，其中，圖像視頻信息是視覺信息的主要表達方式，它所包含的信息量也是海量的，遠遠超過了文本、圖片等數據格式。圖像視頻在具體、生動、確切、高效等方面有許多優點，由于這些特點就使得人類最重要的通信方式主要為基于視頻信息的通信方式和以視頻格式傳輸或攜帶的信息通信方式。這種視頻信息方式更形象、更生動、更直觀，更能夠貼近或者還原于實際。計算機傳統上存儲數據的方式是基于文本的。視頻數據信息已成為我們日常生活中不可或缺的重要內容，但由于它攜帶的信息量較大，也成為阻礙其發展的瓶頸，如何提高視頻資源的檢準率、檢全率，其現實意義將非常重大，視頻檢索的第一步就是鏡頭。

1 鏡頭分割在基于內容的視頻檢索中作用

幀是指在數據和數字通信中，按某一標準預先確定的若干比特或字段組成的特定的信息結構。鏡頭是構成視覺語言的基本單位。它是敘事和表意的基礎。在影視作品的前期拍攝中，鏡頭是指攝像機從啟動到靜止這期間不間斷攝取的一段畫面的總和；在后期編輯時，鏡頭是兩個剪輯點間的一組畫面；在完成片中，一個鏡頭是指從前一個光學轉換到后一個光學轉換之間的完整片段。場景是指電影、戲劇作品中的各種場面，由人物活動和背景等構成。連續的圖像變化每秒超過24幀（frame）畫面以上時，根據視覺暫留原理，人眼無法辨別單幅的靜態畫面；看上去是平滑連續的視覺效果，這種連續的畫面叫做視頻。

視頻序列由數個視頻場景組成，通常指單獨的某個視頻文件或者視頻片段。場景通常由一個或者多個鏡頭構成。鏡頭由多個連續的圖像幀構成。圖像幀指單幅靜態的圖像，是構成視頻文件的最小單位。

在播放視頻時，定格時的每一個畫面就是一個圖像幀。攝像機拍攝物體時產生的一段連續圖像就是鏡頭，由多個幀組成。拍攝對象運動、光源亮度變化或攝像頭運動等都能引起鏡頭內部圖像發生變化。場景是連接視頻底層數字特征與高層語義的橋梁，它由語義相關的若干個鏡頭所組成。這些鏡頭不一定是連續的，但是必然在語義上有某種相關性，例如：不同鏡頭中人物所處的相同場所、不同事件發生時所在的相同地點等。場景一般可以代表特定的子事件，而眾多的子事件組成了一個視頻序列所代表的整體事件。

鏡頭分割（Shot Segment），即把視頻文件分割成若干個鏡頭。由于鏡頭與鏡頭之間一般有很清楚的邊界，成為邊界幀。則鏡頭分割的主要任務就是把這些邊界幀從構成視頻文件的所有幀中找出來，也就是使用計算機來順序的檢測視頻文件的每一幀，判斷其是否是鏡頭邊界幀，這項工作亦稱為鏡頭邊界檢測（Shot Boundary Detection）。

分割后的每段視頻片段都是一個獨立的鏡頭，其中包含了能代表每個對應鏡頭的關鍵幀，這樣就能通過提取關鍵幀來建立索引。因此，首先需要把視頻序列分割成單個的視頻鏡頭，然后再進行提取關鍵幀、提取視頻片段整序、提取視頻序列識別等。這有助于對視覺媒體從低層到高層進行處理、分析和理解的過程獲取其內容并根據內容進行檢索。

2 基于內容的視頻檢索中鏡頭分割方法

鏡頭間轉換一般包括漸變（gradualtransition）和突變（cut transition）兩種方式。所以相對應鏡頭間的轉換，鏡頭檢測研究方法也大致可分為鏡頭漸變和鏡頭突變檢測研究兩種研究方法。

直接將兩個鏡頭連接就是鏡頭突變，它們中間不添加任何特效且不使用視頻編輯技術。與之相反，鏡頭漸變則通過在兩個鏡頭中間添加視頻特效聯接兩個鏡頭。按照所添加的鏡頭間編輯特效的不同，鏡頭漸變技術包含溶解（dissolve）、疊化（Dissolve）、映射（Map）、擦除（Wipe）、劃變（wipe）、劃像（Iris）、淡入淡出（fade）等多種形式。

當前，主流的鏡頭邊界檢測算法可分為兩類：基于壓縮域的方法與基于象素域的方法。基于像素域的鏡頭切分主要是依據所拍攝對象的形狀、紋理、顏色等特征從而實現鏡頭邊界檢測的原理。

總之，要實現視頻鏡頭的分割，常用的方法就是計算視頻中各連續幀之間底層視覺特征的幀差值F，再將F與預先設定或者自適應的域值T作比較，若F>T，則鏡頭邊界不存在，若F

近些年來，使用智能計算與機器學習的方法檢測鏡頭邊界的算法已經逐漸興起。由于在鏡頭漸變過程中，在內容上相鄰幀的圖像沒有明顯的突變，明顯的切換點是難以檢測到的。因此，漸變鏡頭的檢測比切變鏡頭的檢測更復雜，還有較多的問題亟待解決。利用單一的特征檢測并不能很好解決兩個鏡頭間變化多樣的情況。2007年的TRECVID會議報告[48]指出漸變檢測算法的查準率和查全率需要深一步提高，兩者值均只介于70%～80%之間。提高漸變檢測算法的查準率和查全率對于實現基于內容的視頻檢索系統有很大的應用價值和理論價值。

3 基于OpenCV的視頻幀特征提取系統結構

由于視頻流的數據量大，又是一種非結構性的數據，需要對它進行一些預處理。鏡頭是視頻流在編輯制作和檢索中的基本結構單元，最為有效的預處理方法之一就是分鏡頭，它首先把這一段視頻流，根據其組成的鏡頭，找出鏡頭的突變和漸變的切變點，進而標出每個鏡頭的起始幀號和結束幀號，然后從中挑出這一個鏡頭內的代表幀。后續的瀏覽與檢索以及更高一級的視頻結構化受鏡頭分割效果的直接影響。所以視頻檢索的第一步就是鏡頭，視頻結構化的基礎就是鏡頭的自動分割，視頻分析和檢索過程中的首要任務就是有效的視頻鏡頭分割技術，也是人們研究的熱點。

參考文獻

[1] 孔祥鵬，馬立和.基于H.264壓縮域的運動對象快速分割方法[J].智能計算機與應用，2012，（8）：2-4.

[2] 韓冰.基于智能軟計算的視頻鏡頭分割算法的研究

[J].西安電子科技大學學報，2006，（2）：36-41.

[3] 梁薇.基于DSP的運動目標檢測系統[J].計算機與網絡，2012，（4）：12-16.

[4] 許高程，張文君，王衛紅.支持向量機技術在遙感影像滑坡體提取中的應用[J].安徽農業科學，2009，（6）：3-5.

[5] 李東瀛，尉凱征，張.基于內容的視頻檢索技術

分割技術范文第3篇

在進入Full HD的高清影像階段(影像分辨率達到1920×1080)，HDMI更是HDTV不可或缺的一項接口。以720p的HDTV內容傳輸來說，需要1.485 Gb／s的傳輸率才能支持未經壓縮的影音內容，通過HDMI，就能以每秒165 Mpixels的速度傳輸高達24位的影音內容，所提供的頻寬可以高達4Gb／s，不僅滿足1080pFull-HD，還能支持以192kHz取樣頻率傳輸高達8軌的24位音訊。HDMI 1.3版，其傳輸率從原先的4.96 Gb／s倍增到10.2Gb／s，將色深支持從24－bit提升到30bit、36bit以及48bit(RGB或YCbCr)，具有輸出一億色以上的能力。剛通過HDMI 1.4a標準，建筑在HDMI 1.4的基礎上，專門為3D立體影像傳輸進行升級和改進。

在HDTV及HDMI的標準浪潮不斷推波助欄下，許多過去視為單純的分割畫面技術，在Full HD的高清畫質條件之下，便成了在硬件上開發的挑戰。為了讓分割后的畫質達到Full HD的水平，視訊處理核心的設計方法便成了關注焦點。尤其本文介紹以DE3 FPGA平臺實現HDMI Full－HD 1080p分割畫面處理核心之設計方法。

圖1即為基本HDMI Full－HD 1080p分割畫面處理器之設計方塊與架構圖。本系統接收一路HDMI Full-HD的影像輸入，經過FPGA處理后，根據LCD屏幕之組合，進行水平及垂直縮放處理，輸出至兩個(或四個)1920×1080分辨率的LCD。圖2為實際以DE3 FPGA硬件平臺加上符合HDMI 1.3規范之輸出入子卡所搭建之硬件配置圖。

此系統由三部份組成：(1)HDMI輸出入協議設定控制核心；(2)HDMI控制信號產生器；(3)HDMI影像數據流處理核心。

第一部分HDMI輸出入協議設定控制核心，是圖1中SOPC Builder所建立的部份，這個部份是由NIOS處理器(NIOS Processor)和I2C控制器(I2C Controller)組成，負責正確設定和控制HDMI輸出入。

第二部分HDMI控制信號產生器，是由圖1中系統穩定偵測器(System Stable Detector)，源分辨率計數器(SourceSizeDetector)和DDR2多端口控制器(DDR2 Multi-Port Controller)所組成。系統穩定偵測器負責自動偵測不同解晰度影像源的切換，使整個系統有相對應重新設置。源分辨率計數器負責根據前端影像源和后端顯示的分辨率，設定適當的縮放參數，邊框大小和顯示位置。

DDR2多端口控制器負責垂直分割的內存器存取控制，DDR2內存器要規劃成Ping-Pong Buffer的結構(圖3所示為垂直方向一分為二的例子)，利用兩個相同的幀儲存器，一幀用來寫，另一幀用來讀，可避免畫面閃爍(nick)和不連續(tearing)的副作用。若垂直方向是一分為二，DDR2多端口控制器，必須規劃成一寫二讀，在寫入的時候也要規劃兩個起始位置，一個寫入上半影像，另一個寫入下半影像，簡化讀取端DDR2控制電路的架構。在此設計上各讀取的時間點若有均勻的分配，以圖3為例，分配一行只有一個讀取，即當寫入第一行時，在讀取端只有上面影像第一行的信息會被讀出，而當寫入第二行時，在讀取端也只有下面影像第一行的信息會被讀出。

依此類推，讓DDR2的頻寬得到最佳的分配，即使是148.5 MHz的Full-HD輸入影像源，DDR2的操作頻率也可以在200 MHz以下輕易達成，這樣使得在垂直方向并沒有分割數目的限制。

第三部分HDMI影像數據流處理核心是由縮放器(Scaler)和二維峰化器(2D－Peaking)所組成。縮放器負責將輸影源依照預定輸出分割畫面的大小，做線性或非線性的放大。做插點動作時，參考點數越多，所得到的畫質越佳，建議至少需使用Bi-Cubic的插點技術。這邊若能再考慮Edge-Adaptive，在高頻部份的畫面越能清晰呈現。二維峰化器負責增強影像的銳利度，改善經過縮放后，變模糊的邊界。在此須注意的是若前端縮放器沒有處理好，經過二維峰化器之后，會放大縮放器所產生的副作用如光環(Halos)和鋸齒狀(Jaggies)的現象。

實驗平臺的搭建如圖2所示，DE3 FPGA為主平臺，負責實現除HDMI收發器外的所有功能，實際輸入源由Sony PS3具HDMI輸出的游戲機擔任，產生1920×1080 Full HD1080p之影像訊號，經FPGA將原始之影像訊號分割，分別輸出至兩部HDMI屏幕，DE3平臺上使用之FPGA為AlteraStratix Ⅲ 340器件，具34萬邏輯單元(Logic Element)，實驗結果顯示本系統可在主頻148.5MHz，內存DDR Ⅱ以200MHz執行速度下完成所有任務。

分割技術范文第4篇

[論文關鍵詞]數據庫浮點運算虛擬化資源共享

[論文摘要]論述網格計算的發展概況，在科學領域的應用范圍，網格服務的特點以及在未來網絡下場中的發展潛力。

一、網格計算的由來與發展

網格計算是伴隨著互聯網技術而迅速發展起來的，是將地理上分布的計算資源（包括數據庫、貴重儀器等各種資源）充分運用起來，協同解決復雜的大規模問題，特別是解決僅靠本地資源無法解決的復雜問題，是專門針對復雜科學計算的新型計算模式。這種計算模式是利用互聯網把分散在不同地理位置的電腦組織成一個“虛擬的超級計算機”，其中每一臺參與計算的計算機就是一個“節點”，而整個計算機是由成千上萬個“節點”組成的“一張網格”，所以這種計算方式叫網格計算。這樣組織起來的“虛擬的超級計算機”有兩個優勢，一個是數據處理能力超強，另一個是能充分利用網上的閑置處理能力。簡單地講，網格是把整個網絡整合成一臺巨大的超級計算機，實現計算資源、存儲資源、數據資源、信息資源、知識資源、專家資源的全面共享。

近幾年，隨著計算機計算能力的迅速增長，互聯網絡的普及和高速網絡成本的大幅降低以及傳統計算方式和計算機的使用方式的改變，網格計算已經逐漸成為超級計算發展的一個重要趨勢。網格計算是一個嶄新而重要的研究領域，它以大粒度資源共享、高性能計算和創新性應用為主要特征，必將成為21世紀經濟發展的重要推動力。

二十世紀九十年代以來，世界各個國家，尤其是發達國家，建立了很多超級計算應用中心和工程研究中心，美國還制定了新一輪規劃的先進計算框架（ACIP），發展面向21世紀的先進計算技術。我國在科技部的領導和主持下，經過專家組及相關單位的努力，作為我國高性能計算和信息服務戰略性基礎設施的國家高性能計算環境發展很快。在已經建成的5個國家級高性能計算中心的基礎上，又于中南、西北等地建立了新的國家高性能計算中心，科技部加強了網絡節點的建設，形成了以科學院為主體的計算網格。教育部也啟動了網格計算工程，第一批12個網點正在建設之中，國家基金委也列出專項基金資助網格計算。

網格是借鑒電力網的概念出來的，網格的最終目的是希望用戶在使用網格的計算能力時，就如同現在使用電力一樣方便簡單。

二、網格計算的應用

（一）分布式超級計算

網格計算可以把分布式的超級計算機集中起來，協同解決復雜大規模的問題。是大量的閑置計算機資源得到有效的組織，提高了資源的利用效率，節省了大量的重復投資，使用戶的需求能夠得到及時滿足。

（二）高吞吐率計算機

網絡技術能夠十分有效地提高計算的吞吐率，它利用CPU周期竊取技術，將大量閑置計算機的計算資源集中起來，提供給對時間不太敏感的問題，作為計算資源的重要來源。

（三）數據密集型計算

數據密集型計算的問題求解通常同時產生很大的通訊和計算需求，需要網格能力才可以解決。網格已經在藥物分子設計、計算力學、計算材料、電子學、生物學、核物理反映、航空航天等眾多領域得到廣泛應用。

（四）給予更廣泛信息共享的人與人交互

網格的出現更急突破了人與人之間地理界線的限制，使得科技工作者之間的交流更加的方便，從某種程度上說，可以實現人與人之間的智慧共享。

（五）更廣泛的資源貿易

隨著大型機性能的提高和微機的更加普及，其資源的閑置問題越來越突出，網絡技術可以有效地組織這些閑置資源，使得有大量的計算需求用戶能夠獲得這些資源，而資源提供者的應用也不會受到太大的干擾。

三、網格計算應用的優點

（一）網絡中所有的服務都基于這些接口的實現，就可以很容易的構造出具有層次結構的、更高級別的服務，這些服務可以跨越不同的抽象層次，以一種統一的方式來看待。（二）虛擬化也使得多個邏輯資源應射到相同的物理資源上成為可能，在對服務進行組合時不必考慮具體的實現，可以以低層資源組成為基礎，在虛擬組織中進行貨源管理。

四、網格的分類

網格是指把整個整合成一臺巨大的超級計算機，實現計算資源、存儲資源、數據資源、信息資源、知識資源、專家資源的全面共享，其規模可以大到某個州，小到企事業單位、局域網、甚至家庭和個人。

目前，在復雜科學計算領域中仍然以超級計算機作為主宰，但是由于其造價極高，通常只被用于航空航天、氣象等國家級部門。網格計算作為一種新型計算模式，其低廉的造價和超強的數據處理能力備受青睞。

分割技術范文第5篇

2、在右邊的單元格，也就是B98單元格，我們點擊工具欄上的求和工具。

3、接著出現了這個界面，我們按回車鍵就可以了。

4、這就是我們求出的總計銷售額。

5、接著在銷售額的右邊，也就是C1單元格輸入百分比。

6、在C2單元格，輸入公式=B2/$B$98，這個公式中運用了符號$，這是“固定不變的意思”，也就是說，一會我們要復制C2內的公式到別的單元格，別的單元格會根據復試的位置改變公式中的變量，加上符號$以后，變量就不變了。如剛剛輸入的公式，B2是一個變量，是會改變的，但是B98這個就不變了。B98是剛才得到的銷售總額。

7、拖動單元格的右下角就可以快速填充下面的單元格。