基于CT图像的肺分割方法、装置及计算机可读存储介质

摘要

本发明公开了基于CT图像的肺分割方法、装置及计算机可读存储介质，所述方法包括：输入CT图像，并抽取原始肺部图像；根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；利用边缘检测法，对第一二值图像进行修正和肺部边界抽取，得到第二二值图像；将第一二值图像和第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；使用第三滤波器滤除杂点，得到精准肺部图像，并输出精准肺部图像。本发明能够自动在CT图像上进行准确的肺分割，确保肺实质区域分割的完整性，避免由于肺区域的边缘缺失及区域的缺失而在后续诊断过程中造成漏诊的问题。

权利要求

1.一种基于CT图像的肺分割方法，适于在计算机设备中执行，其特征在于，至少包括如下步骤：

输入CT图像，并从所述CT图像中抽取原始肺部图像；

根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；

利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；

对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像；

所述对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像，具体为:

基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像中的边缘黑色与白色部分判定为无效，并滤除，得到目标肺部图像。

2.根据权利要求1所述的基于CT图像的肺分割方法，其特征在于，所述根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像，具体为：

根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑色部分的白色杂点和白色部分的黑色杂点，得到第一二值图像。

3.根据权利要求1所述的基于CT图像的肺分割方法，其特征在于，所述灰度阈值为-

500，转换为白色的所述原始肺部图像中肺部以外组织的灰度大于所述灰度阈值。

4.根据权利要求1所述的基于CT图像的肺分割方法，其特征在于，所述利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像，具体为：利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含肺部区域的边界轮廓的第二二值图像。

5.根据权利要求1所述的基于CT图像的肺分割方法，其特征在于，所述第一滤波器、所述第二滤波器和所述第三滤波器的规格分别为(25，25)、(15，15)和(5，5)。

6.一种基于CT图像的肺分割装置，其特征在于，包括：原始肺部图像抽取模块，用于输入CT图像，并从所述CT图像中抽取原始肺部图像；

阈值处理模块，用于根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；

肺部边界抽取模块，用于利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

肺部边界修补模块，用于将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；

输出模块，用于对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像。

7.根据权利要求6所述的基于CT图像的肺分割装置，其特征在于，所述阈值处理模块，具体用于根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑色部分的白色杂点和白色部分的黑色杂点，得到第一二值图像；

肺部边界抽取模块，具体用于利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含肺部区域的边界轮廓的第二二值图像；

肺部边界修补模块，具体用于将所述第一二值图像和所述第二二值图像进行重合，并基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像中的边缘黑色与白色部分判定为无效，并滤除，得到目标肺部图像。

8.一种基于CT图像的肺分割装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于CT图像的肺分割方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5任一项所述的基于CT图像的肺分割方法。

说明书

基于CT图像的肺分割方法、装置及计算机可读存储介质

技术领域

[0001] 本发明涉及图像处理技术领域，具体涉及基于CT图像的肺分割方法、装置及计算机可读存储介质。

背景技术

[0002] 近五十年来肺癌发病率显著增高，在欧美工业发达国家和我国一些工业大城市中，肺癌发病率在男性恶性肿瘤中已居首位，在女性发病率也迅速增高，占女性常见恶性肿
瘤第二位或第三位，成为危害生命健康的一种主要疾病。因此改进对于肺癌的计算机诊疗
系统十分重要。

[0003] 随着计算机技术，CT检测技术与图像处理技术的发展，目前的CT图像具有高清晰度与高对比度等特点，而肺分割技术是实现对肺部检测与分析必不可少的手段，检测肺癌、
检测肺结节等都需要运用计算机分析CT图像并进行肺分割，因此，使肺分割技术更加精确
与简洁十分重要。但是，在对现有技术的研究与实践过程中，本发明的发明人发现，现有肺
分割技术种类繁多，不仅杂乱而且无法有效去除CT图像中的杂点，并且会使肺边缘过于光
滑而丧失精准性。

发明内容

[0004] 本发明实施例所要解决的技术问题在于，提供基于CT图像的肺分割方法、装置及计算机可读存储介质，能够自动在CT图像上进行准确的肺分割。

[0005] 为解决上述问题，本发明的一个实施例提供一种基于CT图像的肺分割方法，适于在计算机设备中执行，至少包括如下步骤：

[0006] 输入CT图像，并从所述CT图像中抽取原始肺部图像；

[0007] 根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；

[0008] 利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

[0009] 将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；

[0010] 对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像。

[0011] 进一步地，所述根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像，具体为：

[0012] 根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑色部分的白色杂点和白色部分
的黑色杂点，得到第一二值图像。

[0013] 进一步地，所述灰度阈值为-500，转换为白色的所述原始肺部图像中肺部以外组织的灰度大于所述灰度阈值。

[0014] 进一步地，所述利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像，具体为：

[0015] 利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含肺部区域的边界轮廓的第二
二值图像。

[0016] 进一步地，所述对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像，具体为:

[0017] 基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像中的边缘黑色与白色
部分判定为无效，并滤除，得到目标肺部图像。

[0018] 进一步地，所述第一滤波器、所述第二滤波器和所述第三滤波器的规格分别为(25，25)、(15，15)和(5，5)。

[0019] 本发明的一个实施例还提供了一种基于CT图像的肺分割装置，包括：

[0020] 原始肺部图像抽取模块，用于输入CT图像，并从所述CT图像中抽取原始肺部图像；

[0021] 阈值处理模块，用于根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；

[0022] 肺部边界抽取模块，用于利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

[0023] 肺部边界修补模块，用于将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；

[0024] 输出模块，用于对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像。

[0025] 进一步地，所述的基于CT图像的肺分割装置，其特征在于，

[0026] 所述阈值处理模块，具体用于根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑
色部分的白色杂点和白色部分的黑色杂点，得到第一二值图像；

[0027] 肺部边界抽取模块，具体用于利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含
肺部区域的边界轮廓的第二二值图像；

[0028] 肺部边界修补模块，具体用于将所述第一二值图像和所述第二二值图像进行重合，并基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪
声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像中的边缘黑色与白色部分
判定为无效，并滤除，得到目标肺部图像。

[0029] 本发明的一个实施例还提供了一种基于CT图像的肺分割装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行
所述计算机程序时实现如上述的基于CT图像的肺分割方法。

[0030] 本发明的一个实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质
所在设备执行如上述的基于CT图像的肺分割方法。

[0031] 实施本发明实施例，具有如下有益效果：

[0032] 本发明实施例提供的基于CT图像的肺分割方法、装置及计算机可读存储介质，所述方法包括：输入CT图像，并抽取原始肺部图像；根据设定的灰度阈值，对所述原始肺部图
像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；利用边缘检测法，对第
一二值图像进行修正和肺部边界抽取，得到第二二值图像；将第一二值图像和第二二值图
像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到
目标肺部图像；使用第三滤波器滤除杂点，得到精准肺部图像，并输出精准肺部图像。本发
明能够自动在CT图像上进行准确的肺分割，确保肺实质区域分割的完整性，避免由于肺区
域的边缘缺失及区域的缺失而在后续诊断过程中造成漏诊的问题。

附图说明

[0033] 图1为本发明第一实施例提供的一种基于CT图像的肺分割方法的流程示意图；

[0034] 图2为本发明第一实施例提供的从CT图像中提取出的原始肺部图像；

[0035] 图3为本发明第一实施例提供的构造肺部以外组织过滤器的流程图；

[0036] 图4为本发明第一实施例提供的使用肺部以外组织过滤器后的图像；

[0037] 图5为本发明第一实施例提供的构造人体组织与外部环境过滤器的流程图；

[0038] 图6为本发明第一实施例提供的使用人体组织与外部环境过滤器后的图像；

[0039] 图7为本发明第一实施例提供的图4与图6结合后再次使用滤波器处理后得到的图像；

[0040] 图8为本发明第一实施例提供的构造整合加工过滤器的流程图；

[0041] 图9为本发明第一实施例提供的使用整合加工过滤器后最终得到的精确肺部图像；

[0042] 图10为本发明第二实施例提供的一种基于CT图像的肺分割装置的结构示意图。

具体实施方式

[0043] 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一部分实施例，而不是全部的实施例。基于
本发明中的实施例，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，都属于本发明保护的范围。

[0044] 首先介绍本发明可以提供的应用场景，如计算机自动识别肺部结节。

[0045] 每次CT检测后都有几百张CT图片，而早期的恶性结节往往体积十分微小，对于医生来说，需要在上百张图片寻找一个小点并判断其良恶性，而本发明可以自动对CT图像进
行肺分割，将患者肺部清晰呈现在医生面前，不用浪费医生大量时间分析CT图像，查找可疑
区域。

[0046] 该方法已对大量病人的CT图像进行分析，可以从复杂CT图像中直接分离出患者肺部，这将成为一种提高医生诊断效率的有效工具。

[0047] 本发明第一实施例：

[0048] 请参阅图1-9。

[0049] 如图1所示，本实施例提供的基于CT图像的肺分割方法，适于在计算机设备中执行，至少包括如下步骤：

[0050] S101、输入CT图像，并从所述CT图像中抽取原始肺部图像；

[0051] S102、根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像；

[0052] S103、利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

[0053] S104、将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；

[0054] S105、对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像。

[0055] 对于步骤S102，所述根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像，具体为：

[0056] 根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑色部分的白色杂点和白色部分
的黑色杂点，得到第一二值图像。

[0057] 其中，所述灰度阈值为-500，转换为白色的所述原始肺部图像中肺部以外组织的灰度大于所述灰度阈值。

[0058] 在本实施例中，如图2所示，从CT图像中提取出的原始肺部图像之后，如图3所示，构造肺部以外组织过滤器，如：

[0059] i＝500；

[0060] img[(img>＝-i)]＝255；

[0061] img[(img<-i)]＝0.

[0062] 并对肺部以外组织使用过滤器。如图4所示，图4为使用肺部以外组织过滤器后的图像。具体的，对提取出的原始肺部图像进行阈值转换，将阈值大于-500的肺部以外组织全
部变为白色，将原始肺部图像中较暗的肺部组织与外界空气部分变为黑色，然后使用第一
滤波器，去除阈值转换后图像中的黑色部分的白色杂点与白色部分的黑色杂点，得到第一
二值图像。

[0063] 对于步骤S103，所述利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像，具体为：

[0064] 利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含肺部区域的边界轮廓的第二
二值图像。

[0065] 在本实施例中，如图5所示，构造人体组织与外部环境过滤器。

[0066] 需要说明的是，本实施例中的所述边缘检测法为：

[0067] ret，img2＝cv2.threshold(img2，－95，70，cv2.THRESH＿BINARY).

[0068] 这里使用了threshold边缘检测法并将原图转换成(0，255)的二值图。

[0069] kernel＝cv2.getStructuringElement(cv2.MORPH＿ELLIPSE，(15，15)).

[0070] 这里是用getStructuringElement法构造第二滤波器，第二滤波器的形状采用椭圆形(MORPH＿ELLIPSE)。

[0071] 可以理解的是，使用第二滤波器对对象进行膨胀腐蚀(滤波)，把小块变得更小，把大块变得更大。

[0072] img2＝cv2.morphologyEx(img2，cv2.MORPH＿OPEN，kernel).

[0073] 加工后得到使用人体组织与外部环境过滤器后的图像，如图6所示。

[0074] 对于步骤S104，如图7-8所示，所述对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像，具体为:

[0075] 基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像中的边缘黑色与白色
部分判定为无效，并滤除，得到目标肺部图像。

[0076] 最后，如图9所示，对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像。

[0077] 其中，所述第一滤波器、所述第二滤波器和所述第三滤波器的规格分别为(25，25)、(15，15)和(5，5)。

[0078] 滤波器示例：

[0079]

[0080] 本实施例提供的基于CT图像的肺分割方法，包括：输入CT图像，并抽取原始肺部图像；根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂
点，得到第一二值图像；利用边缘检测法，对第一二值图像进行修正和肺部边界抽取，得到
第二二值图像；将第一二值图像和第二二值图像进行重合，并对重合后的图像进行肺部边
界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；使用第三滤波器滤除杂点，
得到精准肺部图像，并输出精准肺部图像。本实施例能够自动在CT图像上进行准确的肺分
割，确保肺实质区域分割的完整性，避免由于肺区域的边缘缺失及区域的缺失而在后续诊
断过程中造成漏诊的问题。

[0081] 本发明第二实施例：

[0082] 请参阅图10。

[0083] 如图10所示，本实施例还提供了一种基于CT图像的肺分割装置，包括：

[0084] 原始肺部图像抽取模块201，用于输入CT图像，并从所述CT图像中抽取原始肺部图像。

[0085] 阈值处理模块202，用于根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂点，得到第一二值图像。

[0086] 具体的，根据设定的灰度阈值，将所述原始肺部图像中肺部以外组织转换为白色，将肺部组织及空气转换为黑色，并使用第一滤波器滤除图像中的黑色部分的白色杂点和白
色部分的黑色杂点，得到第一二值图像。

[0087] 其中，所述灰度阈值为-500，转换为白色的所述原始肺部图像中肺部以外组织的灰度大于所述灰度阈值。

[0088] 在本实施例中，如图2所示，从CT图像中提取出的原始肺部图像之后，如图3所示，构造肺部以外组织过滤器，如：

[0089] i＝500；

[0090] img[(img>＝-i)]＝255；

[0091] img[(img<-i)]＝0.

[0092] 并对肺部以外组织使用过滤器。如图4所示，图4为使用肺部以外组织过滤器后的图像。具体的，对提取出的原始肺部图像进行阈值转换，将阈值大于-500的肺部以外组织全
部变为白色，将原始肺部图像中较暗的肺部组织与外界空气部分变为黑色，然后使用第一
滤波器，去除阈值转换后图像中的黑色部分的白色杂点与白色部分的黑色杂点，得到第一
二值图像。

[0093] 肺部边界抽取模块203，用于利用边缘检测法，对所述第一二值图像进行修正和肺部边界抽取，得到第二二值图像；

[0094] 具体的，具体用于利用边缘检测法，对所述第一二值图像进行修正，画出包括肺部区域与肺部以外组织，并将其转换为黑色，进一步进行肺部边界抽取，得到包含肺部区域的
边界轮廓的第二二值图像。

[0095] 在本实施例中，如图5所示，构造人体组织与外部环境过滤器。

[0096] 需要说明的是，本实施例中的所述边缘检测法为：

[0097] ret，img2＝cv2.threshold(img2，－95，70，cv2.THRESH＿BINARY).

[0098] 这里使用了threshold边缘检测法并将原图转换成(0，255)的二值图。

[0099] kernel＝cv2.getStructuringElement(cv2.MORPH＿ELLIPSE，(15，15)).

[0100] 这里是用getStructuringElement法构造第二滤波器，第二滤波器的形状采用椭圆形(MORPH＿ELLIPSE)。

[0101] 可以理解的是，使用第二滤波器对对象进行膨胀腐蚀(滤波)，把小块变得更小，把大块变得更大。

[0102] img2＝cv2.morphologyEx(img2，cv2.MORPH＿OPEN，kernel).

[0103] 加工后得到使用人体组织与外部环境过滤器后的图像，如图6所示。

[0104] 肺部边界修补模块204，用于将所述第一二值图像和所述第二二值图像进行重合，并对重合后的图像进行肺部边界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图
像。

[0105] 具体的，如图7-8所示，基于边界曲率进行修补的算法，对重合后的图像进行曲线平滑处理，去除肺部边界噪声，并进一步使用第二滤波器对肺部对象进行膨胀腐蚀，将图像
中的边缘黑色与白色部分判定为无效，并滤除，得到目标肺部图像。

[0106] 输出模块205，用于对所述目标肺部图像使用第三滤波器滤除杂点，得到精准肺部图像，并输出所述精准肺部图像，如图9所示。

[0107] 其中，所述第一滤波器、所述第二滤波器和所述第三滤波器的规格分别为(25，25)、(15，15)和(5，5)。

[0108] 滤波器示例：

[0109]

[0110]

[0111] 本实施例提供的基于CT图像的肺分割装置，通过输入CT图像，并抽取原始肺部图像；根据设定的灰度阈值，对所述原始肺部图像进行阈值处理，并使用第一滤波器滤除杂
点，得到第一二值图像；利用边缘检测法，对第一二值图像进行修正和肺部边界抽取，得到
第二二值图像；将第一二值图像和第二二值图像进行重合，并对重合后的图像进行肺部边
界修补，进一步使用第二滤波器滤除杂点，得到目标肺部图像；使用第三滤波器滤除杂点，
得到精准肺部图像，并输出精准肺部图像。本实施例能够自动在CT图像上进行准确的肺分
割，确保肺实质区域分割的完整性，避免由于肺区域的边缘缺失及区域的缺失而在后续诊
断过程中造成漏诊的问题。

[0112] 本发明的一个实施例还提供了一种基于CT图像的肺分割装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行
所述计算机程序时实现如上述的基于CT图像的肺分割方法。

[0113] 本发明的一个实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质
所在设备执行如上述的基于CT图像的肺分割方法。

[0114] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为
本发明的保护范围。

[0115] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质
中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁
碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access 
Memory，RAM)等。