一种图像增强处理方法、装置、设备及介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像增强处理方法、装置、设备及介质。

背景技术

图像增强的主要目的是提高图像的质量和可辨识度，使图像更有利于观察或进一步分析处理。图像增强技术一般通过对图像的某些特征，例如边缘信息、轮廓信息和对比度等进行突出或增强，有目的地强调图像的整体或局部特征，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，从而改善图像质量、丰富信息量，更好地显示图像的有用信息，加强图像判读和识别效果，满足某些特殊分析的需要。

目前，图像增强处理方法通常采用CLAHE算法(限制对比度自适应直方图均衡算法)达到增强图像的对比度，现有的CLAHE算法是将待处理图像分为大小相等的不重叠子块，计算每个子块的直方图，然后对各直方图进行阈值剪切，这种方法虽然能够加强对图像的局部处理，但是处理后的图像在平坦区域或规则特征区域，具有明显的块效应，而且现有的CLAHE算法在对高亮图像或宽动态图像进行增强处理时，存在增强效果不佳的问题，因此现有的CLAHE算法一般适用于自然风景或红外图像等，适用范围较窄。

申请内容

鉴于以上所述现有技术的缺点，本申请提供一种图像增强处理方法、系统、设备及介质，以解决上述图像增强处理具有块效应、图像增强效果不佳的技术问题。

在第一方面，本申请提供的一种图像增强处理方法，所述方法包括：

获取输入图像的原始直方图和原始直方图的参数信息，所述参数信息包括有效灰度级个数；

对原始直方图进行修正，得到修正直方图，并获取修正直方图的参数信息，该参数信息包括修正直方图的有效灰度级个数；

对原始直方图和修正直方图进行分析，确定修正直方图的映射范围；

根据图像直方图和修正直方图的有效灰度个数，确定修正直方图的剪切系数；

利用剪切系数，对修正直方图进行剪切处理，基于映射范围对剪切后的直方图进行均衡化处理，将处理后得到的映射关系矩阵作为直方图映射规则；

基于直方图映射规则，对待处理图像进行图像增强处理，并予以输出。

在一种可能的实施方式中，对原始直方图和修正直方图进行分析，确定修正直方图的映射范围，包括：

所述原始直方图和修正直方图的参数信息还分别包括最小灰度值、最大灰度值；

根据原始直方图和修正直方图的最小灰度值、最大灰度值，确定输入图像的最小灰度值和最大灰度值，基于输入图像的最小灰度值和最大灰度值，确定修正直方图的映射范围。

在一种可能的实施方式中，基于输入图像的最小灰度值和最大灰度值，确定修正直方图的映射范围，还包括：

所述原始直方图的参数信息还包括灰度重心；

根据输入图像的最小灰度值、最大灰度值确定映射范围的下限增益，基于下限增益和输入图像的最小灰度值、原始直方图的灰度重心、预设的视觉敏感重心确定映射下限，若映射下限小于预设的最小映射灰度值，则将最小映射灰度值作为映射下限；

根据输入图像的最大灰度值、最小灰度值、原始直方图的灰度重心和预设的视觉敏感重心，确定映射范围的上限增益，基于上限增益确定映射上限，若映射上限大于预设的最大映射灰度值，则将最大映射灰度值作为映射上限；

所述下限增益和下限增益均在设定的增益范围内；

基于映射下限和映射上限，确定修正直方图的映射范围。

在一种可能的实施方式中，根据图像直方图和修正直方图的有效灰度级个数，确定修正直方图的剪切系数，包括：

根据原始直方图和修正直方图的有效灰度级个数，确定实际灰度级个数；

基于实际灰度级个数，建立剪切系统模型，具体模型如下，

式中，Kclip表示初始剪切系数，GrayNum表示实际灰度级个数，V

根据输入图像的重心偏移程度，确定强度修正系数，基于强度修正系数，确定最终剪切系数。

在一种可能的实施方式中，利用剪切系数，对修正直方图进行剪切处理，基于映射范围对剪切后的直方图进行均衡化处理，将处理后得到的映射关系矩阵作为直方图映射规则，包括：

根据剪切系数，确定剪切极限值和超过剪切极限值的像素，对修正直方图进行阈值剪切，得到对比度受限直方图；

对经过阈值剪切后的对比度受限直方图，基于累积分布函数，确定映射关系矩阵，将映射关系矩阵作为直方图映射规则。

在一种可能的实施方式中，还包括：

若输入图像为视频中连续的多帧图像，则根据视频中相邻两帧图像的直方图映射规则确定阻尼调节量，通过阻尼调整对直方图映射规则进行一次调整；

以视频中相邻两帧图像的均值差异为偏移调整量，通过偏移调整量对一次调整后的映射规则进行二次调整。

在一种可能的实施方式中，对原始直方图进行修正，得到修正直方图，包括：

确定原始直方图包含的灰度级个数；

基于先验法拟合出自适应修正模型，将初始直方图包含的灰度个数输入到自适应修正模型中，得到动态修正值；

通过动态修正值对初始直方图进行指数调整修正，得到修正直方图。

在第二方面，本申请还提供了一种图像增强处理装置，包括：

直方图获取模块，获取输入图像的原始直方图和原始直方图的参数信息，所述参数信息包括原始直方图的有效灰度级个数；

直方图修正模块，对原始直方图进行修正，得到修正直方图，并获取修正直方图的参数信息，该参数信息包括修正直方图的有效灰度级个数；

直方图分析模块，对原始直方图和修正直方图进行分析，确定修正直方图的映射范围；

剪切系数确定模块，根据图像直方图和修正直方图的有效灰度个数，确定修正直方图的剪切系数；

映射规则获取模块，利用剪切系数，对修正直方图进行剪切处理，基于映射范围对剪切后的直方图进行均衡化处理，将处理后得到的映射关系矩阵作为直方图映射规则；

图像处理模块，基于直方图映射规则，对待处理图像进行图像增强处理，并予以输出。

在第三方面，本申请还提供了一种电子设备，包括处理器、存储器和通信总线；

所述通信总线用于连接处理器和存储器；

所述处理器用于执行存储器中存储的计算机程序，以实现如上述任一项实施例所述的图像增强处理方法。

在第四方面，一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于使计算机执行如上述任一项实施例所述的图像增强处理方法。

上述技术方案的有益效果：本申请将直方图看作一个整体进行直方图获取，通过修正原始直方图，对原始直方图的信息进行预处理，得到的修正直方图与原始直方图相比，能够提升修正直方图中灰度值占比少的比重，使图像的细节信息可视化，将原始直方图和修正直方图进行综合分析，确定合理的剪切系数和映射范围，使直方图的剪切范围和分配范围更合理，将图像灰阶在合适的范围内进行灰度映射，如此一来，可以提升图像的信噪比，灰度信息的层次更加丰富，可视化信息突出，从而高质量地显示各信号区间的信息，整体提升图像的视觉感知效果。

附图说明

图1是本申请一实施例中提供的图像增强处理方法的流程示意图；

图2是本申请一实施例中提供的图像增强算法的流程框图；

图3是本申请一实施例中提供的直方图修正的流程框图；

图4是本申请一实施例中提供的分段线性增强示意图；

图5是本申请一实施例中提供的直方图映射规则的偏置量调整流程框图；

图6是本申请一实施例中提供的图像增强处理装置的框架图；

图7是本申请一实施例中提供的电子设备的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在下文描述中，探讨了大量细节，以提供对本申请实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本申请的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本申请的实施例难以理解。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

参见图1，为本申请提供的一实施例图像增强处理方法的流程示意图，详述如下，

步骤S110，获取输入图像的原始直方图和原始直方图的参数信息，所述参数信息包括有效灰度级个数；

具体地，将输入图像看作是一个整体按灰度级获取原始直方图，避免输入图像被分为多个不重叠子块，所述原始直方图为灰度直方图，若输入图像为彩色图像，可先转换为灰度图像，从灰度图像获取原始直方图。

步骤S120，对原始直方图进行修正，得到修正直方图，并获取修正直方图的参数信息，该参数信息包括修正直方图的有效灰度级个数；

具体地，确定原始直方图的灰度级个数；

基于先验法拟合出自适应修正模型，将初始直方图包含的灰度个数输入到自适应修正模型中，得到动态修正值，该动态修正值可根据不同的场景由自适应修正模型自动得出，使输入图像的信息熵更高，使输入图像的细节信息更多、更丰富；

通过动态修正值对初始直方图进行指数调整修正，得到修正直方图。

步骤S130，对原始直方图和修正直方图进行分析，确定修正直方图的映射范围；

具体地，所述原始直方图和修正直方图的参数信息还分别包括最小灰度值、最大灰度值；

剔除原始直方图灰度值中的干扰值得到对应的最小灰度值、最大灰度值，并剔除修正直方图灰度值中的干扰值得到对应的最小灰度值、最大灰度值；

根据原始直方图和修正直方图的最小灰度值、最大灰度值，确定输入图像剔除干扰值后对应的最小灰度值、最大灰度值，从而基于输入图像的最小灰度值和最大灰度值，确定修正直方图的映射范围；

进一步地，所述原始直方图的参数信息还包括灰度重心，该灰度重心可以采取按灰度值从低到高通过累积分布计算原始直方图的第一重心，再从高到低通过累积分布计算原始直方图的第二重心的方式，取第一重心和第二重心的加权值作为原始直方图的灰度重心；

根据输入图像的最小灰度值、最大灰度值确定映射范围的下限增益，基于下限增益和输入图像的最小灰度值、原始直方图的灰度重心、预设的视觉敏感重心确定映射下限，若映射下限小于预设的最小映射灰度值，则将最小映射灰度值作为映射下限；

根据输入图像的最大灰度值、最小灰度值、原始直方图的灰度重心和预设的视觉敏感重心，确定映射范围的上限增益，基于上限增益确定映射上限，若映射上限大于预设的最大映射灰度值，则将最大映射灰度值作为映射上限；

所述下限增益和下限增益均在设定的增益范围内；

基于映射下限和映射上限，确定修正直方图的映射范围。

步骤S140，根据图像直方图和修正直方图的有效灰度个数，确定修正直方图的剪切系数；

具体地，根据原始直方图和修正直方图的有效灰度级个数，确定实际灰度级个数；

基于实际灰度级个数，建立剪切系统模型，具体模型如下，

式中，Kclip表示初始剪切系数，GrayNum表示实际灰度级个数，V

根据输入图像的重心偏移程度，确定强度修正系数，基于强度修正系数，确定最终剪切系数；

步骤S150，利用剪切系数，对修正直方图进行剪切处理，基于映射范围对剪切后的直方图进行均衡化处理，将处理后得到的映射关系矩阵作为直方图映射规则；

具体地，根据剪切系数，确定剪切极限值和超过剪切极限值的像素，对修正直方图进行阈值剪切，得到对比度受限直方图；

对经过阈值剪切后的对比度受限直方图，基于累积分布函数，确定映射关系矩阵，将映射关系矩阵作为直方图映射规则。

步骤S160，基于直方图映射规则，对输入图像进行图像增强处理，并予以输出；

将输入图像的各像素点按直方图映射规则进行增强，最后输出完成增强的图像。

参见图2，为本申请图像增强算法的流程框图，本实施例以输入图像来自于视频中的图像为例，采用本申请改进后的CLAHE算法对输入图像的增强处理如下；

1.对原始直方图进行修正

1)获取输入图像的原始直方图，公式如下：

p′(s

式中，k为灰度级，L为输入图像的最高灰度级，L＝2

2)对原始直方图进行归一化处理，

式中，n为输入图像像素数的总和。

3)确定原始直方图包含的灰度级个数，

式中，k为灰度级，L为输入图像的最高灰度级，s

4)计算动态修正值，基于先验法拟合出自适应修正模型，依据自适应修正模型确定动态修正值，具体如下，

Pow＝K1×C

式中，C为原始直方图包含的灰度个数，Pow为动态修正值，该动态修正值可根据不同的应用场景自动得出，K1和b1为根据经验预设的系数，可根据实际情况所需选取不同的数值。

5)直方图修正，对原始直方图进行指数调整修正，如图3所示，为本申请直方图修正的流程框图，

p

式中，k为灰度级，p(s

2.直方图分析

根据输入图像的直方图分布自适应计算修正直方图的映射范围，参见图4，为本申请分段线性增强示意图，图中各参数的描述如下，

Ax

Bx

Gx表示原始直方图的灰度重心，通过累积分布计算而得；

Gy表示预设的视觉敏感重心；

Ay表示映射下限；

By表示映射上限；

GrayL表示预设的最小映射灰度值；

GrayH表示预设的最大映射灰度值。

1)计算原始直方图的重心Gx，按灰度值从低到高通过累积分布计算原始直方图的第一重心，再从高到低通过累积分布计算原始直方图的第二重心的方式，取第一重心和第二重心的加权值作为原始直方图的灰度重心Gx。

2)计算输入图像剔除干扰值后对应的最小灰度值Ax、最大灰度值Bx，

2-1)预设控制参数S1＝0.02，即直方图面积S1，计算原始直方图对应S1的最小灰度值Ax

2-2)预设控制参数S2＝0.98，即直方图面积S2，计算原始直方图对应S2的最大灰度值Bx

2-3)计算输入图像剔除干扰值后的最小灰度值Ax和最大灰度值Bx：

3)根据人眼视觉敏感性和工程经验，确定实际增强图像的视觉敏感重心Gy。

4)计算原始直方图带宽和修正直方图的映射范围：

4-1)计算映射下限Ay

①确定映射范围的下限增益K2，

式中，Ax为输入图像剔除干扰值后的最小灰度值，Bx为输入图像剔除干扰值后的最大灰度值，K2∈[K

②计算映射下限

Ay＝K2×(Ax-Gx)+Gy

式中，Gx为原始直方图的灰度重心，Gy为预设的视觉敏感重心，Ax为输入图像剔除干扰值后的最小灰度值；

③映射下限Ay的下溢限制：

若Ay

式中，GrayL通常为35。

4-2)计算映射上限By

①确定映射范围的上限增益K3，

式中，K3∈[K

②计算映射上限

By＝K3×(Bx-Ax)+Ay

式中，Ay为映射下限，Ax为输入图像剔除干扰值后的最小灰度值，Bx为输入图像剔除干扰值后的最大灰度值；

③映射上限By的溢出判断

若By>GrayH，则有，By＝GrayH

式中，GrayH通常为255。

4-3)计算修正直方图的映射范围和修正直方图的剪切值分配范围：

Bin＝By-Ay+1

式中，Bin为修正直方图的映射范围；

Bin

式中，Bin

5)确定剪切系数

5-1)计算CLAHE算法中的剪切系数KClip：

在CLAHE算法中，需根据图像自动调整归一化剪切系数KClip，其计算过程如下：

①确定直方图灰度级个数

计算P(s

确定实际灰度级个数GrayNum，

②计算剪切系数

建立剪切系数模型：

式中，GrayNum表示灰度级个数，V

5-2)确定剪切系数的强度修正系数

①修正直方图偏移重心的程度：

②计算强度修正系数：

HistMul＝K4×b2

其中，BwMul表示输入图像中值偏离重心的程度，K4和b2为模型可调参数值，可根据经验设定；

5-3)确定最终剪切系数N

N

为了使视频画面平稳，对最终剪切系数N

3.对修正直方图进行剪切和分配

1)对图像直方图进行剪切处理

1-1)计算输入图像像素的灰度级的平均像素值

式中，Bin

1-2)计算实际的剪切极限值CL：

式中，

1-3)假设原图像中灰度级像素为P(i0，其中i＝i

CP＝∑(max(P(i)-CL,0))

1-4)计算剪切的像素数平均到图像的每个灰度级上的比值ACP(Average ClipPixels):

N＝∑(P(i)>CL)

式中，N为图像直方图大于剪切值的灰度级个数和。

1-5)对比度受限直方图CH由下式得到：

2)对阈值剪切之后的直方图，进行直方图均衡化处理，获得图像直方图均衡化后的映射关系矩阵。

2-1)计算新直方图CH的累积分布函数

其中，N

2-2)直方图映射

其中，Bin表示修正直方图的映射范围，ML(i0表示直方图映射规则。

于本申请的一种实施例中，如图5所示，为直方图映射规则的偏置量调整流程框图，当输入图像为视频中连续的多帧图像时，为了使视频画质符合主观视觉感受、突变场景平稳过度，对直方图映射规则进行阻尼调整，且以相邻增强图像帧的均值差异为偏移量来抑制图像闪烁。

当输入图像为视频中连续的多帧图像，则根据视频中相邻两帧图像的直方图映射规则确定阻尼调节量，通过阻尼调整对直方图映射规则进行一次调整；

以视频中相邻两帧图像的均值差异为偏移调整量，通过偏移调整量对一次调整后的映射规则进行二次调整，具体如下：

1)直方图映射规则阻尼调整

为了使算法的适应性更广，特别是快速突变的场景，对映射规则做阻尼调整，再对直方图映射规则ML做滤波处理。

直方图映射规则的调节量：

step3＝K5×|ML

滤波后的映射规则ML_adj_f为：

式中，n为视频帧的序号，ML

2)调整偏置

偏移调整的计算公式如下：

M_adj＝step4×(M

其中，n为视频帧的序号，M

3)直方图映射规则更新

偏置量调整后的映射规则为：

ML_f_adj(k)＝ML_f(k)+M_adj，k＝0,1,...,L′-1

其中，k为灰度级，L’为图像位宽的最高灰度级。

4)输出图像

基于直方图映射规则，对输入图像进行图像增强。若设输入图像的某一像素点为L

L

式中，L

于本申请的一实施例中，若输入图像为彩色图像，先将彩色图像转换为灰度图像，转换方法使用常规的方法即可，例如，将彩色图像中的每个像素提取出来，然后分别取像素的R、G、B分量，利用常规的灰度转换公式分别计算R、G、B分量对应的灰度值，灰度转换公式为现有的常规技术，此处不再详述，采用上述方法对转换得到的灰度图像进行图像增强处理，最后将增强处理后的灰度图像恢复为彩色图像即可，恢复的方法采用现有的各种常规方法均可，本实施例采用的以下公式对灰度图像进行恢复:

Y(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j)

式中，R′(i,j)为恢复后的红色分量，R(i,j)为输入图像的红色分量，G′(i,j)为恢复后的绿色分量，G(i,j)为输入图像的绿色分量，B′(i,j)为恢复后的蓝色分量，B(i,j)为输入图像的蓝色分量，Y′(i,j)为增强处理后的灰度图像，Y(i,j)为增强处理前彩色图像转换的灰度图像。

如图6所示，本实施例提供了一种图像增强处理装置，该装置包括：

直方图获取模块601，用于获取输入图像的原始直方图和原始直方图的参数信息，所述参数信息包括原始直方图的有效灰度级个数；

直方图修正模块602，用于对原始直方图进行修正，得到修正直方图，并获取修正直方图的参数信息，该参数信息包括修正直方图的有效灰度级个数；

直方图分析模块603，用于对原始直方图和修正直方图进行分析，确定修正直方图的映射范围；

剪切系数确定模块604，用于根据图像直方图和修正直方图的有效灰度个数，确定修正直方图的剪切系数；

映射规则获取模块605，用于利用剪切系数，对修正直方图进行剪切处理，基于映射范围对剪切后的直方图进行均衡化处理，将处理后得到的映射关系矩阵作为直方图映射规则；

图像处理模块606，用于基于直方图映射规则，对待处理图像进行图像增强处理，并予以输出。

若输入图像为彩色图像，则本实施例的图像增强处理装置还应设置灰度转换模块用于将彩色图像转换为灰度图像，以及设置彩色恢复模块用于将增强处理后的灰度图像恢复为彩色图像。

在本实施例中，该系统实质上是设置了多个模块用以执行上述实施例中的方法，具体功能和技术效果参照上述方法实施例即可，此处不再赘述。

如图7所示，本实施例还提供了一种电子设备700，该设备包括处理器701、存储器702和通信总线703；

所述通信总线703用于连接处理器701和存储器702；

所述处理器701用于执行存储器中存储的计算机程序，以实现上述方法。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的实施例一所包含步骤的指令(instructions)。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的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，该模块、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，两个接连地表示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，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操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。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。