本申请涉及建筑信息技术领域,尤其涉及一种基于形态学操作的文字区域检测方法及装置。
背景技术:
建筑图纸中往往包含较多的文字区域,为了更加智能化的解读建筑图纸,需要采用文字区域检测来识别出建筑图纸中的文字区域。
目前的文字区域检测通常采用目标检测的方法,在目标检测方法中,每个目标都有定义好的边界框,评判的标准为检测出的边界框与当前目标的真实的边界框重叠率大于一定阈值,就表示该检测结果正确。但是文字区域检测中正确检测出文字区域的位置需要覆盖整个文字长度,所以评判的标准不同于目标检测,因此,采用目标检测方法来检测建筑图纸中的文字区域不够准确,且计算复杂度较高。
技术实现要素:
本申请提供一种基于形态学操作的文字区域检测方法及装置,有利于提高建筑图纸中文字区域检测的准确度,并且计算复杂度较低。
本申请第一方面提供一种基于形态学操作的文字区域检测方法,包括:
对待检测图像进行预处理,以得到第一图像;
对所述第一图像进行边缘计算,以得到第二图像;
采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域;
查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
结合本申请第一方面,在第一方面的一种可能的实施方式中,所述对待检测图像进行预处理,以得到第一图像包括:
对所述待检测图像进行增强处理,以得到待检测的增强图像;
将所述待检测的增强图像进行灰度处理,以得到待检测的灰度图像;
对所述待检测的灰度图像进行二值化处理,以得到所述第一图像。
结合本申请第一方面,在第一方面的一种可能的实施方式中,所述对所述第一图像进行边缘计算包括:
采用正态变换算子计算所述第一图像中每个像素点的边缘强度和方向,其中,所述正态变换算子为:
结合本申请第一方面,在第一方面的一种可能的实施方式中,所述采用预设形态学操作算法对所述第二图像进行至少一次处理包括:
采用所述膨胀操作算法对所述第二图像进行处理,以突出所述第二图像中的轮廓,得到第三图像;
采用所述腐蚀操作算法对所述第三图像进行处理,以去除所述第三图像中的细节,得到第四图像;
采用所述膨胀操作算法对所述第四图像进行处理,以突出所述第四图像中的轮廓。
结合本申请第一方面,在第一方面的一种可能的实施方式中,所述查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域包括:
计算所述至少一个轮廓区域的面积,以选择出面积大于预设面积阈值的待检测区域;
从所述待检测区域中查找所述文字区域,绘制所述文字区域的轮廓。
本申请第二方面提供了一种基于形态学操作的文字区域检测装置,包括:
预处理模块,用于对待检测图像进行预处理,以得到第一图像;
边缘计算模块,用于对所述第一图像进行边缘计算,以得到第二图像;
形态学操作模块,用于采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域;
检测模块,用于查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
结合本申请第二方面,在第二方面的一种可能的实施方式中,所述预处理模块具体用于:
对所述待检测图像进行增强处理,以得到待检测的增强图像;
将所述待检测的增强图像进行灰度处理,以得到待检测的灰度图像;
对所述待检测的灰度图像进行二值化处理,以得到所述第一图像。
结合本申请第二方面,在第二方面的一种可能的实施方式中,所述边缘计算模块具体用于:
采用正态变换算子计算所述第一图像中每个像素点的边缘强度和方向,其中,所述正态变换算子为:
结合本申请第二方面,在第二方面的一种可能的实施方式中,所述形态学操作模块具体用于:
采用所述膨胀操作算法对所述第二图像进行处理,以突出所述第二图像中的轮廓,得到第三图像;
采用所述腐蚀操作算法对所述第三图像进行处理,以去除所述第三图像中的细节,得到第四图像;
采用所述膨胀操作算法对所述第四图像进行处理,以突出所述第四图像中的轮廓。
结合本申请第二方面,在第二方面的一种可能的实施方式中,所述检测模块具体用于:
计算所述至少一个轮廓区域的面积,以选择出面积大于预设面积阈值的待检测区域;
从所述待检测区域中查找所述文字区域,绘制所述文字区域的轮廓。
本申请第三方面提供一种电子设备,所述电子设备包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行本申请第一方面任一方法中的步骤的指令。
本申请第四方面提供了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以实现本申请第一方面任一方法中所描述的部分或全部步骤。
可以看出,通过本申请提出的基于形态学操作的文字区域检测方法及装置,首先对待检测图像进行预处理,以得到第一图像,然后对第一图像进行边缘计算,以得到第二图像,然后采用预设形态学操作算法对第二图像进行至少一次处理,以得到目标图像,其中,预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,目标图像包括至少一个轮廓区域,最后查找该至少一个轮廓区域,以检测出目标图像中的文字区域。这样,采用形态学操作算法检测建筑图纸中的文字区域,一方面有利于提高建筑图纸中文字区域检测的准确度,另一方面可以降低文字区域检测的计算复杂度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本申请实施例提供的一种基于形态学操作的文字区域检测方法的示意图;
图2为腐蚀操作的示意图;
图3为膨胀操作的示意图;
图4为本申请实施例提供的另一种基于形态学操作的文字区域检测方法的示意图;
图5为本申请实施例提供的一种基于形态学操作的文字区域检测装置的示意图;
图6为本申请实施例提供的一种电子设备的示意图。
具体实施方式
本申请实施例提供的基于形态学操作的文字区域检测方法及装置,有利于提高建筑图纸中文字区域检测的准确度,并且计算复杂度较低
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请实施例进行详细说明。
首先参见图1,图1为本申请的一个实施例提供的一种基于形态学操作的文字区域检测方法的示意图。其中,如图1所示,本申请实施例提供的一种基于形态学操作的文字区域检测方法可以包括:
101、对待检测图像进行预处理,以得到第一图像。
建筑图纸通常为底色为黑色并且较暗的彩图,在对建筑图纸进行文字区域检测之前,首先需要对建筑图纸进行预处理,以便于后续的处理。
首先获取待检测图像,对该待检测图像进行预处理,以得到第一图像。可选的,对该待检测图像进行预处理的方法可以是:对该待检测图像进行增强处理,以得到待检测的增强图像;对该待检测的增强图像进行灰度处理,以得到待检测的灰度图像;对该待检测的灰度图像进行二值化处理,以得到该第一图像。
具体的,待检测图像为底色为黑色并且较暗的彩图,首先需要采用图像增强调整待检测图像的亮度,对该待检测图像进行色彩增强。然后,获取待检测的增强图像,为了后续处理,将该待检测的增强图像转化为灰度图。然后利用边缘检测算子对该待检测的灰度图像进行二值化处理,将该待检测的灰度图像转化为二值图,从而得到该第一图像。
102、对所述第一图像进行边缘计算,以得到第二图像。
具体的,采用正态变换算子计算该第一图像中每个像素点的边缘强度和方向,从而计算出该第一图像的边缘,其中,该正态变换算子为:
103、采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域。
在图像处理技术中,有一些操作会对图像的形态发生改变,这些操作一般称之为形态学操作(phology)。数学形态学是基于集合论的图像处理方法,最早出现在生物学的形态与结构中,图像处理中的形态学操作用于图像与处理操作(去噪,形状简化)、图像增强(骨架提取,细化,凸包及物体标记)、物体背景分割及物体形态量化等场景中,形态学操作的对象是二值化图像。形态学操作包括膨胀操作、腐蚀操作、开操作、闭操作等,其中膨胀操作和腐蚀操作是许多形态学操作的基础。
腐蚀操作是将图像的边缘加以腐蚀,用于去掉细节。腐蚀操作的具体的操作方法是用一个宽为m、高为n的矩形作为模板,对图像中的每一个像素x做如下处理:像素x置于模板的中心,根据模板的大小,遍历所有被模板覆盖的其他像素,修改像素x的值为所有像素中最小的值。这样操作的结果是会将图像外围的突出点加以腐蚀。参见图2,图2为腐蚀操作的示意图。如图2所示,用3*3的模板对原图像进行腐蚀操作,得到腐蚀后的图像。
膨胀操作与腐蚀操作相反,是将图像的轮廓加以膨胀,用于突出轮廓。膨胀操作的具体的操作方法与腐蚀操作类似,也是用一个宽为m、高为n的矩形作为模板,对图像的每个像素x做如下处理:像素x置于模板的中心,根据模板的大小,遍历所有被模板覆盖的其他像素,修改像素x的值为所有像素中最大的值。这样操作的结果会将图像外围的突出点连接并向外延伸。参见图3,图3为膨胀操作的示意图。如图3所示,用3*3的模板对原图像进行膨胀操作,得到膨胀后的图像。
可选的,采用预设形态学操作算法对第二图像进行至少一次处理的方法可以是:采用膨胀操作算法对第二图像进行处理,以突出该第二图像中的轮廓,得到第三图像;采用腐蚀操作算法对该第三图像进行处理,以去除该第三图像中的细节,得到第四图像;采用膨胀操作算法对该第四图像进行处理,以突出该第四图像中的轮廓。
具体的,获取第二图像,首先对该第二图像进行膨胀操作,突出第二图像的轮廓,得到第三图像。然后对第三图像进行腐蚀操作,去掉第三图像的细节,得到第四图像。最后对第四图像进行膨胀操作,更加突出第四图像的轮廓,从而得到目标图像。
104、查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
采用预设形态学操作算法对第二图像进行处理后得到的目标图像包括至少一个轮廓区域,该至少一个轮廓区域中包括了文字区域,因此需要查找该至少一个轮廓区域,以检测出文字区域。
可选的,查找该至少一个轮廓区域,以检测出目标图像中的文字区域的方法可以是:计算该至少一个轮廓区域的面积,以选择出面积大于预设面积阈值的待检测区域;从该待检测区域中查找文字区域,绘制文字区域的轮廓。
具体的,计算该至少一个轮廓区域的面积,然后筛选掉面积不大于预设面积阈值的轮廓区域,得到面积大于该预设面积阈值的待检测区域。然后从该待检测区域中筛选出矩形,并且绘制该矩形的轮廓,从而检测出目标图像中的文字区域。
可以看出,通过本申请实施例提出的基于形态学操作的文字区域检测方法,首先对待检测图像进行预处理,以得到第一图像,然后对第一图像进行边缘计算,以得到第二图像,然后采用预设形态学操作算法对第二图像进行至少一次处理,以得到目标图像,其中,预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,目标图像包括至少一个轮廓区域,最后查找该至少一个轮廓区域,以检测出目标图像中的文字区域。这样,采用形态学操作算法检测建筑图纸中的文字区域,一方面有利于提高建筑图纸中文字区域检测的准确度,另一方面可以降低文字区域检测的计算复杂度。
参见图4,图4为本申请的另一个实施例提供的另一种基于形态学操作的文字区域检测方法的示意图。其中,如图4所示,本申请实施例提供的另一种基于形态学操作的文字区域检测方法可以包括:
401、对待检测图像进行增强处理,以得到待检测的增强图像。
具体的,待检测图像为底色为黑色并且较暗的彩图,首先需要采用图像增强调整待检测图像的亮度,对该待检测图像进行色彩增强。
在一种可能的实施方式中,采用gamma校正对该待检测图像进行增强处理,调整该待检测图像的亮度,进行色彩增强。gamma校正数学表达为指数方式,采用gamma校正对该待检测图像进行增强处理后得到的待检测的增强图像满足以下公式:
r1=rγ,g1=gγ,b1=bγ
其中,γ为gamma值,r1代表gamma校正后的红色通道,g1代表gamma校正后的绿色通道,b1代表gamma校正后的蓝色通道。r代表gamma校正前的红色通道,g代表gamma校正前的绿色通道,b代表gamma校正前的蓝色通道。
402、将该待检测的增强图像进行灰度处理,以得到待检测的灰度图像。
具体的,获取待检测的增强图像,为了后续处理,将该待检测的增强图像转化为灰度图。
在一种可能的实施方式中,将该待检测的增强图像进行灰度处理满足以下公式:
gray=(r1*299+g1*587+b1*114+500)/1000
其中,gray为进行灰度处理后得到的待检测的灰度图像,r1代表gamma校正后的红色通道,g1代表gamma校正后的绿色通道,b1代表gamma校正后的蓝色通道。为了避免低速的浮点运算,所以公式中采用整数算法,相乘系数都是3位精度,通过缩放1000倍来实现整数运算算法。
403、对该待检测的灰度图像进行二值化处理,以得到第一图像。
具体的,利用边缘检测算子对该待检测的灰度图像进行二值化处理,将该待检测的灰度图像转化为二值图,从而得到该第一图像。
在一种可能的实施方式中,利用sobel边缘检测算子对该待检测的灰度图像进行二值化处理,生成二值图,满足如下公式:
其中,g(x,y)代表该第一图像,i(x,y)代表该待检测的灰度图像,卷积核大小为3*3。
404、对该第一图像进行边缘计算,以得到第二图像。
具体的,采用正态变换算子计算该第一图像中每个像素点的边缘强度和方向,从而计算出该第一图像的边缘,其中,该正态变换算子为:
405、采用膨胀操作算法对该第二图像进行处理,以突出该第二图像中的轮廓,得到第三图像。
在图像处理技术中,有一些操作会对图像的形态发生改变,这些操作一般称之为形态学操作(phology)。数学形态学是基于集合论的图像处理方法,最早出现在生物学的形态与结构中,图像处理中的形态学操作用于图像与处理操作(去噪,形状简化)、图像增强(骨架提取,细化,凸包及物体标记)、物体背景分割及物体形态量化等场景中,形态学操作的对象是二值化图像。形态学操作包括膨胀操作、腐蚀操作、开操作、闭操作等,其中膨胀操作和腐蚀操作是许多形态学操作的基础。
膨胀操作是将图像的轮廓加以膨胀,用于突出轮廓。膨胀操作的具体的操作方法与腐蚀操作类似,也是用一个宽为m、高为n的矩形作为模板,对图像的每个像素x做如下处理:像素x置于模板的中心,根据模板的大小,遍历所有被模板覆盖的其他像素,修改像素x的值为所有像素中最大的值。这样操作的结果会将图像外围的突出点连接并向外延伸。
具体的,获取第二图像,首先对该第二图像进行膨胀操作,突出第二图像的轮廓,得到第三图像。在一种可能的实施方式中,采用膨胀操作算法对该第二图像进行处理满足以下公式:
其中,u1(x,y)代表第三图像,f(x,y)代表第二图像,d(x,y)代表膨胀操作算法的卷积模板,
406、采用腐蚀操作算法对该第三图像进行处理,以去除该第三图像中的细节,得到第四图像。
腐蚀操作是将图像的边缘加以腐蚀,用于去掉细节。腐蚀操作的具体的操作方法是用一个宽为m、高为n的矩形作为模板,对图像中的每一个像素x做如下处理:像素x置于模板的中心,根据模板的大小,遍历所有被模板覆盖的其他像素,修改像素x的值为所有像素中最小的值。这样操作的结果是会将图像外围的突出点加以腐蚀。
具体的,对第三图像进行腐蚀操作,去掉第三图像的细节,得到第四图像。在一种可能的实施方式中,采用腐蚀操作算法对该第三图像进行处理满足以下公式:
其中,u2(x,y)代表第四图像,u1(x,y)代表第三图像,r(x,y)代表腐蚀操作算法的卷积模板,
407、采用膨胀操作算法对该第四图像进行处理,以突出该第四图像中的轮廓,得到目标图像,该目标图像包括至少一个轮廓区域。
具体的,对第四图像进行膨胀操作,更加突出第四图像的轮廓,从而得到目标图像。在一种可能的实施方式中,采用膨胀操作算法对该第四图像进行处理满足以下公式:
其中,u3(x,y)代表目标图像,u2(x,y)代表第四图像,d(x,y)代表膨胀操作算法的卷积模板,
408、查找该至少一个轮廓区域,以检测出该目标图像中的文字区域。
采用预设形态学操作算法对第二图像进行处理后得到的目标图像包括至少一个轮廓区域,该至少一个轮廓区域中包括了文字区域,因此需要查找该至少一个轮廓区域,以检测出文字区域。
可选的,查找该至少一个轮廓区域,以检测出目标图像中的文字区域的方法可以是:计算该至少一个轮廓区域的面积,以选择出面积大于预设面积阈值的待检测区域;从该待检测区域中查找文字区域,绘制文字区域的轮廓。
具体的,计算该至少一个轮廓区域的面积,然后筛选掉面积不大于预设面积阈值的轮廓区域,得到面积大于该预设面积阈值的待检测区域。然后从该待检测区域中筛选出矩形,并且绘制该矩形的轮廓,从而检测出目标图像中的文字区域。
可以看出,通过本申请实施例提出的基于形态学操作的文字区域检测方法,首先对待检测图像进行预处理,以得到第一图像,然后对第一图像进行边缘计算,以得到第二图像,然后采用预设形态学操作算法对第二图像进行至少一次处理,以得到目标图像,其中,预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,目标图像包括至少一个轮廓区域,最后查找该至少一个轮廓区域,以检测出目标图像中的文字区域。这样,采用形态学操作算法检测建筑图纸中的文字区域,一方面有利于提高建筑图纸中文字区域检测的准确度,另一方面可以降低文字区域检测的计算复杂度。
参见图5,图5为本申请的另一个实施例提供的一种基于形态学操作的文字区域检测装置的示意图。其中,如图5所示,本申请实施例提供的一种基于形态学操作的文字区域检测装置可以包括:
预处理模块501,用于对待检测图像进行预处理,以得到第一图像;
边缘计算模块502,用于对所述第一图像进行边缘计算,以得到第二图像;
形态学操作模块503,用于采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域;
检测模块504,用于查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
可以看出,通过本申请实施例提出的基于形态学操作的文字区域检测装置,首先对待检测图像进行预处理,以得到第一图像,然后对第一图像进行边缘计算,以得到第二图像,然后采用预设形态学操作算法对第二图像进行至少一次处理,以得到目标图像,其中,预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,目标图像包括至少一个轮廓区域,最后查找该至少一个轮廓区域,以检测出目标图像中的文字区域。这样,采用形态学操作算法检测建筑图纸中的文字区域,一方面有利于提高建筑图纸中文字区域检测的准确度,另一方面可以降低文字区域检测的计算复杂度。
可选的,作为一个实施例,预处理模块501具体用于:
对所述待检测图像进行增强处理,以得到待检测的增强图像;
将所述待检测的增强图像进行灰度处理,以得到待检测的灰度图像;
对所述待检测的灰度图像进行二值化处理,以得到所述第一图像。
可选的,作为一个实施例,边缘计算模块502具体用于:
采用正态变换算子计算所述第一图像中每个像素点的边缘强度和方向,其中,所述正态变换算子为:
可选的,作为一个实施例,形态学操作模块503具体用于:
采用所述膨胀操作算法对所述第二图像进行处理,以突出所述第二图像中的轮廓,得到第三图像;
采用所述腐蚀操作算法对所述第三图像进行处理,以去除所述第三图像中的细节,得到第四图像;
采用所述膨胀操作算法对所述第四图像进行处理,以突出所述第四图像中的轮廓。
可选的,作为一个实施例,检测模块504具体用于:
计算所述至少一个轮廓区域的面积,以选择出面积大于预设面积阈值的待检测区域;
从所述待检测区域中查找所述文字区域,绘制所述文字区域的轮廓。
本申请实施例中基于形态学操作的文字区域检测装置的具体实施可参见上述基于形态学操作的文字区域检测方法的各实施例,在此不做赘述。
参见图6,图6为本申请实施例提供的一种电子设备的示意图。其中,如图6所示,本申请实施例提供的电子设备可以包括:
处理器601,例如cpu。
存储器602,可选的,存储器可以为高速ram存储器,也可以是稳定的存储器,例如磁盘存储器。
通信接口603,用于实现处理器601和存储器602之间的连接通信。
本领域技术人员可以理解,图6中示出的电子设备的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图6所示,存储器602中可以包括操作系统、网络通信模块以及文字区域检测程序。操作系统是管理和控制电子设备硬件和软件资源的程序,支持文字区域检测程序以及其他软件或程序的运行。网络通信模块用于实现存储器602内部各组件之间的通信,以及与电子设备中其他硬件和软件之间通信。
在图6所示的电子设备中,处理器601用于执行存储器602中存储的文字区域检测程序,实现以下步骤:
对待检测图像进行预处理,以得到第一图像;
对所述第一图像进行边缘计算,以得到第二图像;
采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域;
查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
本申请实施例中电子设备的具体实施可参见上述基于形态学操作的文字区域检测方法的各实施例,在此不做赘述。
本申请的另一个实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行以实现以下步骤:
对待检测图像进行预处理,以得到第一图像;
对所述第一图像进行边缘计算,以得到第二图像;
采用预设形态学操作算法对所述第二图像进行至少一次处理,以得到目标图像,其中,所述预设形态学操作算法包括膨胀操作算法和/或腐蚀操作算法,所述目标图像包括至少一个轮廓区域;
查找所述至少一个轮廓区域,以检测出所述目标图像中的文字区域。
本申请计算机可读存储介质的具体实施可参见上述基于形态学操作的文字区域检测方法的各实施例,在此不做赘述。
还需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。