土家织锦组织类型判定方法、装置及电子设备与流程

本发明涉及图像处理技术领域，具体而言，涉及一种土家织锦组织类型判定方法、装置及电子设备。

背景技术：

土家织锦民间称为“打花”，土家语称为“西兰卡普”，历史源远流长。它的织造方法是，在古老的木质腰式机上，眼看手背，手织正面，采用“通经断纬”的方法挑织而成。西兰卡普是从土家人的历史文化中衍生出来的，但在发展的过程中，无论从工艺还是纹样上都融入了各民族的先进文化因素，弘扬了中华民族多元化的民族特征。从现代纺织学角度上看，织物组织由平纹、斜纹和缎纹三种基本组织构成。西兰卡普有着复杂的织物组织结构，但基本是从平纹和斜纹两种基本组织上变化而来。而目前的土家织锦行业中，通常依赖人工进行织锦组织的识别，识别结果易受人为因素如操作员疲惫、粗心等影响，可靠性较低，且效率极为低下。

技术实现要素：

有鉴于此，本发明的目的在于提供一种土家织锦组织类型判定方法、装置及电子设备，以解决上述问题。

为实现上述目的，本发明提供如下技术方案：

一种土家织锦组织类型判定方法，所述方法包括：

对待识别织锦组织的图像进行预处理，生成所需灰度图；

计算所述所需灰度图在0°方向的归一化的灰度共生矩阵，记为第一灰度共生矩阵；

计算所述所需灰度图在45°方向的归一化的灰度共生矩阵，记为第二灰度共生矩阵；

计算所述所需灰度图在90°方向的归一化的灰度共生矩阵，记为第三灰度共生矩阵；

计算所述所需灰度图在135°方向的归一化的灰度共生矩阵，记为第四灰度共生矩阵；

根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型。

可选地，所述对待识别织锦组织的图像进行预处理，生成所需灰度图的步骤包括：

对所述待识别织锦组织的图像进行灰度化，生成灰度图；

对灰度化的待识别织锦组织的图像进行中值滤波，得到滤波后的灰度图；

对所述滤波后的灰度图进行二值化处理，生成所需灰度图。

可选地，所述根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型的步骤包括：

计算所述第一灰度共生矩阵的对比度，记为第一对比度；

计算所述第二灰度共生矩阵的对比度，记为第二对比度；

计算所述第三灰度共生矩阵的对比度，记为第三对比度；

计算所述第四灰度共生矩阵的对比度，记为第四对比度；

将所述第三对比度与所述第一对比度、第二对比度和第四对比度分别做差，得到三个差值；

若所述三个差值有一个大于或等于0，则判定所述待识别织锦组织的类型为斜纹；

若所述三个差值均小于0，则计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，若所述均值与所述第三对比度的差值小于所述标准差，则判定所述待识别织锦组织的类型为斜纹；

若所述三个差值均小于0，则计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，若所述均值与所述第三对比度的差值大于或等于所述标准差，则判定所述待识别织锦组织的类型为平纹。

可选地，所述对所述待识别织锦组织的图像进行灰度化，生成灰度图的步骤包括：

获取所述待识别织锦组织的图像中每个像素点的r、g、b三个分量的平均值，将该平均值赋予该像素点的灰度值。

可选地，所述对所述滤波后的灰度图进行二值化处理，生成所需灰度图的步骤包括：

采用直方图法寻找二值化阈值。

可选地，所述方法还包括：

采集纬纱保持水平的待识别织锦组织的图像。

一种土家织锦组织类型判定装置，包括：

预处理模块，用于对待识别织锦组织的图像进行预处理，生成所需灰度图；

灰度共生矩阵计算模块，用于计算所述所需灰度图在0°方向的归一化的灰度共生矩阵并记为第一灰度共生矩阵，计算所述所需灰度图在45°方向的归一化的灰度共生矩阵并记为第二灰度共生矩阵，计算所述所需灰度图在90°方向的归一化的灰度共生矩阵并记为第三灰度共生矩阵，以及计算所述所需灰度图在135°方向的归一化的灰度共生矩阵并记为第四灰度共生矩阵；

判定模块，用于根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型。

可选地，所述预处理模块包括：

灰度化子模块，用于对所述待识别织锦组织的图像进行灰度化，生成灰度图；

滤波子模块，用于对灰度化的待识别织锦组织的图像进行中值滤波，得到滤波后的灰度图；

二值化子模块，用于对所述滤波后的灰度图进行二值化处理，生成所需灰度图。

可选地，所述判定模块包括：

对比度计算子模块，用于计算所述第一灰度共生矩阵的对比度并记为第一对比度，计算所述第二灰度共生矩阵的对比度并记为第二对比度，计算所述第三灰度共生矩阵的对比度并记为第三对比度，以及计算所述第四灰度共生矩阵的对比度并记为第四对比度；

对比度差值计算子模块，用于将所述第三对比度与所述第一对比度、第二对比度和第四对比度分别做差，得到三个差值；

斜纹判定子模块，用于在所述三个差值有一个大于或等于0时，判定所述待识别织锦组织的类型为斜纹；

所述斜纹判定子模块，还用于在所述三个差值均小于0时，计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，在所述均值与所述第三对比度的差值小于所述标准差时，判定所述待识别织锦组织的类型为斜纹；

平纹判定子模块，用于在所述三个差值均小于0时，计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，在所述均值与所述第三对比度的差值大于或等于所述标准差时，判定所述待识别织锦组织的类型为平纹。

一种电子设备，包括处理器和存储器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

对待识别织锦组织的图像进行预处理，生成所需灰度图；

计算所述所需灰度图在0°方向的归一化的灰度共生矩阵，记为第一灰度共生矩阵；

计算所述所需灰度图在45°方向的归一化的灰度共生矩阵，记为第二灰度共生矩阵；

计算所述所需灰度图在90°方向的归一化的灰度共生矩阵，记为第三灰度共生矩阵；

计算所述所需灰度图在135°方向的归一化的灰度共生矩阵，记为第四灰度共生矩阵；

根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型。

本发明实施例提供的土家织锦组织类型判定方法、装置及电子设备，通过图像处理，根据灰度共生矩阵的对比度，判定土家织锦组织的类型，相较于人工识别，具有速度快，成本低，受人为因素影响较小，准确率高的特点，可广泛用于工业识别。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明较佳实施例提供的一种电子设备的方框示意图。

图2为本发明较佳实施例提供的一种土家织锦组织类型判定方法的流程图。

图3为一实施方式中图2所示步骤s220的子步骤的流程图。

图3-1为一实施方式中对平纹样本进行灰度化后的图。

图3-2为一实施方式中对斜纹样本进行灰度化后的图。

图3-3为一实施方式中对图3-1进行中值滤波后的图。

图3-4为一实施方式中对图3-2进行中值滤波后的图。

图3-5为一实施方式中对图3-3进行直方图二值化后的图。

图3-6为一实施方式中对图3-4进行直方图二值化后的图。

图4-1为一实施方式中图2所示步骤s270的子步骤的流程图。

图4-2为一实施方式中图2所示步骤s270的另一子步骤的流程图。

图4-3为一实施方式中图2所示步骤s270的另一子步骤的流程图。

图5为本发明较佳实施例提供的一种土家织锦组织类型判定装置的功能模块框图。

图6为一实施方式中图5所示的预处理模块包括的子模块的示意图。

图7为一实施方式中图5所示的判定模块包括的子模块的示意图。

图标：100-电子设备；110-存储器；120-处理器；130-网络模块；200-土家织锦组织类型判定装置；220-预处理模块；230-灰度共生矩阵计算模块；270-判定模块；221-灰度化子模块；223-滤波子模块；225-二值化子模块；271-对比度计算子模块；275-对比度差值计算子模块；276-斜纹判定子模块；278-平纹判定子模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，术语“第一”、“第二”、“第三”、“第四”等仅用于区分描述，而不能理解为只是或暗示相对重要性。

请参阅图1，是本发明较佳实施例提供的一种电子设备100的方框示意图。本发明实施例中的电子设备100可以为计算机等具备数据处理能力的设备。如图1所示，电子设备100包括：存储器110、处理器120及网络模块130。

所述存储器110、处理器120以及网络模块130相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块，所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本发明实施例中的土家织锦组织类型判定装置200，从而执行各种功能应用以及数据处理，即实现本发明实施例中的土家织锦组织类型判定方法。

其中，所述存储器10可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存储器10用于存储程序，处理器20在接收到执行指令后，执行所述程序，本发明实施例任一实施方式所揭示的流程定义的方法可以应用于处理器20中，或者由处理器20实现。

处理器20可以是一种集成电路芯片，具有信号的处理能力。处理器20可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。处理器20还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)以及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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器20也可以是任何常规处理器等。

网络模块130用于通过网络建立电子设备100与外部通信终端之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参阅图2，是本发明较佳实施例提供的一种土家织锦组织类型判定方法的流程图。所述方法有关的流程所定义的方法步骤可以由所述处理器120实现。下面将对图2所示的具体流程进行详细阐述。

步骤s210，采集纬纱保持水平的待识别织锦组织的图像。

其中，所述待识别织锦组织为待识别的土家织锦组织。采集纬纱保持水平的待识别织锦组织的图像，可以是先采集待识别织锦组织的图像，再旋转所述待识别织锦组织的图像，使其纬纱水平，也可以是，先旋转所述待识别织锦组织的图像，使其纬纱保持水平，再采集。此步骤的目的在于，对比平纹和斜纹，便于人工识别，以验证本发明实施例提供的土家织锦组织类型判定方法、装置及电子设备100的正确性。因而，步骤s210为可选的实现方案，在实际实施时，可以不执行步骤s210，直接执行步骤s220。

步骤s220，对待识别织锦组织的图像进行预处理，生成所需灰度图。

请参阅图3，步骤s220可以包括子步骤s221、子步骤s223和子步骤s225。

子步骤s221，对所述待识别织锦组织的图像进行灰度化，生成灰度图。

所述待识别织锦组织的图像为彩色图像，对彩色图像进行灰度化的方法有很多。例如，对于rgb图像，灰度化方法主要有分量法、最大值法、平均值法和加权平均法。分量法，即用r、g、b三个分量的某一个分量作为该点的灰度值。最大值法，即r、g、b三个分量中最大值作为该点的灰度值。平均值法，即r、g、b三个分量的平均值作为该点的灰度值。加权平均法，即r、g、b三个分量分别乘以相应的权系数再求和。对于hsv和hls图像，可以先转换为rgb图像，再进行灰度化。对于yuv图像，可以将亮度y作为该点的灰度值，其中亮度y＝0.3r+0.59g+0.11b。

可选地，在本实施例中，子步骤s221采用平均值法进行灰度化，即获取所述待识别织锦组织的图像中每个像素点的r、g、b三个分量的平均值，将该平均值赋予该像素点的灰度值。灰度化后的待识别织锦组织的图像如图3-1和图3-2所示。其中，图3-1表示对平纹样本进行灰度化后的图，图3-2表示对斜纹样本进行灰度化后的图。

子步骤s223，对灰度化的待识别织锦组织的图像进行中值滤波，得到滤波后的灰度图。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。滤波后的灰度图如图3-3和图3-4所示。其中，图3-3表示对图3-1进行中值滤波后的图，图3-4表示对图3-2进行中值滤波后的图。

子步骤s225，对所述滤波后的灰度图进行二值化处理，生成所需灰度图。

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。由于经纱一般是黑色，因而可以直接通过二值化来进行图像增强。采用直方图法寻找二值化阈值。二值化的方法有很多，可选地在本实施例中，采用直方图法寻找二值化阈值。直方图是图像的重要特质，直方图方法选择二值化阈值主要是发现图像的两个最高的峰，然后在阈值取值在两个峰之间的峰谷最低处。采用直方图二值化后，生成的所需灰度图如图3-5和图3-6所示。其中，图3-5表示对图3-3进行直方图二值化后的图，图3-6表示对图3-4进行直方图二值化后的图。

步骤s230，计算所述所需灰度图在0°方向的归一化的灰度共生矩阵，记为第一灰度共生矩阵。

步骤s240，计算所述所需灰度图在45°方向的归一化的灰度共生矩阵，记为第二灰度共生矩阵。

步骤s250，计算所述所需灰度图在90°方向的归一化的灰度共生矩阵，记为第三灰度共生矩阵。

步骤s260，计算所述所需灰度图在135°方向的归一化的灰度共生矩阵，记为第四灰度共生矩阵。

根据土家织锦组织的纹理特性，在步骤s230、步骤s240、步骤s250和步骤s260中，计算所需灰度图在0°、45°、90°和135°方向的归一化的灰度共生矩阵的步长可以为8。

步骤s270，根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型。

步骤s270包括子步骤s271、子步骤s272、子步骤s273、子步骤s274、子步骤s275、子步骤s276、子步骤s277和子步骤s278。

子步骤s271，计算所述第一灰度共生矩阵的对比度，记为第一对比度。

子步骤s272，计算所述第二灰度共生矩阵的对比度，记为第二对比度。

子步骤s273，计算所述第三灰度共生矩阵的对比度，记为第三对比度。

子步骤s274，计算所述第四灰度共生矩阵的对比度，记为第四对比度。

子步骤s271、子步骤s272、子步骤s273和子步骤s274中涉及的计算第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度计算公式为：

子步骤s275，将所述第三对比度与所述第一对比度、第二对比度和第四对比度分别做差，得到三个差值，比较所述三个差值是否均小于0。

若所述三个差值有一个大于或等于0，则执行子步骤s276，如图4-1所示。若所述三个差值均小于0，则执行子步骤s277，如图4-2和图4-3所示。

子步骤s276，判定所述待识别织锦组织的类型为斜纹。

子步骤s277，计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，比较所述均值与所述第三对比度的差值是否小于所述标准差。

若所述均值与所述第三对比度的差值小于所述标准差，则执行步骤s276，如图4-2所示。若所述均值与所述第三对比度的差值大于或等于所述标准差，则执行子步骤s278，如图4-3所示。

子步骤s278，判定所述待识别织锦组织的类型为平纹。

如下表所示，下表是图3-5和图3-6分别经步骤s230、步骤s240、步骤s250步骤s260和步骤s270进行计算及判断的结果表。

在上述基础上，如图5所示，本发明实施例还提供一种土家织锦组织类型判定装置200，包括：预处理模块220、灰度共生矩阵计算模块230和判定模块270。

其中，预处理模块220用于对待识别织锦组织的图像进行预处理，生成所需灰度图。由于预处理模块220和图2中步骤s220的实现原理类似，步骤s220可以包括子步骤s221、子步骤s223和子步骤s225，对应地，请参阅图6，所述预处理模块220包括：灰度化子模块221、滤波子模块223和二值化子模块225。

灰度化子模块221用于对所述待识别织锦组织的图像进行灰度化，生成灰度图。灰度化子模块221和图3中子步骤s221的实现原理类似，因此在此不作更多说明。

滤波子模块223用于对灰度化的待识别织锦组织的图像进行中值滤波，得到滤波后的灰度图。滤波子模块223和图3中子步骤s223的实现原理类似，因此在此不作更多说明。

二值化子模块225用于对所述滤波后的灰度图进行二值化处理，生成所需灰度图。二值化子模块225和图3中子步骤s225的实现原理类似，因此在此不作更多说明。

灰度共生矩阵计算模块230用于计算所述所需灰度图在0°方向的归一化的灰度共生矩阵并记为第一灰度共生矩阵，计算所述所需灰度图在45°方向的归一化的灰度共生矩阵并记为第二灰度共生矩阵，计算所述所需灰度图在90°方向的归一化的灰度共生矩阵并记为第三灰度共生矩阵，以及计算所述所需灰度图在135°方向的归一化的灰度共生矩阵并记为第四灰度共生矩阵。灰度共生矩阵计算模块230和图2中步骤s230、步骤s240、步骤s250和步骤s260的实现原理类似，因此在此不作更多说明。

判定模块270用于根据所述第一灰度共生矩阵、第二灰度共生矩阵、第三灰度共生矩阵和第四灰度共生矩阵的对比度，判定所述待识别织锦组织的类型。判定模块270和图2中步骤s270的实现原理类似，如图7所示，所述判定模块270包括对比度计算子模块271、对比度差值计算子模块275、斜纹判定子模块276和平纹判定子模块278。

对比度计算子模块271用于计算所述第一灰度共生矩阵的对比度并记为第一对比度，计算所述第二灰度共生矩阵的对比度并记为第二对比度，计算所述第三灰度共生矩阵的对比度并记为第三对比度，以及计算所述第四灰度共生矩阵的对比度并记为第四对比度。对比度计算子模块271和图4-1、4-2和4-3中子步骤s271、子步骤s272、子步骤s273和子步骤s274的实现原理类似，因此在此不作更多说明。

对比度差值计算子模块275用于将所述第三对比度与所述第一对比度、第三对比度和第四对比度分别做差，得到三个差值，比较所述三个差值是否均小于0。对比度差值计算子模块275和图4-1、4-2和4-3中中子步骤s275的实现原理类似，因此在此不作更多说明。

斜纹判定子模块276用于在所述三个差值有一个大于或等于0时，判定所述待识别织锦组织的类型为斜纹。所述斜纹判定子模块276，还用于在所述三个差值均小于0时，计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，在所述均值与所述第三对比度的差值小于所述标准差时，判定所述待识别织锦组织的类型为斜纹。斜纹判定子模块276和图4-1中子步骤s276和图4-2中子步骤s277的实现原理类似，因此在此不作更多说明。

平纹判定子模块278用于在所述三个差值均小于0时，计算所述第一对比度、第二对比度、第三对比度和第四对比度的均值和标准差，在所述均值与所述第三对比度的差值大于或等于所述标准差时，判定所述待识别织锦组织的类型为平纹。平纹判定子模块278和图4-3中子步骤s278的实现原理类似，因此在此不作更多说明。

本发明实施例提供的土家织锦组织类型判定方法、装置及电子设备100，通过图像处理，根据灰度共生矩阵的对比度，判定土家织锦组织的类型，相较于人工识别，具有速度快，成本低，受人为因素影响较小，准确率高的特点，可广泛用于工业识别。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，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，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。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

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，本发明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计算机设备(可以是个人计算机，各种电子设备，或者网络设备等)执行本发明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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。