光源确定方法、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，尤其涉及一种光源确定方法、装置、电子设备及存储介质。


背景技术：

2.目前，可以通过自动光学检测技术来检测物体是否存在缺陷，但在实践中发现，在对物体进行某种缺陷检测前，需要单独分析收集到的不同光源的图像数据，经过大量的实验，来确定要突出缺陷的光源，需要很长时间。
3.因此，如何对光源进行选取是一个亟需解决的技术问题。


技术实现要素：

4.鉴于以上内容，有必要提供一种光源确定方法、装置、电子设备及存储介质，能够提高光源的选取效率。
5.本技术的第一方面提供一种光源确定方法，所述光源确定方法包括：
6.获取携带有目标缺陷的物体的多个灰度图像，其中，不同的所述灰度图像对应的光源不同；
7.根据所述多个灰度图像，生成伪高光谱图像立方体；
8.从所述伪高光谱图像立方体，确定所述目标缺陷对应的缺陷信息以及光谱波长；
9.根据所述缺陷信息以及所述光谱波长，生成光谱特征曲线；
10.根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源。
11.在一种可能的实现方式中，所述光谱图像立方体的宽为所述灰度图像的宽，所述光谱图像立方体的长为所述灰度图像的长，所述光谱图像立方体的高为所述多个灰度图像对应的光源的光谱波长的范围。
12.在一种可能的实现方式中，所述获取携带有目标缺陷的物体的多个灰度图像包括：
13.获取所述携带有目标缺陷的物体在不同光源下的多个图像；
14.根据灰度转化算法，将所述多个图像进行灰度转化，获得多个灰度图像。
15.在一种可能的实现方式中，所述灰度转化算法包括浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法中的任一个。
16.在一种可能的实现方式中，所述根据所述多个灰度图像，生成伪高光谱图像立方体之后，所述光源确定方法还包括：
17.根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据；
18.将所述分析数据保存至数据库中。
19.在一种可能的实现方式中，所述预设分析算法包括波段选择算法以及正交子空间投影算法中的任一个。
20.在一种可能的实现方式中，所述根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源之后，所述光源确定方法还包括：
21.获取预设物体在所述目标光源下的检测图像；
22.对所述检测图像进行自动光学检测，获得检测结果，所述检测结果用于确定所述预设物体存在所述目标缺陷或不存在所述目标缺陷。
23.本技术的第二方面提供一种光源确定装置，所述光源确定装置包括：
24.获取模块，用于获取携带有目标缺陷的物体的多个灰度图像，其中，不同的所述灰度图像对应的光源不同；
25.生成模块，用于根据所述多个灰度图像，生成伪高光谱图像立方体；
26.确定模块，用于从所述伪高光谱图像立方体，确定所述目标缺陷对应的缺陷信息以及光谱波长；
27.所述生成模块，还用于根据所述缺陷信息以及所述光谱波长，生成光谱特征曲线；
28.所述确定模块，还用于根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源。
29.本技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的光源确定方法。
30.本技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的光源确定方法。
31.根据以上技术方案，本技术可以将携带有目标缺陷的物体的多个灰度图像组成伪高光谱图像立方体，从而能够使用与高光谱图像相关的分析算法对这些不同光源的灰度图像进行分析，并进一步确定目标光源，不仅能够快速从多个光源中确定目标光源，还提高了光源的选取效率。
附图说明
32.图1是本技术公开的一种光源确定方法的较佳实施例的流程图。
33.图2是本技术公开的一种光源确定装置的较佳实施例的功能模块图。
34.图3是本技术实现光源确定方法的较佳实施例的电子设备的结构示意图。
具体实施方式
35.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
36.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
37.本技术实施例的光源确定方法应用在电子设备中，也可以应用在电子设备和通过网络与所述电子设备进行连接的服务器所构成的硬件环境中，由服务器和电子设备共同执行。网络包括但不限于：广域网、城域网或局域网。
38.其中，服务器可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(file transfer protocol，简称ftp)服务，也可以叫服务器。从狭义范围上讲，服务器专指某些高性能计算机，能通过网络，对外提供服务，其相对于普通的个人电脑来说，稳定性、安全性、性能等方面都要求更高，因此在cpu、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
39.所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)、嵌入式设备等。所述电子设备还可包括网络设备和/或用户设备。其中，所述网络设备包括但不限于单个网络设备、多个网络设备组成的服务器组或基于云计算(cloud computing)的由大量主机或网络设备构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理pda等。
40.请参见图1，图1是本技术公开的一种光源确定方法的较佳实施例的流程图。其中，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。其中，所述光源确定方法的执行主体可以为电子设备。
41.s11、获取携带有目标缺陷的物体的多个灰度图像，其中，不同的所述灰度图像对应的光源不同。
42.具体的，所述获取携带有目标缺陷的物体的多个灰度图像包括：
43.获取所述携带有目标缺陷的物体在不同光源下的多个图像；
44.根据灰度转化算法，将所述多个图像进行灰度转化，获得多个灰度图像。
45.其中，所述灰度转化算法包括浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法中的任一个。
46.其中，所述目标缺陷可以包括但不限于物体上的划痕、凹陷以及污渍等。
47.其中，所述灰度图像可以是指用灰度表示的图像，灰度也可以认为是亮度，灰度可以指黑白图像中的颜色深度，范围一般0-255，白色为255，黑色为0。
48.其中，所述光源可以包括但不限于不同光照强度的光源、不同颜色的光源以及其它特殊光源。
49.在该可选的实施方式中，灰度图(gray scale image，又称灰阶图)。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。用灰度表示的图像称作灰度图。任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为rgb(r,g,b)，那么，可以通过浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法等方法，将原来的颜色转换为灰度gray；其中，浮点算法可以为：gray＝r*0.3 g*0.59 b*0.11；整数算法可以为：gray＝(r*30 g*59 b*11)/100；移位算法可以为：gray＝(r*28 g*151 b*77)》》8；平均值算法可以为：gray＝(r g b)/3；仅取绿色算法的公式可以为：gray＝g。通过以上任何一种方法求得gray后，将原来的rgb(r,g,b)中的r,g,b统一用gray替换，形成新的颜色rgb(gray,gray,gray)，从而得到灰度图。
50.s12、根据所述多个灰度图像，生成伪高光谱图像立方体。
51.其中，所述光谱图像立方体的宽为所述灰度图像的宽，所述光谱图像立方体的长
为所述灰度图像的长，所述光谱图像立方体的高为所述多个灰度图像对应的光源的光谱波长的范围。
52.本技术实施例中，所述多个灰度图像属于二维维度(包括图像的长和宽)，不同的光源对应不同的光谱波长。将光谱波长作为第三维度的数值，将所述多个灰度图像映射指三维维度中，获得所述伪高光谱图像立方体。
53.作为一种可选的实施方式，所述根据所述多个灰度图像，生成伪高光谱图像立方体之后，所述光源确定方法还包括：
54.根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据；
55.将所述分析数据保存至数据库中。
56.其中，所述预设分析算法包括波段选择算法以及正交子空间投影算法中的任一个。所述波段选择算法是从高光谱图像所有波段中选择起主要作用的波段子集，不仅能大大降低高光谱图像的数据维度，而且能比较完整的保留有用的信息。所述正交子空间投影算法是投影是从向量空间映射到自身的一种线性变换。
57.在该可选的实施方式中，可以根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据，即可以从高光谱图像的角度获得更多的图像信息，可以用于后续的各种分析。
58.s13、从所述伪高光谱图像立方体，确定所述目标缺陷对应的缺陷信息以及光谱波长。
59.其中，所述缺陷信息可以为所述目标缺陷所在区域的像素数据。
60.本技术实施例中，将所述目标缺陷在每个灰度图像的区域的像素确定为所述缺陷信息，由于所述物体的所述目标缺陷在每个灰度图像的区域是已知的且固定的，可以查找所述目标缺陷在每个灰度图像的区域在所述伪高光谱图像立方体中对应的光谱波长。
61.s14、根据所述缺陷信息以及所述光谱波长，生成光谱特征曲线。
62.本技术实施例中，可以将多个光源对应的光谱波长以及所述缺陷信息，拟合生成一条光谱特征曲线，在二维维度中，所述光谱特征曲线的横轴为光谱波长，纵轴为所述缺陷信息。
63.s15、根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源。
64.本技术实施例中，可以根据缺陷信息的像素数据的光谱特征，应用高光谱图像分析方法，如：波段选择法，正交子空间投影(osp)等算法确定能突出缺陷的光谱波长，比如，选择目标波段，目标缺陷在目标波段的光谱波长数据与背景(物体除了目标缺陷之外的部分)在目标波段的光谱波长数据相差最大，与目标波段的光谱波长对应的光源即为所述目标光源。
65.作为一种可选的实施方式，所述根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源之后，所述光源确定方法还包括：
66.获取预设物体在所述目标光源下的检测图像；
67.对所述检测图像进行自动光学检测，获得检测结果，所述检测结果用于确定所述预设物体存在所述目标缺陷或不存在所述目标缺陷。
68.其中，所述自动光学检测(automated optical inspection，aoi)是一种用于检测
物体是否存在缺陷的技术，多用于监视生产过程。典型地包括详细的缺陷分类和元件贴放偏移信息。
69.在图1所描述的方法流程中，本技术可以将携带有目标缺陷的物体的多个灰度图像组成伪高光谱图像立方体，从而能够使用与高光谱图像相关的分析算法对这些不同光源的灰度图像进行分析，并进一步确定目标光源，不仅能够快速从多个光源中确定目标光源，还提高了光源的选取效率。
70.请参见图2，图2是本技术公开的一种光源确定装置的较佳实施例的功能模块图。
71.在一些实施例中，所述光源确定装置运行于电子设备中。所述光源确定装置可以包括多个由程序代码段所组成的功能模块。所述光源确定装置中的各个程序段的程序代码可以存储于存储器中，并由至少一个处理器所执行，以执行图1所描述的光源确定方法中的部分或全部步骤。
72.本实施例中，所述光源确定装置根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、生成模块202及确定模块203。本技术所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。
73.获取模块201，用于获取携带有目标缺陷的物体的多个灰度图像，其中，不同的所述灰度图像对应的光源不同。
74.生成模块202，用于根据所述多个灰度图像，生成伪高光谱图像立方体。
75.其中，所述光谱图像立方体的宽为所述灰度图像的宽，所述光谱图像立方体的长为所述灰度图像的长，所述光谱图像立方体的高为所述多个灰度图像对应的光源的光谱波长的范围。
76.本技术实施例中，所述多个灰度图像属于二维维度(包括图像的长和宽)，不同的光源对应不同的光谱波长。将光谱波长作为第三维度的数值，将所述多个灰度图像映射指三维维度中，获得所述伪高光谱图像立方体。
77.确定模块203，用于从所述伪高光谱图像立方体，确定所述目标缺陷对应的缺陷信息以及光谱波长。
78.其中，所述缺陷信息可以为所述目标缺陷所在区域的像素数据。
79.本技术实施例中，将所述目标缺陷在每个灰度图像的区域的像素确定为所述缺陷信息，由于所述物体的所述目标缺陷在每个灰度图像的区域是已知的且固定的，可以查找所述目标缺陷在每个灰度图像的区域在所述伪高光谱图像立方体中对应的光谱波长。
80.所述生成模块202，还用于根据所述缺陷信息以及所述光谱波长，生成光谱特征曲线。
81.本技术实施例中，可以将多个光源对应的光谱波长以及所述缺陷信息，拟合生成一条光谱特征曲线，在二维维度中，所述光谱特征曲线的横轴为光谱波长，纵轴为所述缺陷信息。
82.所述确定模块203，还用于根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源。
83.本技术实施例中，可以根据缺陷信息的像素数据的光谱特征，应用高光谱图像分析方法，如：波段选择法，正交子空间投影(osp)等算法确定能突出缺陷的光谱波长，与该光
谱波长对应的光源即为所述目标光源。
84.作为一种可选的实施方式，所述获取模块201获取携带有目标缺陷的物体的多个灰度图像的方式具体为：
85.获取所述携带有目标缺陷的物体在不同光源下的多个图像；
86.根据灰度转化算法，将所述多个图像进行灰度转化，获得多个灰度图像。
87.其中，所述灰度转化算法包括浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法中的任一个。
88.其中，所述目标缺陷可以包括但不限于物体上的划痕、凹陷以及污渍等。
89.其中，所述灰度图像可以是指用灰度表示的图像，灰度也可以认为是亮度，灰度可以指黑白图像中的颜色深度，范围一般0-255，白色为255，黑色为0。
90.其中，所述光源可以包括但不限于不同光照强度的光源、不同颜色的光源以及其它特殊光源。
91.在该可选的实施方式中，灰度图(gray scale image，又称灰阶图)。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。用灰度表示的图像称作灰度图。任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为rgb(r,g,b)，那么，可以通过浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法等方法，将原来的颜色转换为灰度gray；其中，浮点算法可以为：gray＝r*0.3 g*0.59 b*0.11；整数算法可以为：gray＝(r*30 g*59 b*11)/100；移位算法可以为：gray＝(r*28 g*151 b*77)》》8；平均值算法可以为：gray＝(r g b)/3；仅取绿色算法的公式可以为：gray＝g。通过以上任何一种方法求得gray后，将原来的rgb(r,g,b)中的r,g,b统一用gray替换，形成新的颜色rgb(gray,gray,gray)，从而得到灰度图。
92.作为一种可选的实施方式，所述光源确定装置还可以包括：
93.分析模块，用于所述生成模块202根据所述多个灰度图像，生成伪高光谱图像立方体之后，根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据；
94.保存模块，用于将所述分析数据保存至数据库中。
95.其中，所述预设分析算法包括波段选择算法以及正交子空间投影算法中的任一个。所述波段选择算法是从高光谱图像所有波段中选择起主要作用的波段子集，不仅能大大降低高光谱图像的数据维度，而且能比较完整的保留有用的信息。所述正交子空间投影算法是投影是从向量空间映射到自身的一种线性变换。
96.在该可选的实施方式中，可以根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据，即可以从高光谱图像的角度获得更多的图像信息，可以用于后续的各种分析。
97.作为一种可选的实施方式，所述获取模块201，还用于所述确定模块203根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源之后，获取预设物体在所述目标光源下的检测图像；
98.所述光源确定装置还可以包括：
99.检测模块，用于对所述检测图像进行自动光学检测，获得检测结果，所述检测结果用于确定所述预设物体存在所述目标缺陷或不存在所述目标缺陷。
100.其中，所述自动光学检测(automated optical inspection，aoi)是一种用于检测物体是否存在缺陷的技术，多用于监视生产过程。典型地包括详细的缺陷分类和元件贴放偏移信息。
101.在图2所描述的光源确定装置中，本技术可以将携带有目标缺陷的物体的多个灰度图像组成伪高光谱图像立方体，从而能够使用与高光谱图像相关的分析算法对这些不同光源的灰度图像进行分析，并进一步确定目标光源，不仅能够快速从多个光源中确定目标光源，还提高了光源的选取效率。
102.如图3所示，图3是本技术实现光源确定方法的较佳实施例的电子设备的结构示意图。所述电子设备3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
103.本领域技术人员可以理解，图3所示的示意图仅仅是所述电子设备3的示例，并不构成对所述电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备3还可以包括输入输出设备、网络接入设备等。
104.所述电子设备3还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)、游戏机、交互式网络电视(internet protocol television，iptv)、智能式穿戴式设备等。所述电子设备3所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
105.所述至少一个处理器32可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、晶体管逻辑器件、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等，所述处理器32是所述电子设备3的控制中心，利用各种接口和线路连接整个电子设备3的各个部分。
106.所述存储器31可用于存储所述计算机程序33和/或模块/单元，所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元，以及调用存储在存储器31内的数据，实现所述电子设备3的各种功能。所述存储器31可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备3的使用所创建的数据等。此外，存储器31可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件等。
107.结合图1，所述电子设备3中的所述存储器31存储多个指令以实现一种光源确定方法，所述处理器32可执行所述多个指令从而实现：
108.获取携带有目标缺陷的物体的多个灰度图像，其中，不同的所述灰度图像对应的光源不同；
109.根据所述多个灰度图像，生成伪高光谱图像立方体；
110.从所述伪高光谱图像立方体，确定所述目标缺陷对应的缺陷信息以及光谱波长；
111.根据所述缺陷信息以及所述光谱波长，生成光谱特征曲线；
112.根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源。
113.作为一种可选的实施方式，所述光谱图像立方体的宽为所述灰度图像的宽，所述光谱图像立方体的长为所述灰度图像的长，所述光谱图像立方体的高为所述多个灰度图像对应的光源的光谱波长的范围。
114.作为一种可选的实施方式，所述获取携带有目标缺陷的物体的多个灰度图像包括：
115.获取所述携带有目标缺陷的物体在不同光源下的多个图像；
116.根据灰度转化算法，将所述多个图像进行灰度转化，获得多个灰度图像。
117.作为一种可选的实施方式，所述灰度转化算法包括浮点算法、整数算法、移位算法、平均值算法以及仅取绿色算法中的任一个。
118.作为一种可选的实施方式，所述根据所述多个灰度图像，生成伪高光谱图像立方体之后，所述处理器32可执行所述多个指令从而实现：
119.根据预设分析算法，对所述伪高光谱图像立方体进行高光谱图像分析，获得分析数据；
120.将所述分析数据保存至数据库中。
121.作为一种可选的实施方式，所述预设分析算法包括波段选择算法以及正交子空间投影算法中的任一个。
122.作为一种可选的实施方式，所述根据高光谱图像分析算法，从所述光谱特征曲线中确定目标光源之后，所述处理器32可执行所述多个指令从而实现：
123.获取预设物体在所述目标光源下的检测图像；
124.对所述检测图像进行自动光学检测，获得检测结果，所述检测结果用于确定所述预设物体存在所述目标缺陷或不存在所述目标缺陷。
125.具体地，所述处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
126.在图3所描述的电子设备3中，本技术可以将携带有目标缺陷的物体的多个灰度图像组成伪高光谱图像立方体，从而能够使用与高光谱图像相关的分析算法对这些不同光源的灰度图像进行分析，并进一步确定目标光源，不仅能够快速从多个光源中确定目标光源，还提高了光源的选取效率。
127.所述电子设备3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
128.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的
划分，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。
129.所述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，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
130.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
131.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本技术中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
132.最后应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。