一种图像处理方法、装置、电子设备及存储介质与流程

1.本技术涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。


背景技术：

2.在图像处理技术领域中，紫边是指摄像头在采集图像的过程中由于被采集对象反差较大而在高光部位与低光部位交界处出现紫斑的现象，紫边会影响图像质量，因此，对图像进行紫边检测十分有必要。如何合理地进行紫边检测，提升检测准确率是亟待解决的问题。


技术实现要素：

3.本技术实施例提供一种图像处理方法、装置、电子设备及存储介质，用以解决相关技术中紫边检测的准确率比较低的问题。
4.第一方面，本技术实施例提供一种图像处理方法，包括：
5.采用不同的标记值对待处理图像中的亮度像素和非亮度像素进行标记，得到亮度标记图，所述亮度像素是指亮度大于设定值的像素；
6.采用不同的标记值对所述待处理图像中的边缘像素和非边缘像素进行标记，得到边缘标记图；
7.采用不同的标记值对所述待处理图像中的紫色像素和非紫色像素进行标记，得到颜色标记图；
8.基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定所述待处理图像是否存在紫边。
9.在一些实施例中，基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定所述待处理图像是否存在紫边，包括：
10.基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定出所述待处理图像中的紫边像素；
11.基于确定出的紫边像素，确定所述待处理图像是否存在紫边。
12.在一些实施例中，基于确定出的紫边像素，确定所述待处理图像是否存在紫边，包括：
13.基于确定出的紫边像素的分布特征，确定所述待处理图像是否存在紫边。
14.在一些实施例中，基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定出所述待处理图像中的紫边像素，包括：
15.响应于所述待处理图像中的任一像素满足预设判定条件，确定所述像素为紫边像素，所述预设判定条件包括：所述像素在所述亮度标记图中对应的标记值表示所述像素为亮度像素，在所述边缘标记图中对应的标记值表示所述像素为边缘像素，在所述颜色标记图中对应的标记值表示所述像素为紫色颜色；
16.响应于所述像素不满足所述预设判定条件，确定所述像素不为紫边像素。
17.在一些实施例中，在基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定出所述待处理图像中的紫边像素之后，还包括：
18.采用不同的标记值对所述待处理图像中的各个紫边像素和各个非紫边像素进行标记，得到紫边标记图；
19.基于确定出的紫边像素的分布特征，确定所述待处理图像是否存在紫边，包括：
20.基于所述确定出的紫边像素在所述紫边标记图中的分布特征，确定所述待处理图像是否存在紫边。
21.在一些实施例中，基于所述确定出的紫边像素在所述紫边标记图中的分布特征，确定所述待处理图像是否存在紫边，包括：
22.将所述紫边标记图划分为预设个图像块；
23.基于所述预设个图像块中至少一个图像块中紫边像素的数量，确定所述待处理图像是否存在紫边。
24.在一些实施例中，基于所述预设个图像块中至少一个图像块中紫边像素的数量，确定所述待处理图像是否存在紫边，包括：
25.响应于任一图像块中紫边像素的数量超过第一预设值，确定所述任一图像块为紫边块；
26.响应于紫边块的数量超过第二预设值，确定所述待处理图像存在紫边。
27.第二方面，本技术实施例提供一种图像处理装置，包括：
28.亮度标记模块，用于采用不同的标记值对待处理图像中的亮度像素和非亮度像素进行标记，得到亮度标记图，所述亮度像素是指亮度大于设定值的像素；
29.边缘标记模块，用于采用不同的标记值对所述待处理图像中的边缘像素和非边缘像素进行标记，得到边缘标记图；
30.颜色标记模块，用于采用不同的标记值对所述待处理图像中的紫色像素和非紫色像素进行标记，得到颜色标记图；
31.确定模块，用于基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定所述待处理图像是否存在紫边。
32.第三方面，本技术实施例提供一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中：
33.存储器存储有可被至少一个处理器执行的指令，该指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述图像处理方法。
34.第四方面，本技术实施例提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，所述电子设备能够执行上述图像处理方法。
35.本技术实施例中，采用不同的标记值对待处理图像中的亮度像素和非亮度像素进行标记，得到亮度标记图，采用不同的标记值对待处理图像中的边缘像素和非边缘像素进行标记，得到边缘标记图，采用不同的标记值对待处理图像中的紫色像素和非紫色像素进行标记，得到颜色标记图，基于亮度标记图、边缘标记图和颜色标记图，确定待处理图像是否存在紫边。这样，结合亮度、紫色和边缘这三个特征进行紫边检测，符合紫边是紫色边缘的特点且符合紫边位于高亮区域附近的特点，所以可很好地检测出待处理图像中的紫边，
提升紫边检测的准确率。
附图说明
36.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
37.图1为本技术实施例提供的一种图像处理方法的应用场景图；
38.图2为本技术实施例提供的一种图像处理方法的流程图；
39.图3为本技术实施例提供的一种确定待处理图像是否存在紫边的方法流程图；
40.图4为本技术实施例提供的又一种确定待处理图像是否存在紫边的方法流程图；
41.图5为本技术实施例提供的一种紫边检测的过程示意图；
42.图6为本技术实施例提供的一种图像处理装置的结构示意图；
43.图7为本技术实施例提供的一种用于实现图像处理方法的电子设备的硬件结构示意图。
具体实施方式
44.为了解决相关技术中紫边检测的准确率比较低的问题，本技术实施例提供了一种图像处理方法、装置、电子设备及存储介质。
45.首先对本技术实施例中的一些关键名词进行说明：
46.紫边：从图像采集的技术来看，紫边是指数码相机在拍摄过程中由于被摄物体反差较大，在高光与低光部位交界处出现色斑的现象；紫边一般为紫色也可能为其它颜色；通常来说，紫边出现的原因与相机镜头的色散、电荷藕合器件(charge coupled device，ccd)成像面积过小(成像单元密度大)、相机内部的信号处理算法等有关。
47.以下结合说明书附图对本技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本技术，并不用于限定本技术，并且在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
48.图1为本技术实施例提供的一种图像处理方法的应用场景图，包括采集设备和计算机设备，采集设备，如各种类型的摄像头，可设置在各种可进行合法监控的场所如交通路口、公共楼宇内等，用于采集视频数据，并将视频数据发送给计算机设备。计算机设备，用于存储采集设备发送的视频数据，并可对视频数据进行分析处理，如分析视频数据中的图像是否存在紫边、分析视频数据中的图像是否有违法、违规行为等。
49.具体实施时，采集设备与计算机设备之间可以通过一个或者多个网络进行通信连接。该网络可以是有线网络，也可以是无线网络，例如无线网络可以是移动蜂窝网络，或者可以是无线保真(wireless-fidelity，wifi)网络，当然还可以是其他可能的网络，本技术实施例对此不做限定。
50.在介绍了本技术实施例示例性的应用场景后，下面以具体实施例对本技术提出的图像处理进行说明。图2为本技术实施例提供的一种图像处理方法的流程图，该方法可应用于图1中的计算机设备中，且包括以下步骤。
51.在步骤s201中，采用不同的标记值对待处理图像中的亮度像素和非亮度像素进行标记，得到亮度标记图。
52.其中，待处理图像可以是通过摄像头实时采集的图像，也可以是通过摄像头获取的历史图像。亮度像素是指亮度大于设定值的像素。
53.以待处理图像是rgb图像为例，待处理图像中第i行第j列的像素(i,j)有r(i,j),g(i,j)和b(i,j)三个值，若满足则可判定像素(i,j)为亮度像素，若不满足则可判定像素(i,j)不为亮度像素(即为非亮度像素)。
54.然后，可采用不同的标记值对待处理图像中的亮度像素和非亮度像素进行标记，比如，采用255对待处理图像中的亮度像素进行标记，采用0对待处理图像中的非亮度像素进行标记，从而可得到亮度标记图。亮度标记图中的像素与待处理图像中的像素一一对应。
55.在步骤s202中，采用不同的标记值对待处理图像中的边缘像素和非边缘像素进行标记，得到边缘标记图。
56.其中，边缘像素可根据边缘检测结果确定，除边缘像素外的即为非边缘像素。
57.下面以canny边缘检测为例，对确定待处理图像中边缘像素的过程进行介绍。
58.具体实施时，可将待处理图像转换为灰度图像，并进行高斯滤波处理，然后，对滤波处理后的图像计算梯度强度和方向：
[0059][0060][0061]
其中，g(i,j)为灰度图像中位于第i行第j列的像素(i，j)的梯度强度；θ(i,j)为像素(i，j)的梯度方向，g
x
(i,j)和gy(i,j)分别是像素(i，j)在x和y方向上的梯度强度。
[0062]
之后，通过非极大值抑制来剔除分非边缘点，将模糊的边界变得清晰，以消除边缘误检。
[0063]
比如，针对像素(i，j)，沿梯度θ(i,j)方向上比较像素(i，j)与两侧像素的梯度，若像素(i，j)的g(i,j)最大，则确定像素(i，j)为边缘像素，否则，确定像素(i，j)不为边缘像素(即为非边缘像素)。
[0064]
进一步地，可采用不同的标记值对待处理图像中的边缘像素和非边缘像素进行标记，比如，采用255对待处理图像中的边缘像素进行标记，采用0对待处理图像中的非边缘像素进行标记，从而得到边缘标记图，边缘标记图中的像素与待处理图像中的像素一一对应。
[0065]
在步骤s203中，采用不同的标记值对待处理图像中的紫色像素和非紫色像素进行标记，得到颜色标记图。
[0066]
仍以待处理图像是rgb图像为例，若待处理图像中的像素(i，j)满足：
[0067]
[0068]
则确定像素(i，j)为紫色像素，若不满足，则确定像素(i，j)不为紫色像素(即为非紫色像素)。
[0069]
然后，可采用不同的标记值对待处理图像中的边缘像素和非边缘像素进行标记，比如，采用true对待处理图像中的紫色像素进行标记，采用false对待处理图像中的非紫色像素进行标记，即可得到颜色标记图，紫色标记图中的像素与待处理图像中的像素一一对应。
[0070]
在步骤s204中，基于亮度标记图、边缘标记图和颜色标记图，确定待处理图像是否存在紫边。
[0071]
在一些实施例中，可按照图3所示的流程确定待处理图像是否存在紫边，该流程包括以下步骤。
[0072]
在步骤s301a中，基于亮度标记图、边缘标记图和颜色标记图，确定出待处理图像中的紫边像素。
[0073]
在一些实施例中，上述预设判定条件可以为：像素在亮度标记图中对应的标记值表示像素为亮度像素，在边缘标记图中对应的标记值表示像素为边缘像素，在颜色标记图中对应的标记值表示像素为紫色颜色。则针对待处理图像中的每个像素，若该像素满足预设判定条件，则确定该像素为紫边像素，若该像素不满足预设判定条件，则确定该像素不为紫边像素(即为非紫边像素)。
[0074]
在步骤s302a中，基于确定出的紫边像素，确定待处理图像是否存在紫边。
[0075]
一般地，当一个图像存在紫边时，图像中的紫边像素是连续分布的、而不是零散分布的，所以可基于确定出的紫边像素的分布特征，确定待处理图像是否存在紫边。即，当确定出的紫边像素具有连续分布特征时，可确定待处理图像存在紫边。
[0076]
这样，先结合待处理图像对应的亮度标记图、边缘标记图和颜色标记图，确定出待处理图像中的紫边像素，再进一步结合确定出的紫边像素的分布特征，确定待处理图像是否存在紫边，有利于降低紫边误识别概率、提升紫边检测准确性。
[0077]
在一些实施例中，还可按照图4所示的流程确定待处理图像是否存在紫边，该流程包括以下步骤。
[0078]
在步骤s401a中，基于亮度标记图、边缘标记图和颜色标记图，确定出待处理图像中的紫边像素。
[0079]
该步骤的实施可参见s301a，在此不再赘述。
[0080]
在步骤s402a中，采用不同的标记值对待处理图像中的各个紫边像素和各个非紫边像素进行标记，得到紫边标记图。
[0081]
比如，采用255对待处理图像中的各个紫边像素进行标记，采用0对待处理图像中的各个非紫边像素进行标记，即可得到紫边标记图，紫边标记图中的像素与待处理图像中的像素一一对应。
[0082]
在步骤s403a中，基于确定出的紫边像素在紫边标记图中的分布特征，确定待处理图像是否存在紫边。
[0083]
具体实施时，可将紫边标记图划分为预设个图像块，然后，基于这预设个图像块中至少一个图像块中紫边像素的数量，确定待处理图像是否存在紫边。
[0084]
比如，针对这预设个图像块中的任一图像块，若图像块中紫边像素的数量超过第
一预设值，则确定图像块为紫边块，若图像块中紫边像素的数量未超过第一预设值，则确定图像块不为紫边块。进一步地，若紫边块的数量超过第二预设值，则确定待处理图像存在紫边，若紫边块的数量未超过第二预设值，则确定待处理图像不存在紫边。
[0085]
这样，先结合待处理图像对应的亮度标记图、边缘标记图和颜色标记图，确定出待处理图像中的紫边像素，再采用不同的标记值对各个紫边像素和各个非紫边像素进行标记，得到紫边标记图，最后基于紫边标记图中紫边像素的分布特征，确定待处理图像是否存在紫边，有利于进一步地降低紫边误识别概率，从而提升紫边检测的准确性。
[0086]
另外，考虑到紫边通常出现在高亮区域的边缘，为了避免漏检紫边像素点，上述流程中，在基于亮度标记图、边缘标记图和颜色标记图对待处理图像进行紫边标记，得到紫边标记图之前，还可对亮度标记图进行膨胀处理。
[0087]
具体实施时，可使用以下公式对亮度标记图像进行膨胀处理：
[0088][0089]
其中，a是亮度标记图，b是膨胀处理的模板，比如，模板大小为3
×
3，x表示b中的像素，表示卷积操作，θ表示空集。
[0090]
这样，可将待处理图像中原本位于亮度区域边缘的像素也标记为亮度像素，扩大亮度像素所占的区域，避免漏检原本位于亮度区域边缘的紫色像素，因此，可提升紫边检测的准确率。
[0091]
下面结合具体实施例对本技术的方案进行介绍。
[0092]
图5为本技术实施例提供的一种紫边检测的过程示意图，对待处理图像分别进行高亮像素筛选、边缘像素筛选和紫色像素筛选，基于高亮像素筛选结果、边缘像素筛选结果和紫色像素筛选结果，对待处理图像中的紫边像素点进行标记，得到紫边标记图，然后，对紫边标记图进行分块，基于图像块中包含的紫边像素点的数量是否超过第一预设值，将图像块分为紫边块和非紫边块，根据紫边块的数量是否超过第二预设值，判断待处理图像是否包含紫边。
[0093]
以待处理图像是rgb图像为例，上述过程可以按照以下步骤进行。
[0094]
步骤一：对待处理图像进行高亮像素筛选。
[0095]
待处理图像中第i行第j列的像素(i,j)有r(i,j),g(i,j)和b(i,j)三个值，若满足则可判定像素(i,j)为亮度像素，若不满足则可判定像素(i,j)为非亮度像素。
[0096]
然后，采用255对待处理图像中的亮度像素进行标记，采用0对待处理图像中的非亮度像素进行标记，得到亮度标记图。
[0097]
考虑到紫边通常产生于高亮区域附近，为了将位于高亮区域附近的像素也高亮显示，提升紫边检测的准确性，可对亮度标记图进行膨胀处理：
[0098][0099]
其中，a是亮度标记图，b是膨胀处理的模板，模板大小为3
×
3，x表示b中的像素，
表示卷积操作，θ表示空集，记膨胀处理后的亮度标记图为f1。
[0100]
步骤二：对待处理图像进行边缘像素筛选。
[0101]
以canny边缘检测为例，首先将待处理图像转为灰度图像，并进行高斯滤波处理，然后对滤波后的图像计算梯度强度和方向：
[0102][0103][0104]
其中，g(i,j)为灰度图像中位于第i行第j列的像素(i，j)的梯度强度；θ(i,j)为像素(i，j)的梯度方向，g
x
(i,j)和gy(i,j)分别是像素(i，j)在x和y方向上的梯度强度。
[0105]
然后，沿着梯度θ(i,j)方向上比较像素(i，j)与两侧像素的梯度，若像素(i，j)的g(i,j)最大，则确定像素(i，j)为边缘像素，否则，确定像素(i，j)为非边缘像素。
[0106]
进一步地，采用255对待处理图像中的边缘像素进行标记，采用0对待处理图像中的非边缘像素进行标记，从而得到边缘标记图f2。
[0107]
步骤三：筛选紫色像素点。
[0108]
比如，若待处理图像中的像素(i，j)满足：
[0109][0110]
则确定像素(i，j)为紫色像素，若不满足，则确定像素(i，j)为非紫色像素。
[0111]
然后，采用true对待处理图像中的紫色像素进行标记，采用false对待处理图像中的非紫色像素进行标记，即可得到颜色标记图f3。
[0112]
步骤四：基于三个特征f1，f2和f3，生成紫边标记图p(i,j)：
[0113][0114]
其中，p(i,j)中的像素与待处理图像中的像素一一对应。
[0115]
上述条件表示在待处理图像中高亮区域附近、位于图像边缘且为紫色的像素被视为紫边像素点。
[0116]
步骤五：将p(i,j)划分为m
×
n个图像块。
[0117]
其中，m和n均为整数，可预先指定。
[0118]
步骤六：筛选紫边块。
[0119]
比如，针对每个图像块，若该图像块中紫边像素点的数量大于第一预设值，则确定该图像块为紫边块；若该图像块中紫边像素点的数量不大于第一预设值，则确定该图像块为非紫边块。
[0120]
步骤七：判断待处理图像是否存在紫边。
[0121]
比如，统计待处理图像中紫边块的数量，若紫边块的数量大于第二预设值，则确定待处理图像存在紫边；若紫边块的数量不大于第二预设值，则确定待处理图像不存在紫边。
[0122]
本技术实施例中，根据图像中紫边产生的规律，利用高亮、边缘和紫色这三个特征来检测紫边，符合紫边是紫色边缘的特点且符合紫边位于高亮区域附近的特点，所以可减少非紫边的误检。而且，先筛选紫边块，再基于紫边块的数量判断待处理图像是否是紫边图像，符合紫边连续分布的特点，鲁棒性更强，利于进一步减少误检情况。
[0123]
当本技术实施例中提供的方法以软件或硬件或软硬件结合实现的时候，电子设备中可以包括多个功能模块，每个功能模块可以包括软件、硬件或其结合。
[0124]
基于相同的技术构思，本技术实施例还提供一种图像处理装置，图像处理装置解决问题的原理与上述图像处理方法相似，因此图像处理装置的实施可参见图像处理方法的实施，重复之处不再赘述。
[0125]
图6为本技术实施例提供的一种图像处理装置的结构示意图，包括亮度标记模块601、边缘标记模块602、颜色标记模块603、确定模块604。
[0126]
亮度标记模块601，用于采用不同的标记值对所述待处理图像中的亮度像素和非亮度像素进行标记，得到亮度标记图，所述亮度像素是指亮度大于设定值的像素；
[0127]
边缘标记模块602，用于采用不同的标记值对所述待处理图像中的边缘像素和非边缘像素进行标记，得到边缘标记图；
[0128]
颜色标记模块603，用于采用不同的标记值对所述待处理图像中的紫色像素和非紫色像素进行标记，得到颜色标记图；
[0129]
确定模块604，用于基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定所述待处理图像是否存在紫边。
[0130]
在一些实施例中，所述确定模块604具体用于：
[0131]
基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定出所述待处理图像中的紫边像素；
[0132]
基于确定出的紫边像素，确定所述待处理图像是否存在紫边。
[0133]
在一些实施例中，所述确定模块604具体用于：
[0134]
基于确定出的紫边像素的分布特征，确定所述待处理图像是否存在紫边。
[0135]
在一些实施例中，所述确定模块604具体用于：
[0136]
响应于所述待处理图像中的任一像素满足预设判定条件，确定所述像素为紫边像素，所述预设判定条件包括：所述像素在所述亮度标记图中对应的标记值表示所述像素为亮度像素，在所述边缘标记图中对应的标记值表示所述像素为边缘像素，在所述颜色标记图中对应的标记值表示所述像素为紫色颜色；
[0137]
响应于所述像素不满足所述预设判定条件，确定所述像素不为紫边像素。
[0138]
在一些实施例中，还包括：
[0139]
紫边标记模块605，用于在基于所述亮度标记图、所述边缘标记图和所述颜色标记图，确定出所述待处理图像中的紫边像素之后，采用不同的标记值对所述待处理图像中的各个紫边像素和各个非紫边像素进行标记，得到紫边标记图；
[0140]
所述确定模块604，具体用于基于所述确定出的紫边像素在所述紫边标记图中的分布特征，确定所述待处理图像是否存在紫边。
[0141]
在一些实施例中，所述确定模块604具体用于：
[0142]
将所述紫边标记图划分为预设个图像块；
[0143]
基于所述预设个图像块中至少一个图像块中紫边像素的数量，确定所述待处理图像是否存在紫边。
[0144]
在一些实施例中，所述确定模块604具体用于：
[0145]
响应于任一图像块中紫边像素的数量超过第一预设值，确定所述任一图像块为紫边块；
[0146]
响应于紫边块的数量超过第二预设值，确定所述待处理图像存在紫边。
[0147]
本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，本技术各实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。各个模块相互之间的耦合可以是通过一些接口实现，这些接口通常是电性通信接口，但是也不排除可能是机械接口或其它的形式接口。因此，作为分离部件说明的模块可以是或者也可以不是物理上分开的，既可以位于一个地方，也可以分布到同一个或不同设备的不同位置上。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0148]
在介绍了本技术示例性实施方式的对比学习方法和装置之后，接下来，介绍根据本技术的另一示例性实施方式的电子设备。
[0149]
所属技术领域的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0150]
在一些可能的实施方式中，根据本技术的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本技术各种示例性实施方式的方法。例如，处理器可以执行如基于对比学习的神经网络模型训练方法中的步骤或提取图像特征的方法的步骤。
[0151]
下面参照图7来描述根据本技术的这种实施方式的电子设备130。图7显示的电子设备130仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0152]
如图7所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
[0153]
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
[0154]
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(rom)1323。
[0155]
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0156]
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口135进行。并且，电子设备130还可以通过网络适
network，lan)或广域网(wide area network，wan)连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0165]
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
[0166]
此外，尽管在附图中以特定顺序描述了本技术方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
[0167]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0168]
本技术是参照根据本技术实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0169]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0170]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0171]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0172]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。