表皮轮廓的检测方法、装置、设备及存储介质与流程

1.本技术涉及图像处理技术领域，尤其涉及一种表皮轮廓的检测方法、装置、设备及存储介质。


背景技术：

2.在超声成像系统的一些应用场景中，为了辅助医生进行诊断分析，需要测量皮肤表面轮廓。目前，超声成像系统提供了传统测量工具，通过对目标皮肤区域的轮廓进行手动描记，再利用超声成像系统的传统测量工具自动计算该轮廓的尺寸，以辅助医生的分析。但是，传统测量工具需要医生手动描记皮肤表面轮廓，测量效率较低以及手动测量容易出错。


技术实现要素：

3.本技术提供了一种表皮轮廓的检测方法、装置、设备及存储介质，以解决当前表皮轮廓的检测效率低的技术问题。
4.为了解决上述技术问题，第一方面，本技术提供了一种表皮轮廓的检测方法，包括：
5.获取表皮全景图像，表皮全景图像通过多帧序列超声图像拼接得到；
6.对表皮全景图像进行图像增强，得到表皮增强图像；
7.基于预设结构元素，对表皮增强图像进行断点连接，得到目标表皮图像；
8.利用预设轮廓检测算法，对目标表皮图像进行轮廓检测，得到表皮全景图像的轮廓坐标。
9.本技术通过对表皮全景图像进行图像增强，得到表皮增强图像，消除图像拼接带来的锯齿边界问题，降低图像噪声；再基于预设结构元素，对表皮增强图像进行断点连接，得到目标表皮图像，以保证图像上的皮肤表面组织连接而没有断裂，从而提高图像完整性；最后利用预设轮廓检测算法，对目标表皮图像进行轮廓检测，得到表皮全景图像的轮廓坐标。本技术能够有效排除孤立点噪声的干扰，避免边界勾勒出现瑕疵，提高检测准确度，同时无需用户手动描记轮廓，提高检测效率。
10.作为优选，对表皮全景图像进行图像增强，得到表皮增强图像，包括：
11.基于皮肤表面的切线方向，对表皮全景图像进行高斯平滑，以及基于皮肤表面的垂线方向，对表皮全景图像进行差分增强，得到表皮增强图像。
12.作为优选，基于皮肤表面的切线方向，对表皮全景图像进行高斯平滑，以及基于皮肤表面的垂线方向，对表皮全景图像进行差分增强，得到表皮增强图像，包括：
13.对表皮全景图像进行横向梯度处理和纵向梯度处理，得到横向梯度图像和纵向梯度图像；
14.基于横向梯度图像和纵向梯度图像，确定皮肤表面的切线方向和垂线方向；
15.利用预设的高斯平滑滤波器，根据切线方向，对表皮全景图像进行高斯平滑，得到第一增强图像；
16.利用预设的拉普拉斯锐化滤波器，根据垂线方向，对表皮全景图像进行差分增强，得到第二增强图像；
17.对第一增强图像和第二增强图像进行融合，得到表皮增强图像。
18.作为优选，基于预设结构元素，对表皮增强图像进行断点连接，得到目标表皮图像，包括：
19.利用形态学膨胀算法，根据多个皮肤方向对应的预设结构元素，对表皮增强图像进行断点连接，得到目标表皮图像。
20.作为优选，预设结构元素包括皮肤水平方向对应的第一核函数、在皮肤水平方向的第一预设角度对应的第二核函数，在皮肤水平方向的第二预设角度对应的第三核函数，第一预设角度与第二预设角度水平对称。
21.作为优选，利用预设轮廓检测算法，对目标表皮图像进行轮廓检测，得到表皮全景图像的轮廓坐标，包括：
22.对目标表皮图像进行二值化，得到目标表皮图像的灰度数据；
23.利用预设掩膜，对目标表皮图像进行灰度搜索，并根据灰度数据，计算预设掩膜所覆盖的图像区域内的灰度总值；
24.将灰度总值大于预设阈值的每个图像区域的中心点确定为表皮全景图像的边界点，得到表皮全景图像的轮廓坐标。
25.作为优选，利用预设掩膜，对目标表皮图像进行灰度搜索，并根据灰度数据，计算预设掩膜所覆盖的图像区域内的灰度总值，包括：
26.利用多个预设二维矩阵掩膜在目标表皮图像的每个列上，对目标表皮图像进行逐行搜索，其中每个列对应一个预设二维矩阵掩膜，预设二维矩阵掩膜的掩膜宽度为一个图像像素点的宽度；
27.针对每个预设二维矩阵掩膜，计算预设二维矩阵掩膜在每行上的灰度总值。
28.第二方面，本技术提供一种表皮轮廓的检测装置，包括：
29.获取模块，用于获取表皮全景图像，表皮全景图像通过多帧序列超声图像拼接得到；
30.增强模块，用于对表皮全景图像进行图像增强，得到表皮增强图像；
31.连接模块，用于基于预设结构元素，对表皮增强图像进行断点连接，得到目标表皮图像；
32.检测模块，用于利用预设轮廓检测算法，对目标表皮图像进行轮廓检测，得到表皮全景图像的轮廓坐标。
33.第三方面，本技术提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的表皮轮廓的检测方法。
34.第四方面，本技术提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如第一方面的表皮轮廓的检测方法。
35.需要说明的是，上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述，在此不再赘述。
附图说明
36.图1为本技术实施例示出的表皮轮廓的检测方法的流程示意图；
37.图2为本技术实施例示出的表皮全景图像的示意图；
38.图3为本技术实施例示出的表皮增强图像的示意图；
39.图4为本技术实施例示出的断点连接前的表皮图像的示意图；
40.图5为本技术实施例示出的断点连接后的目标表皮图像的示意图；
41.图6为本技术实施例示出的轮廓检测后的图像示意图；
42.图7为本技术实施例示出的表皮轮廓的检测装置的结构示意图；
43.图8为本技术实施例示出的计算机设备的结构示意图。
具体实施方式
44.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作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。
45.如相关技术记载，超声成像系统提供了传统测量工具，通过对目标皮肤区域的轮廓进行手动描记，再利用超声成像系统的传统测量工具自动计算该轮廓的尺寸，以辅助医生的分析。但是，传统测量工具需要医生手动描记皮肤表面轮廓，测量效率较低以及手动测量容易出错。
46.为此，本技术实施例提供一种表皮轮廓的检测方法，通过获取表皮全景图像，对所述表皮全景图像进行图像增强，得到表皮增强图像，消除图像拼接带来的锯齿边界问题，降低图像噪声；再基于预设结构元素，对所述表皮增强图像进行断点连接，得到目标表皮图像，以保证图像上的皮肤表面组织连接而没有断裂，从而提高图像完整性；最后利用预设轮廓检测算法，对所述目标表皮图像进行轮廓检测，得到所述表皮全景图像的轮廓坐标。本技术能够有效排除孤立点噪声的干扰，避免边界勾勒出现瑕疵，提高检测准确度，同时无需用户手动描记轮廓，提高检测效率。
47.请参照图1，图1为本技术实施例提供的一种表皮轮廓的检测方法的流程示意图。本技术实施例的表皮轮廓的检测方法可应用于计算机设备，该计算机设备包括但不限于超声设备、智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的表皮轮廓的检测方法包括步骤s101至步骤s104，详述如下：
48.步骤s101，获取表皮全景图像，所述表皮全景图像通过多帧序列超声图像拼接得到。
49.在本步骤中，序列超声图像为超声设备通过探头采集得到的一系列图像。可选地，用户通过在皮肤表面移动探头，在探头移动过程中，探头向皮肤组织不断发射超声信号，并接收对应的回波信号，从而得到一系列超声图像，对超声图像进行拼接后得到表皮全景图像。
50.可选地，表皮全景图像可以是超声设备采集到预存于预设数据库的图像，也可以是超声设备实时采集的图像。
51.步骤s102，对所述表皮全景图像进行图像增强，得到表皮增强图像。
52.在本步骤中，由于表皮全景图像在拼接时，不同帧的序列超声图像不可避免的出现锯齿边界，所以为了消除锯齿边界问题，本技术对表皮全景图像进行图像增强。可选地，图像增强包括但不限于图像二值化、高斯平滑和差分增强等处理方式。
53.步骤s103，基于预设结构元素，对所述表皮增强图像进行断点连接，得到目标表皮图像。
54.在本步骤中，预设结构元素为在图像形态学运算中具有某种确定形状的基本结构，其一般具有旋转不变性或镜像不变性，即结构元素的原点在其几何中心处，周围像素关于原点对称。
55.由于在图像处理领域，通常需要应用二值化处理，而对于皮肤图像来说，若皮肤组织存在弱回声区域，则二值化处理后的区域可能存在灰度值为0的情况，即存在皮肤组织断裂，所以本技术对目标表皮图像进行端点连接，以保证目标表皮图像中的皮肤组织的连续性。
56.可选地，预设结构元素可以有多个。
57.步骤s104，利用预设轮廓检测算法，对所述目标表皮图像进行轮廓检测，得到所述表皮全景图像的轮廓坐标。
58.在本步骤中，预设轮廓检测算法包括但不限于水平集法、蛇点法和灰度统计算法。本技术能够有效排除孤立点噪声的干扰，避免边界勾勒出现瑕疵，提高检测准确度，同时无需用户手动描记轮廓，提高检测效率。
59.在一实施例中，在图1所示实施例的基础上，所述步骤s102，包括：
60.基于皮肤表面的切线方向，对所述表皮全景图像进行高斯平滑，以及基于所述皮肤表面的垂线方向，对所述表皮全景图像进行差分增强，得到所述表皮增强图像。
61.在本实施例中，如图2示出的表皮全景图像，表皮全景图像上的皮肤表面轮廓具有一定厚度，所以皮肤表面轮廓不仅需要在横向方向上具有连续性，同时在深度方向(纵向方向)上也需要具备一定厚度的连续性。为此，本技术基于皮肤表面的切线方向，即横向方向上，对表皮全景图像进行高斯平滑，以提高皮肤表面轮廓在横向方向上的连续性；基于皮肤表面的垂线方向，即深度方向上，对表皮全景图像进行差分增强，以提高皮肤表面轮廓在深度方向上的连续性。
62.需要说明的是，切线方向与垂线方向垂直。
63.在一可选实施例中，图像增强步骤包括：
64.对所述表皮全景图像进行横向梯度处理和纵向梯度处理，得到横向梯度图像和纵向梯度图像；
65.基于所述横向梯度图像和所述纵向梯度图像，确定所述皮肤表面的切线方向和垂线方向；
66.利用预设的高斯平滑滤波器，根据所述切线方向，对所述表皮全景图像进行高斯平滑，得到第一增强图像；
67.利用预设的拉普拉斯锐化滤波器，根据所述垂线方向，对所述表皮全景图像进行差分增强，得到第二增强图像；
68.对所述第一增强图像和所述第二增强图像进行融合，得到所述表皮增强图像。
69.在本可选实施例中，图像在拼接过程中，帧与帧之间的拼接缝隙处不可避免会出
现微小的锯齿边界，在灰度图像中由于灰度变化不明显所以锯齿不易发现，但是当把灰度图像转换为二值化图像时，由于灰度只有0和1，其变化剧烈，导致锯齿非常明显，若直接在这种图像上勾勒边界会使检测结果非常差。因此，本技术在灰度图像中将锯齿噪声去除，包括沿着皮肤表面的切线方向做高斯平滑，以及垂直皮肤表面方向做差分增强灰度的对比度。
70.示例性地，分别对表皮全景图像做横向和纵向求梯度，得到横向梯度图像gradx和纵向梯度图像grady，对应的matlab伪代码为：[gradx，grady]＝gradient(imagein)；
[0071]
根据横向梯度图像gradx和纵向梯度图像grady，计算每个像素点的斜率，即得到切线方向，对应的matlab伪代码为：slope＝gradx/grad；
[0072]
利用一组一维的高斯平滑滤波器，对表皮全景图像进行高斯平滑：
[0073][0074]
利用一组一维的拉普拉斯锐化滤波器，对表皮全景图像进行差分增强：
[0075][0076]
其中，sharp为用于表征图像边缘锐化强度的参数，其取值越大，则图像边缘锐化越强，其取值大于1，通常可以为8－10。σ为标准差，w为拉普拉斯锐化滤波器阶数。
[0077]
最后，对第一增强图像和第二增强图像进行融合，得到表皮增强图像：
[0078]
imgout＝kernelperpendicular(kernelparallel(imagein))。
[0079]
如图3示出的表皮增强图像，通过上述处理完的图像边缘区域不仅平滑连续，同时还能提高灰度和对比度。
[0080]
在一实施例中，在图1所示实施例的基础上，所述基于预设结构元素，对所述表皮增强图像进行断点连接，得到目标表皮图像，包括：
[0081]
利用形态学膨胀算法，根据多个皮肤方向对应的预设结构元素，对所述表皮增强图像进行断点连接，得到所述目标表皮图像。
[0082]
在本实施例中，锯齿处理后，对图像做二值化处理，根据宽景图像特征，皮肤表面上方区域都是0灰度值，先将图像二值化处理后，将组织灰度值置为1。考虑到图像灰度特殊性，本技术仅仅将图像灰度值大于1的值置为1即可得到理想的二值化图像，其他灰度阈值分割算法如大津阈值分割法也同样适用。此时如果组织中存在弱回声区域，灰度值有可能为0，为了确保皮肤表面的组织连续没有断裂。如图4示出的断点连接前的表皮图像的示意图，图5示出的断点连接后的目标表皮图像的示意图，本技术采用形态学膨胀算法对图像进行填充处理，能够保证皮肤组织的连续性。
[0083]
可选地，由于皮肤表面轮廓的特殊性，本技术实施例设计了三组线性的核函数，以针对皮肤走向进行断点连接，即核函数方向与皮肤走向一致。
[0084]
所述预设结构元素包括皮肤水平方向对应的第一核函数、在所述皮肤水平方向的第一预设角度对应的第二核函数，在所述皮肤水平方向的第二预设角度对应的第三核函数，所述第一预设角度与所述第二预设角度水平对称。
[0085]
可选地，第一预设角度为30
°
，第二预设角度为－30
°
。
[0086]
示例性地，第一核函数kernel1、第二核函数kernel2和第三核函数kernel3如下：
[0087][0088][0089][0090]
在一实施例中，在图1所示实施例的基础上，所述利用预设轮廓检测算法，对所述目标表皮图像进行轮廓检测，得到所述表皮全景图像的轮廓坐标，包括：
[0091]
对所述目标表皮图像进行二值化，得到所述目标表皮图像的灰度数据；
[0092]
利用预设掩膜，对所述目标表皮图像进行灰度搜索，并根据所述灰度数据，计算所述预设掩膜所覆盖的图像区域内的灰度总值；
[0093]
将所述灰度总值大于预设阈值的每个图像区域的中心点确定为所述表皮全景图像的边界点，得到所述表皮全景图像的轮廓坐标。
[0094]
在本实施例中，相比于水平集法和蛇点法的能力函数算法存在费时且不易寻找收敛条件的问题，本实施例采用灰度统计方法能够节省算法处理时间。
[0095]
可选地，预设掩膜尺寸优选为奇数，即预设掩膜为奇数个像素点组成。例如，预设掩膜尺寸为宽度1
×
高度5，则中心点为第3个像素点。可以理解的是，对于预设掩膜尺寸为偶数时，可以为靠近中心的两个点中的一个。例如，预设掩膜尺寸为宽度1
×
高度6，则靠近中心的两个点为第3个点和第4个点，将第3个点和第4个点中的一个作为中心点。
[0096]
在一可选实施例中，灰度搜索步骤：
[0097]
利用多个预设二维矩阵掩膜在所述目标表皮图像的每个列上，对所述目标表皮图像进行逐行搜索，其中每个列对应一个所述预设二维矩阵掩膜，所述预设二维矩阵掩膜的掩膜宽度为一个图像像素点的宽度；
[0098]
针对每个所述预设二维矩阵掩膜，计算所述预设二维矩阵掩膜在每行上的灰度总值。
[0099]
在本可选实施例中，如图6示出的轮廓检测后的图像示意图。示例性地，制定一个元素为1宽度等于图像宽度、高度为5的二维矩阵掩模板，从上到下逐行搜索，每移动一次，需要对每列掩模板所覆盖的区域的数据求和，当和值大于某个阈值(通常为3)时确定该位置是边界点。
[0100]
此时该列掩模板停止搜索，其他列的掩模板继续向下搜索，直到每列掩模板的边界点都找到，停止搜索。将各列掩模板搜索到的边界坐标依次连接即为皮肤表面的轮廓。该
方法能够有效排除孤立的点噪声干扰，避免边界勾勒出现瑕疵，同时搜索过程中各列掩模板彼此独立，所有可以并行处理，节省算法处理时间。
[0101]
为了执行上述方法实施例对应的表皮轮廓的检测方法，以实现相应的功能和技术效果。参见图7，图7示出了本技术实施例提供的一种表皮轮廓的检测装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本技术实施例提供的表皮轮廓的检测装置，包括：
[0102]
获取模块701，用于获取表皮全景图像，所述表皮全景图像通过多帧序列超声图像拼接得到；
[0103]
增强模块702，用于对所述表皮全景图像进行图像增强，得到表皮增强图像；
[0104]
连接模块703，用于基于预设结构元素，对所述表皮增强图像进行断点连接，得到目标表皮图像；
[0105]
检测模块704，用于利用预设轮廓检测算法，对所述目标表皮图像进行轮廓检测，得到所述表皮全景图像的轮廓坐标。
[0106]
在一实施例中，在图7所示实施例的基础上，所述增强模块702，包括：
[0107]
增强单元，用于基于皮肤表面的切线方向，对所述表皮全景图像进行高斯平滑，以及基于所述皮肤表面的垂线方向，对所述表皮全景图像进行差分增强，得到所述表皮增强图像。
[0108]
可选地，所述增强单元，包括：
[0109]
处理子单元，用于对所述表皮全景图像进行横向梯度处理和纵向梯度处理，得到横向梯度图像和纵向梯度图像；
[0110]
确定子单元，用于基于所述横向梯度图像和所述纵向梯度图像，确定所述皮肤表面的切线方向和垂线方向；
[0111]
平滑子单元，用于利用预设的高斯平滑滤波器，根据所述切线方向，对所述表皮全景图像进行高斯平滑，得到第一增强图像；
[0112]
差分子单元，用于利用预设的拉普拉斯锐化滤波器，根据所述垂线方向，对所述表皮全景图像进行差分增强，得到第二增强图像；
[0113]
融合子单元，用于对所述第一增强图像和所述第二增强图像进行融合，得到所述表皮增强图像。
[0114]
在一实施例中，在图7所示实施例的基础上，所述连接模块703，包括：
[0115]
连接单元，用于利用形态学膨胀算法，根据多个皮肤方向对应的预设结构元素，对所述表皮增强图像进行断点连接，得到所述目标表皮图像。
[0116]
可选地，所述预设结构元素包括皮肤水平方向对应的第一核函数、在所述皮肤水平方向的第一预设角度对应的第二核函数，在所述皮肤水平方向的第二预设角度对应的第三核函数，所述第一预设角度与所述第二预设角度水平对称。
[0117]
在一实施例中，在图7所示实施例的基础上，所述检测模块704，包括：
[0118]
二值化单元，用于对所述目标表皮图像进行二值化，得到所述目标表皮图像的灰度数据；
[0119]
搜索单元，用于利用预设掩膜，对所述目标表皮图像进行灰度搜索，并根据所述灰度数据，计算所述预设掩膜所覆盖的图像区域内的灰度总值；
[0120]
确定单元，用于将所述灰度总值大于预设阈值的每个图像区域的中心点确定为所述表皮全景图像的边界点，得到所述表皮全景图像的轮廓坐标。
[0121]
在一实施例中，在图7所示实施例的基础上，所述搜索单元，包括：
[0122]
搜索子单元，用于利用多个预设二维矩阵掩膜在所述目标表皮图像的每个列上，对所述目标表皮图像进行逐行搜索，其中每个列对应一个所述预设二维矩阵掩膜，所述预设二维矩阵掩膜的掩膜宽度为一个图像像素点的宽度；
[0123]
计算子单元，用于针对每个所述预设二维矩阵掩膜，计算所述预设二维矩阵掩膜在每行上的灰度总值。
[0124]
上述的表皮轮廓的检测装置可实施上述方法实施例的表皮轮廓的检测方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本技术实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
[0125]
图8为本技术一实施例提供的终端设备的结构示意图。如图8所示，该实施例的终端设备8包括：至少一个处理器80(图8中仅示出一个)处理器、存储器81以及存储在所述存储器81中并可在所述至少一个处理器80上运行的计算机程序82，所述处理器80执行所述计算机程序82时实现上述任意方法实施例中的步骤。
[0126]
所述终端设备8可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该终端设备可包括但不仅限于处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端设备8的举例，并不构成对终端设备8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，例如还可以包括输入输出设备、网络接入设备等。
[0127]
所称处理器80可以是中央处理单元(central processing unit，cpu)，该处理器80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)、现成可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0128]
所述存储器81在一些实施例中可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81在另一些实施例中也可以是所述终端设备8的外部存储设备，例如所述终端设备8上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
[0129]
另外，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
[0130]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现上述各个方法实施例中的步骤。
[0131]
在本技术所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式
中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
[0132]
所述功能如果以软件功能模块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，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台终端设备执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read－only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0133]
以上所述的具体实施例，对本技术的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本技术的具体实施例而已，并不用于限定本技术的保护范围。特别指出，对于本领域技术人员来说，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。