本發(fā)明涉及終端技術領域，尤其涉及一種圖像降噪方法及應用該圖像降噪方法的終端。

背景技術：

目前，在手機、平板電腦等便攜式終端上均配置了攝像頭，基本可以滿足用戶的日常拍攝需求。由于圖像傳感器的硬件物理能力的限制，在弱光環(huán)境下會導致圖像的成像質量較差，比如亮度低、噪點大等。為改善終端在弱光環(huán)境下的成像質量，當圖像中存在較多的噪點時，通常采用降噪算法對整張圖像進行降噪處理，以盡量多地去除圖像中的噪點。然而，在對整張圖像進行降噪處理時，所需要處理的數(shù)據(jù)量會比較大，處理時間和速度依賴于系統(tǒng)的性能。當系統(tǒng)資源緊張、溫升或低電時，終端的處理器會自動切換會降頻狀態(tài)，在降頻狀態(tài)下，處理器的處理能力下降，從而導致圖像的降噪處理時間增加，無法保證成像速度，影響用戶拍攝體驗。

技術實現(xiàn)要素：

本發(fā)明實施例提供一種圖像降噪方法及終端，以提升終端在處理器降頻狀態(tài)下的降噪處理速度，并保證人臉區(qū)域的降噪處理質量，優(yōu)化圖像成像效果。

第一方面，本發(fā)明實施例提供一種圖像降噪方法，包括：

在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域；

判斷所述終端的處理器是否工作于降頻狀態(tài)；

若所述處理器工作于降頻狀態(tài)，則對所述目標圖像的人臉區(qū)域進行局部降噪處理。

第二方面，本發(fā)明實施例提供一種終端，包括：

人臉識別單元，用于在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域；

降頻判斷單元，用于判斷所述終端的處理器是否工作于降頻狀態(tài)；

降噪處理單元，用于在所述處理器工作于降頻狀態(tài)的條件下，對所述目標圖像的人臉區(qū)域進行局部降噪處理。

所述圖像降噪方法通過在自拍時獲取目標圖像的人臉區(qū)域，并在判斷終端的處理器工作于降頻狀態(tài)時，對所述目標圖像的人臉區(qū)域進行局部降噪處理，從而可以提升終端在處理器降頻狀態(tài)下的降噪處理速度，加快成像速度，并保證人臉區(qū)域的降噪處理質量，優(yōu)化圖像成像效果。同時，由于降噪處理的數(shù)據(jù)量大大降低，從而可以減小處理器的溫升，并降低處理器的功耗。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實施例提供的圖像降噪方法的第一流程示意圖；

圖2是本發(fā)明實施例提供的圖像降噪方法的第二流程示意圖；

圖3是本發(fā)明實施例提供的圖像降噪方法的第三流程示意圖；

圖4是本發(fā)明實施例提供的圖像降噪方法的第四流程示意圖；

圖5是本發(fā)明實施例提供的終端的第一結構示意圖；

圖6是本發(fā)明實施例提供的終端的第二結構示意圖；

圖7是本發(fā)明實施例提供的終端的第三結構示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

應當理解，當在本說明書和所附權利要求書中使用時，術語“包括”和“包含”指示所描述特征、整體、步驟、操作、元素和/或組件的存在，但并不排除一個或多個其它特征、整體、步驟、操作、元素、組件和/或其集合的存在或添加。

還應當理解，在此本發(fā)明說明書中所使用的術語僅僅是出于描述特定實施例的目的而并不意在限制本發(fā)明。如在本發(fā)明說明書和所附權利要求書中所使用的那樣，除非上下文清楚地指明其它情況，否則單數(shù)形式的“一”、“一個”及“該”意在包括復數(shù)形式。

還應當進一步理解，在本發(fā)明說明書和所附權利要求書中使用的術語“和/或”是指相關聯(lián)列出的項中的一個或多個的任何組合以及所有可能組合，并且包括這些組合。

如在本說明書和所附權利要求書中所使用的那樣，術語“如果”可以依據(jù)上下文被解釋為“當...時”或“一旦”或“響應于確定”或“響應于檢測到”。類似地，短語“如果確定”或“如果檢測到[所描述條件或事件]”可以依據(jù)上下文被解釋為意指“一旦確定”或“響應于確定”或“一旦檢測到[所描述條件或事件]”或“響應于檢測到[所描述條件或事件]”。

具體實現(xiàn)中，本發(fā)明實施例中描述的終端包括但不限于諸如具有觸摸敏感表面(例如，觸摸屏顯示器和/或觸摸板)的移動電話、膝上型計算機或平板計算機之類的其它便攜式設備。還應當理解的是，在某些實施例中，所述設備并非便攜式通信設備，而是具有觸摸敏感表面(例如，觸摸屏顯示器和/或觸摸板)的臺式計算機。

在接下來的討論中，描述了包括顯示器和觸摸敏感表面的終端。然而，應當理解的是，終端可以包括諸如物理鍵盤、鼠標和/或控制桿的一個或多個其它物理用戶接口設備。

可以在終端上執(zhí)行的各種應用程序可以使用諸如觸摸敏感表面的至少一個公共物理用戶接口設備。可以在應用程序之間和/或相應應用程序內調整和/或改變觸摸敏感表面的一個或多個功能以及終端上顯示的相應信息。這樣，終端的公共物理架構(例如，觸摸敏感表面)可以支持具有對用戶而言直觀且透明的用戶界面的各種應用程序。

請參閱圖1，在本發(fā)明一個實施例中，提供一種圖像降噪方法，應用于手機、平板電腦、數(shù)碼相機等便攜式終端，以提升終端在處理器降頻狀態(tài)下的降噪處理速度，并保證人臉區(qū)域的降噪處理質量，優(yōu)化圖像成像效果。所述圖像降噪方法至少包括如下步驟：

步驟101：在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域；

步驟102：判斷所述終端的處理器是否工作于降頻狀態(tài)；

步驟103：若所述處理器工作于降頻狀態(tài)，則對所述目標圖像的人臉區(qū)域進行局部降噪處理。

在終端的拍攝預覽模式下，終端可以通過圖像傳感器捕獲攝像頭取景范圍內的目標圖像。當拍攝場景處于弱光條件下時，由于圖像傳感器的硬件物理能力的限制，會導致目標圖像中存在較多的噪點，嚴重影響終端的成像質量。因此，為提升終端在弱光條件下的成像質量，需要對圖像傳感器捕獲到的目標圖像進行降噪處理。對整張目標圖像進行降噪處理需要消耗較多的處理器資源，從而可能導致成像時間增加以及終端發(fā)熱嚴重等問題。同時，由于終端的處理器的工作頻率會根據(jù)溫度、供電電壓或系統(tǒng)資源占用率等環(huán)境因素的變化而變化，當有一個或多個影響處理器工作頻率的環(huán)境因素無法滿足一定條件時，處理器會自動切換為降頻狀態(tài)，即自動降低處理器的頻率，從而實現(xiàn)自我保護。若處理器工作于降頻狀態(tài)，其處理性能被降低，從而會導致處理相同量的數(shù)據(jù)所需要的時間增加。

在本實施例中，為提升終端在處理器降頻狀態(tài)下的降噪處理速度，并保證人臉區(qū)域的降噪處理質量，優(yōu)化終端的圖像成像效果，通過在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域，進而在判斷終端的處理器工作于降頻狀態(tài)時，對所述目標圖像的人臉區(qū)域進行局部降噪處理，相對于傳統(tǒng)的對整張圖像進行降噪處理的方案，使得降噪處理的數(shù)據(jù)量大大降低，有利于提升降頻狀態(tài)下的降噪處理速度，并保證人臉區(qū)域的成像效果，提升終端在處理器降頻狀態(tài)下的圖像拍攝用戶體驗。

請參閱圖2，在一種實施方式中，所述判斷所述終端的處理器是否工作于降頻狀態(tài)，包括：

步驟201：獲取所述終端的處理器的工作溫度；

步驟202：判斷所述工作溫度是否高于預設溫度閾值；

步驟203：若所述工作溫度高于預設溫度閾值，則確認所述終端的處理器工作于降頻狀態(tài)。

其中，處理器的工作溫度可以通過獲取處理器的溫度數(shù)據(jù)得到。目前，終端的處理器大多采用多核心、高頻率的架構，處理器運行的核心數(shù)和某個核心的運行頻率是根據(jù)系統(tǒng)的負荷情況來決定的。處理器全核心高速運行時，其功耗也會上升，從而導致處理器的溫度會相應增加。當處理器的溫度達到一定程度時，為了保護處理器不被高溫損壞，系統(tǒng)會自動降低處理器的運行頻率，例如關閉多核心處理器中的一個或多個核心，以將處理器切換為降頻狀態(tài)，從而達到降低處理器的運行功耗和溫度?？梢岳斫?，由于處理器頻率的降低會導致處理相同的數(shù)據(jù)量所需要的時間相應增加，從而導致系統(tǒng)運行速度變慢。

在本實施例中，終端可以在拍攝預覽模式下，實時監(jiān)測處理器的工作溫度，若監(jiān)測到處理器的工作溫度高于預設溫度閾值(例如50攝氏度)，則確認處理器工作于降頻狀態(tài)。此時，終端根據(jù)預覽模式下識別到的人臉區(qū)域，對所述目標圖像進行人臉區(qū)域局部降噪處理，從而保證終端在處理器降頻狀態(tài)下的目標圖像降噪性能和成像速度。

請參閱圖3，在一種實施方式中，所述判斷所述終端的處理器是否工作于降頻狀態(tài)，包括：

步驟301：獲取所述終端的電池的剩余電量；

步驟302：判斷所述剩余電量是否低于預設電量閾值；

步驟303：若所述剩余電量低于預設電量閾值，則確認所述終端的處理器工作于降頻狀態(tài)。

目前，由于終端屏幕尺寸較大以及處理器核心的增多，導致終端的運行過程中電池電量消耗較快。當電池的剩余電量低于預設電量閾值時，為確保終端的正常運行，提升續(xù)航能力，通常系統(tǒng)會自動切換至省電模式，在省電模式下，終端可以通過降低處理器頻率、屏幕亮度等方式來減小終端的功耗。當處理器工作為降頻狀態(tài)下時，其處理能力受限，從而使得處理相同的數(shù)據(jù)量所需要的時間相應增加，從而導致系統(tǒng)運行速度變慢。

在本實施例中，終端可以在拍攝預覽模式下，實時監(jiān)測電池的剩余電量，若監(jiān)測到電池的剩余電量低于預設電量閾值(例如電池額定容量的15％)，則確認終端的處理器工作于降頻狀態(tài)。此時，終端根據(jù)預覽模式下識別到的人臉區(qū)域，對所述目標圖像進行人臉區(qū)域局部降噪處理，從而保證終端在處理器降頻狀態(tài)下的目標圖像降噪性能和成像速度。

可以理解，所述判斷所述終端的處理器是否工作于降頻狀態(tài)并不限于通過監(jiān)測處理器的工作溫度或電池的剩余電量來實現(xiàn)，還可以直接獲取所述處理器的實時工作頻率，并將該實時工作頻率與處理器的額定工作頻率比較，若處理器的實時工作頻率低于額定頻率，則可以確認處理器工作于降頻狀態(tài)。

請參閱圖4，在一種實施方式中，所述識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域，包括：

步驟401：將所述目標圖像按照預設縮放比例連續(xù)縮小，生成多張不同尺寸的圖像；

步驟402：將每一個尺寸的圖像劃分為若干個大小相同的子窗口，并將所有尺寸的圖像的子窗口輸入預設人臉檢測器；所述預設人臉檢測器用于判斷每一個所述子窗口是否為人臉區(qū)域；

步驟403：根據(jù)所述預設人臉檢測器的輸出，確定所述目標圖像的人臉區(qū)域。

具體地，假設所述目標圖像的初始比例為1，所述預設縮放比例為0.9，則按照0.9的縮放比例，依次對所述目標圖像進行縮小，生成多張不同尺寸的圖像，進而將每一個尺寸的圖像劃分為若干個大小相同的子窗口。在本實施例中，所述子窗口的大小可以為20×20像素。所述人臉檢測器為采用數(shù)千張人臉圖片和上萬張背景圖片作為訓練樣本，借助哈爾特征(Haar-like features)提取和Adaboost(Adaptive Boosting，自適應增強)機器學習算法訓練得到的。

其中，哈爾特征是用于物體識別的一種數(shù)字圖像特征，哈爾特征使用檢測窗口中指定位置的兩個相鄰矩形，計算每一個矩形的像素和，并取兩個矩形的像素和的差值。然后將這個差值與一個預先計算好的閾值進行比較，將目標和非目標區(qū)分開來。例如，當前有一個人臉圖像集合，通過觀察可以發(fā)現(xiàn)，眼睛的顏色要比兩頰的深，因此，用于人臉檢測的哈爾特征是分別放置在眼睛和臉頰的兩個相鄰矩形，通過計算這兩個相鄰矩形的像素和之間的差值，并將該差值與預設閾值進行比較，從而判斷被檢測區(qū)域是否為人臉區(qū)域。

Adaboost機器學習算法是一種迭代算法，在每一輪中加入一個新的弱分類器，直到達到某個預定的足夠小的錯誤率。每一個訓練樣本都被賦予一個權重，表明它被某個分類器選入訓練集的概率。如果某個樣本點已經(jīng)被準確地分類，那么在構造下一個訓練集中，它被選中的概率就被降低；相反，如果某個樣本點沒有被準確地分類，那么它的權重就得到提高。通過這樣的方式，AdaBoost方法能“聚焦于”那些較難分(更富信息)的樣本上。在具體實現(xiàn)上，最初令每個樣本的權重都相等，對于第k次迭代操作，可以根據(jù)這些權重來選取樣本點，進而訓練分類器Ck。然后根據(jù)這個分類器，來提高被它分錯的樣本的權重，并降低被正確分類的樣本權重。然后，權重更新過的樣本集被用于訓練下一個分類器Ck。整個訓練過程如此迭代地進行下去。

在本實施例中，所述預設人臉檢測器可以通過如下方式構建：

使用Harr-like矩形特征表示人臉圖像，使用積分圖實現(xiàn)矩形特征的像素和的快速計算；其中，積分圖是一個二維矩形的查找表，與原始圖像具有一樣的尺寸，積分圖的每一個元素是原始圖像在對應位置左上角所有像素的和；

使用Adaboost機器學習算法挑選出部分最能代表人臉的Harr-like矩形特征(弱分類器)，按照加權的方式將弱分類器構造為一個強分類器；

將訓練得到的若干強分類器串聯(lián)組成一個級聯(lián)結構的層疊分類器，該級聯(lián)結構的層疊分類器即為所述預設人臉檢測器。可以理解，采用級聯(lián)結構能有效地提高分類器的檢測速度。

在一種實施方式中，所述對所述目標圖像的人臉區(qū)域進行局部降噪處理，包括：

將所述人臉區(qū)域作為所述目標圖像的降噪處理區(qū)域，并從所述目標圖像中提取出所述降噪處理區(qū)域的圖像數(shù)據(jù)；

調用預設降噪處理程序對所述降噪處理區(qū)域的圖像數(shù)據(jù)進行降噪處理。

可以理解，降噪處理的目的是改善目標圖像，解決由于噪聲干擾而導致目標圖像質量下降的問題。目標圖像中包含的噪聲可以包括但不限于加性噪聲、乘性噪聲、量化噪聲、“椒鹽”噪聲等。所述預設降噪處理程序可以是根據(jù)特定的圖像降噪算法預先編制好的程序模塊，其可以被所述終端的相機應用程序調用，以實現(xiàn)對相機拍攝到的圖像進行降噪處理。其中，所述預設降噪處理程序采用的圖像降噪算法可以是但不限于基于空間域的中值濾波算法、基于小波域的小波閾值去噪算法、基于PDE(Partial Differential Equation，偏微分方程)的圖像去噪算法、全變分圖像去噪算法等。

請參閱圖5，在本發(fā)明一個實施例中，提供一種終端50，包括：

人臉識別單元51，用于在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域；

降頻判斷單元53，用于判斷所述終端的處理器是否工作于降頻狀態(tài)；

降噪處理單元55，用于在所述處理器工作于降頻狀態(tài)的條件下，對所述目標圖像的人臉區(qū)域進行局部降噪處理。

在一種實施方式中，所述人臉識別單元51包括：

圖像縮放單元511，用于將所述目標圖像按照預設縮放比例連續(xù)縮小，生成多張不同尺寸的圖像；

圖像檢測單元513，用于將每一個尺寸的圖像劃分為若干個大小相同的子窗口，并將所有尺寸的圖像的子窗口輸入預設人臉檢測器；所述預設人臉檢測器用于判斷每一個所述子窗口是否為人臉區(qū)域；

人臉確定單元515，用于根據(jù)所述預設人臉檢測器的輸出，確定所述目標圖像的人臉區(qū)域。

在一種實施方式中，所述降頻判斷單元53包括：

溫度獲取單元531，用于獲取所述終端的處理器的工作溫度；

溫度判斷單元533，用于判斷所述工作溫度是否高于預設溫度閾值；

降頻確認單元535，用于在所述工作溫度高于預設溫度閾值的條件下，判斷所述終端的處理器工作于降頻狀態(tài)。

在一種實施方式中，所述降噪處理單元55包括：

降噪?yún)^(qū)域確定單元551，用于將所述人臉區(qū)域作為所述目標圖像的降噪處理區(qū)域，并從所述目標圖像中提取出所述降噪處理區(qū)域的圖像數(shù)據(jù)；

降噪程序調用單元553，用于調用預設降噪處理程序對所述降噪處理區(qū)域的圖像數(shù)據(jù)進行降噪處理。

請參閱圖6，在一種實施方式中，所述降頻判斷單元53包括：

電量獲取單元532，用于獲取所述終端的電池的剩余電量；

電量判斷單元534，用于判斷所述剩余電量是否低于預設電量閾值；

降頻確認單元536，用于在所述剩余電量低于預設電量閾值的條件下，確認所述終端的處理器工作于降頻狀態(tài)。

可以理解，所述終端50的各單元的功能及其具體實現(xiàn)還可以參照圖1至圖4所示方法實施例中的相關描述，此處不再贅述。

請參閱圖7，在本發(fā)明一個實施例中，提供一種終端70，包括：

至少一個輸入設備701；至少一個輸出設備702；至少一個處理器703，例如CPU；和存儲器704，所述輸入設備701、輸出設備702、處理器703和存儲器704通過總線705連接。

其中，所述輸入設備701具體可為物理按鍵、觸控面板或者鼠標。

所述輸出設備702具體可為顯示屏。

所述存儲器704可以是高速RAM存儲器，也可為非不穩(wěn)定的存儲器(non-volatile memory)，例如磁盤存儲器。所述存儲器704用于存儲一組可執(zhí)行程序代碼，所述處理器703用于調用所述存儲器704中存儲的可執(zhí)行程序代碼，并執(zhí)行如下操作：

在終端的拍攝預覽模式下，識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域；

判斷所述終端的處理器是否工作于降頻狀態(tài)；

若所述處理器工作于降頻狀態(tài)，則對所述目標圖像的人臉區(qū)域進行局部降噪處理。

在一種實施方式中，所述判斷所述終端的處理器是否工作于降頻狀態(tài)，包括：

獲取所述終端的處理器的工作溫度；

判斷所述工作溫度是否高于預設溫度閾值；

若所述工作溫度高于預設溫度閾值，則確認所述終端的處理器工作于降頻狀態(tài)。

在一種實施方式中，所述判斷所述終端的處理器是否工作于降頻狀態(tài)，包括：

獲取所述終端的電池的剩余電量；

判斷所述剩余電量是否低于預設電量閾值；

若所述剩余電量低于預設電量閾值，則確認所述終端的處理器工作于降頻狀態(tài)。

在一種實施方式中，所述識別圖像傳感器捕獲到的目標圖像的人臉區(qū)域，包括：

將所述目標圖像按照預設縮放比例連續(xù)縮小，生成多張不同尺寸的圖像；

將每一個尺寸的圖像劃分為若干個大小相同的子窗口，并將所有尺寸的圖像的子窗口輸入預設人臉檢測器；所述預設人臉檢測器用于判斷每一個所述子窗口是否為人臉區(qū)域；

根據(jù)所述預設人臉檢測器的輸出，確定所述目標圖像的人臉區(qū)域。

在一種實施方式中，所述對所述目標圖像的人臉區(qū)域進行局部降噪處理，包括：

將所述人臉區(qū)域作為所述目標圖像的降噪處理區(qū)域，并從所述目標圖像中提取出所述降噪處理區(qū)域的圖像數(shù)據(jù)；

調用預設降噪處理程序對所述降噪處理區(qū)域的圖像數(shù)據(jù)進行降噪處理。

可以理解，本發(fā)明實施例中所描述的處理器703可執(zhí)行本發(fā)明圖1至圖4所示方法實施例中所描述的實現(xiàn)方式，也可執(zhí)行本發(fā)明圖5至圖6所示終端實施例中所描述的實現(xiàn)方式，具體可參照圖1至圖6所示實施例中的相關描述，在此不再贅述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的終端和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的終端實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口、裝置或單元的間接耦合或通信連接，也可以是電的，機械的或其它的形式連接。

本發(fā)明實施例方法中的步驟可以根據(jù)實際需要進行順序調整、合并和刪減。

本發(fā)明實施例終端中的單元可以根據(jù)實際需要進行合并、劃分和刪減。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本發(fā)明實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以是兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分，或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到各種等效的修改或替換，這些修改或替換都應涵蓋在本發(fā)明的保護范圍之內。因此，本發(fā)明的保護范圍應以權利要求的保護范圍為準。