圖像二值化方法和裝置的製作方法
2023-06-02 19:11:01
專利名稱：圖像二值化方法和裝置的製作方法
技術領域：
本發明涉及圖像處理領域，具體來說涉及一種對文檔圖像進行二值化的圖像二值化方法和裝置。
背景技術：
文檔是當前社會的主要信息載體。文檔圖像一般由文本、表格、線條以及圖片構成，並且由於文檔圖像的信息本質上是二值信息，因此理想條件下，可以將其用單一的前景和背景來表示，比如用白色表示背景，黑色表示有用信息，即前景。然而，實際應用中，由於列印過程、不均勻的反光、文檔本身內容的多樣化以及各種豐富的藝術效果，圖像通常前景和背景都是變化的。文檔圖像二值化的目的就是從無用信息中將有用信息分離出來，並將結果表示為一幅二值圖像。
圖像二值化在諸如文檔圖像處理、文檔管理以及文檔的分析和識別等很多應用中是必要的步驟，並且在現有技術中已經提出了各種圖像二值化方法。例如，美國專利5,452,107提出了一種根據原始圖像局部區域的密度，包括目標像素和周圍像素的平均值，來確定二值化閾值的方法。該方法的缺陷是局部只能提供有限的信息。
另外，美國專利6,587,576提出了一種圖像分割方法，根據圖像的二維直方圖對輸入文檔圖像的灰度進行量化。該方法假定圖像的背景灰度在直方圖中可聚類為一個類別。然而，該假定並不對所有的文檔圖像都成立。
美國專利6,738,496提出了一種結合局部背景的分割和拉普拉斯邊緣增強的二值化方法。只有噹噹前像素超過兩個閾值的時候才將該像素設為「on」。這種方法在大字符、低對比度和反色字的情況下將會失效。
美國專利6,842,541利用顏色信息來輔助二值化過程。不同顏色通道內的多個分割結果最終被結合為一個全局的更好的二值化結果。
另外，請參閱以下文獻，以獲得相關圖像二值化技術的信息N.Otsu，「A threshold selection method from grey-level histograms，」IEEETrans.Syst.，Man，Cybern.，vol.SMC-1，pp.62-66，Jan.1979；和J.Sauvola，M.Pietkinen，「Adaptive document image binarization」，PatternRecognition，Vol.33，pp.225-236，2000。
發明內容
本發明的目的在於針對圖像，特別是文檔圖像的二值化進行改進。
為了實現上述目的，根據本發明的一個方面，提供了一種對文檔圖像進行二值化的圖像二值化方法，其包括以下步驟a)針對所述文檔圖像的灰度圖像數據，計算所述文檔圖像的圖像複雜度，並且根據算出的圖像複雜度，將所述文檔圖像分為簡單類別或複雜類別；以及b)當所述文檔圖像為簡單類別時，通過全局分割方法二值化所述灰度圖像數據，而當所述文檔圖像為複雜類別時，通過複合分割方法二值化所述灰度圖像數據，從而生成二值化圖像數據。
根據本發明的另一方面，提供了一種用於對文檔圖像進行二值化的圖像二值化裝置，包括圖像分類單元，用於針對所述文檔圖像的灰度圖像數據，計算所述文檔圖像的圖像複雜度，並且根據算出的圖像複雜度，將所述文檔圖像分為簡單類別或複雜類別；全局分割單元，用於當所述文檔圖像為簡單類別時，通過全局分割方法二值化所述灰度圖像數據，從而生成二值化圖像數據；以及複合分割單元，用於當所述文檔圖像為複雜類別時，通過複合分割方法二值化所述灰度圖像數據，從而生成所述二值化圖像數據。
在本發明中，首先利用圖像的複雜度度量將輸入圖像分為簡單和複雜兩種類別。對於簡單圖像，使用全局化的方法進行分割；對於複雜圖像，則結合全局以及局部信息、使用複合分割方法為每個像素確定各自的分割閾值，從而達到更好的圖像二值化結果。
通過結合附圖對本發明的優選實施例進行詳細描述，本發明的上述和其它目的、特性、優點將會變得更加清楚，其中圖1示出了根據本發明的圖像二值化方法的流程圖；圖2示出了圖1中的預處理步驟的示例性流程圖；圖3示出了圖1中的複合分割步驟的示例性流程圖；
圖4示出了一個文檔圖像直方圖以及對應的全局分割閾值A、A』、B、C和C』；圖5描述了在圖1的複合分割步驟中使用的局部自適應分割方法的示例性流程圖；圖6示出了圖1中的後處理單元的示例性流程圖；圖7給出了一個文檔圖像的例子以及分別使用全局分割方法和局部自適應分割方法的二值化結果；圖8描述了整個圖像二值化系統的結構；以及圖9示意性地示出了根據本發明的圖像二值化裝置的方框圖。
具體實施例方式
在本文中，全局分割方法是指利用相同的閾值分割整幅圖像，而局部自適應分割方法是指對圖像中的每個像素確定單獨的分割閾值。如果整個圖像中的文字以及其他有用信息的灰度都是一致的，則可以使用全局分割方法對整個圖像進行分割。然而，由於許多圖像中存在不同區域之間的不一致性，單一的分割閾值難以取得好的分割結果。在這種情況下需要使用局部自適應分割方法對不同的像素確定不同的分割閾值。
下面參考附圖來詳細描述根據本發明的圖像二值化方法和圖像二值化裝置。
參考圖1，本發明提出的圖像二值化方法的流程圖以原始文檔10為輸入，並且以最終的二值圖像16為輸出。首先，在可選的預處理步驟11中，完成二值化處理所需的數據準備工作，例如在需要的情況下對文檔10進行數位化，如果文檔圖像為彩色圖像，還需將其轉換為灰度圖像，以及對灰度圖像數據進行低通濾波、背景的去除。然後，在圖像分類步驟12中，針對灰度圖像數據，計算文檔圖像的圖像複雜度例如Otsu判據(OC)和Fisher判據(d』)等，並且根據算出的圖像複雜度，將文檔圖像分為「簡單」和「複雜」兩種類別，其中「簡單」意味著圖像基本是由黑色的文字和白色背景構成，否則圖像被認為是複雜的。每一類圖像使用不同的二值化方法來處理。對於簡單圖像，在全局分割步驟13中採用全局分割方法(例如，Otsu方法，Kittler方法，基於熵的分割方法，以及任何其它基於直方圖的分割方法)進行二值化；另一方面，對於複雜圖像，則在複合分割步驟14中使用一種更精細的方法即組合全局分割方法和局部自適應方法的複合分割方法進行處理。最後，在可選的後處理步驟15中，對在步驟13或14中輸出的二值圖像進行噪聲的去除。通常來說有三種噪聲相鄰字符(筆畫)的相連、字符(筆畫)的斷裂以及單獨的噪聲點。通過後處理可以去除大量的此類噪聲。經過這些處理，文檔10中的基本信息被保存在二值圖像16中。此二值圖像可以用於多種應用，例如字符的顏色檢測、文檔版面分析，光學字符識別等。具體每個步驟處理的細節將在下文中進行詳細的介紹。
參考圖2，預處理步驟11完成對文檔圖像的一系列圖像處理操作。由於原始文檔10可以是一個電子文檔或者是一個物理的紙質文檔。對於後一種情況需要使用光學掃描設備，例如掃描儀、傳真機，或者是數位相機將物理文檔轉換為電子文檔圖像(步驟111)。根據具體使用的掃描設備不同，數位化後的圖像可能是彩色的也可能是灰度的。對於彩色圖像，需要在步驟112中將其轉換為灰度圖像以便後續處理。該灰度信息可能是自原始彩色圖像的亮度，也可以是某個指定的顏色通道。此外，根據具體的應用環境不同，有時需要在步驟113中使用低通濾波來去除圖像中的噪聲，以便提高輸入圖像的質量，然後在步驟114中將輸入圖像分為固定大小的方塊，根據每個方塊內圖像灰度的變化判斷其是否為背景。例如，如果方塊內像素的最大和最小灰度值之差小於一個很小的閾值，這意味著該塊內的像素灰度非常均勻，則將該塊認為是背景並從輸入圖像中去除。剩下的區域構成的子圖像成為二值化操作的目標區域。此方法保證了對分割閾值的更準確估計。這一步中，也可以根據方塊內的方差作為背景的判據。顯然地，在預處理步驟11中，步驟111、112、113均為可選的。
在圖像分類步驟12中，針對文檔圖像的灰度圖像數據，計算文檔圖像的圖像複雜度，其中優選地採用以下兩種圖像複雜度度量一個是Otsu判據(OC)，另一個是Fisher判據(d』)。下面詳細描述計算這兩種度量的具體過程。
首先，根據圖像的灰度分布確定分割閾值T，其中閾值T優選地由Otsu算法計算得到。但是原則上，它可以用任何全局分割算法獲得。
然後，根據閾值T按下面公式(1)和(2)計算Otsu判據和Fisher判據OC=argmaxTP(T)[1-P(T)][mb(T)-mf(T)]P(T)b2(T)+[1-P(T)]f2(T)---(1)]]>
d=mb(T)-mf(T)2b(T)+2f(T)---(2)]]>其中將圖像中灰度小於或等於T的像素子集標記為SetA，將灰度高於T的像素子集標記為SetB，P(T)為給定一個像素屬於SetA的概率，mf(T)為SetA中像素的灰度均值，mb(T)為SetB中像素的灰度均值，σf(T)為SetA中像素的標準差，σb(T)為SetB中像素的標準差。
接下來，如果OC大於預設閾值TOC或者d』大於預設閾值Td』，則圖像被認為是簡單的，否則被認為是複雜的。
如果輸入圖像被認為是簡單圖像，在全局分割步驟13中採用全局分割方法對文檔圖像的灰度圖像數據進行二值化，從而得到一個較快的分割速度。這裡，步驟13中使用的優選地是步驟12中給出的Otsu分割閾值T，但是根據具體應用可以換為任何其他的全局分割方法。
如果輸入圖像被認為是複雜圖像，則在複合分割步驟14中採用組合全局分割方法和局部自適應分割方法的複合分割方法進行分割，具體地說，首先，採用全局分割方法，將像素分為三種類別黑色(0)、白色(255)和未確定。通常圖像中的大部分像素將被劃入黑色和白色兩種類別，剩下的未確定的像素將用局部自適應分割方法進行分割。由於通常局部自適應分割方法的計算量遠大於全局分割方法，因此這種複合分割策略在保證分割質量的同時將大大提高二值化的速度。下面將結合圖3的流程圖詳細描述複合分割步驟14的處理的一個優選實施例。
首先，在步驟140中，從文檔圖像的灰度圖像數據當中選擇一個位於圖像最大和最小灰度之間的閾值B，然後在最小灰度和B之間選擇一個小於B的閾值A，同時在B和最大灰度之間選擇一個大於B的閾值C。根據本發明的一個可能實現是重複使用基於直方圖的方法如Otsu方法選擇A，B，C，其中A≤B≤C。
由於文檔圖像處理系統常常需要處理掃描的列印文檔，此類文檔通常會有半調效果。我們注意到半調效果在直方圖上通常表現出一種類似高斯的分布。受此啟發，在步驟141中調整閾值A和C，確保其落在直方圖中相鄰的波谷中。圖4給出了最後的全局分割閾值的示例，其中調整後的閾值A和C用A』和C』表示。顯然地，在複合分割步驟14中，步驟141是優選的，而不是必需的。
在步驟142中，所有灰度小於A』的像素均被標記為黑色(0)，同樣灰度大於C』的像素均被標記為白色(255)。
需要指出的是，這裡我們並不區分前景和背景(前景指圖像中承載信息的部分，例如字符、表格等，背景指用戶並不關心其內容的部分)。這提供了我們的方法處理反色字符或表格區域的能力。
所有灰度位於閾值A』和C』之間的像素被認為是未確定像素。由於難以通過分析圖像的直方圖來確定此類像素的類別屬性，因此這裡使用了一種局部自適應分割方法。在局部自適應分割步驟143中，通過提取局部信息並結合相鄰像素的歷史分割閾值信息確定該像素的最優分割閾值。在本發明中，歷史分割閾值信息是非常重要的，使用該信息可使二值化的效果得到大幅的提升。
通常說來，根據前景和背景的灰度分布可將文字區域分割正常文字和反色字。在理想情況下，對於正常文字，分割閾值應該大於文字筆畫的最高灰度，同時小於背景像素的最小灰度；同樣地，對於反色字的最優分割閾值應該小於文字筆畫的最低灰度同時高於背景的最大灰度。然而在低對比度同時有噪聲出現的情況下上面的規則一般不成立。因此，在自適應分割過程中，以當前像素為中心確定一個局部窗口，局部窗口被分為三種情況正常文字、反色字和低對比度區域，對三種情況採用不同的方法計算閾值作為當前像素的分割閾值。在圖5中給出了局部自適應分割處理的流程。首先，在步驟1430中，使用與步驟140相同的方法作用於當前窗口獲得三個閾值A1，B1和C1，並且在步驟1431中，計算局部窗口內的均值m和標準差std。然後，在步驟1432中，根據算出的均值m、標準差std和所獲得的A1，B1和C1，將該窗口分為上述的三種類別，具體地說，若均值m小於B1，則是反色字；若標準差std小於一個閾值，且當前局部窗口內小於A1和大於C1的像素數目大於另一個閾值，則屬於低對比度；其他情況，屬於正常文字。最後，在步驟1433中，使用下面的公式計算像素(x，y)的分割閾值T(x，y)T(x，y)＝m*[1-(k1*std+k2*T(x-1，y))/R](3)這裡的k1、k2和R根據類別的不同而選用不同的參數。
閾值化過程從全局分割步驟142的結果開始，依次確定每個像素的分割閾值。當前處理的像素成為目標像素。如果目標像素已經是二值的，即已經被前面的步驟給出了標記0或255，則繼續處理下面的像素。否則利用公式(3)計算目標像素的閾值。此外，如果當前像素為該行的第一個像素且並非二值的，由於這裡並沒有歷史閾值信息，此時令k2＝0。
在公式(3)中，目標像素的閾值由局部灰度信息以及上一個像素的閾值共同確定，並且其中的參數可以針對具體的應用進行優化。例如，如果二值圖像用於OCR應用場合，則參數需要選擇來使OCR的字符識別率達到最高。閾值選定後，如果目標像素的灰度值高於閾值，則標記為255，否則標記為0。
然後，下一個像素被選為目標像素並重複上述的過程，直至所有像素均被二值化。
圖6給出了可選的後處理步驟15的示例性流程，其中的處理包含若干個循環。是否要繼續循環取決於當前循環的結果。該後處理方法可以有效地消除噪聲。後處理單元從全局分割步驟13或複合分割步驟14得到的二值化圖像開始。在每次循環中，統計在以當前像素為中心的局部窗口內與該像素標記(0或255)相同的像素個數N(步驟151，152)，這裡局部窗口大小可以由圖像的解析度決定。如果N小於一個設定的閾值TN，則改變當前像素類別(0變為255或255變為0)(步驟153，154)，其中閾值TN也可以由圖像的解析度決定，另外，閾值TN可以隨每次循環而變化。如果在當前循環中改變類別的像素數目足夠小，即小於一個設定的閾值TC，這意味著圖像中已經沒有明顯的噪聲點，這時循環停止。或者，如果循環的次數超過了指定的數值，同樣要將該循環停止以阻止過度的平滑(步驟155)。作為一種可能變形，後處理步驟15中的循環次數也可以是固定的，而與在當前循環中改變類別的像素數目無關。
圖7給出了通過複合分割方法進行二值化的一個例子，其中A是原始圖像，B是經過步驟142後的結果，其中灰色像素代表未確定類別的像素，而C是後處理後的最終輸出的二值化圖像。
圖8示出了整個二值化系統的結構。單元1是根據本發明的圖像二值化模塊；單元2是編輯模塊，其用於在不同的應用情況下編輯二值化的處理流程和參數；處理器用於完成二值化的計算工作；內存用於存儲圖像數據和處理的中間數據。
下面參考附圖描述根據本發明的圖像二值化裝置。
圖9示意性地示出了根據本發明的圖像二值化裝置的方框圖。如圖9所示，根據本發明的圖像二值化裝置可以包括預處理單元91(可選)、圖像分類單元92、全局分割單元93、複合分割單元94、以及後處理單元95(可選)。預處理單元91用於完成二值化處理所需的數據準備工作，例如在需要的情況下對文檔90進行數位化，如果文檔圖像為彩色圖像，則需將其轉換為灰度圖像，以及對灰度圖像數據進行低通濾波、背景的去除。圖像分類單元92用於針對灰度圖像數據，計算文檔圖像的圖像複雜度例如Otsu判據(OC)和Fisher判據(d』)等，並且根據算出的圖像複雜度，將文檔圖像分為「簡單」和「複雜」兩種類別。全局分割單元93用於當文檔圖像為簡單類別時，通過全局分割方法二值化文檔圖像的灰度圖像數據。複合分割單元94用於當文檔圖像為複雜類別時，通過複合分割方法二值化文檔圖像的灰度圖像數據。後處理單元95用於對由全局分割單元93或複合分割單元94輸出的二值圖像進行噪聲的去除，以生成最終的二值圖像96。
本領域的技術人員知道，本發明的圖像二值化裝置和方法可以通過僅軟體、僅硬體和/或軟體與硬體相結合的方式來實現，因此，其實現方式不對本發明的技術範圍構成限制。
另外，本發明的方法不限於按照說明書中所描述的時間順序來執行，也可以按照其它的時間循序，或並行或獨立地執行，因此，本發明中描述的方法的執行順序不對本發明的技術範圍構成限制。
儘管以上參照具體實施例對本發明進行了詳細的描述，但是本領域的技術人員知道，在不脫離本發明的精神和範圍的情況下，可以對本發明的實施例做出各種修改、替換和變更。
權利要求
1.一種對文檔圖像進行二值化的圖像二值化方法，包括以下步驟a)針對所述文檔圖像的灰度圖像數據，計算所述文檔圖像的圖像複雜度，並且根據算出的圖像複雜度，將所述文檔圖像分為簡單類別或複雜類別；b)當所述文檔圖像為簡單類別時，通過全局分割方法二值化所述灰度圖像數據，而當所述文檔圖像為複雜類別時，通過複合分割方法二值化所述灰度圖像數據，從而生成二值化圖像數據。
2.根據權利要求1所述的圖像二值化方法，其中在步驟a)之前還包括以下步驟對物理文檔進行數位化，以獲得所述文檔圖像。
3.根據權利要求1所述的圖像二值化方法，其中在步驟a)之前還包括以下步驟如果所述文檔圖像為彩色圖像，則將其轉換為灰度圖像，以獲得所述灰度圖像數據。
4.根據權利要求1所述的圖像二值化方法，其中在步驟a)之前還包括以下步驟對所述灰度圖像數據進行低通濾波，以去除其中的圖像噪聲。
5.根據權利要求1所述的圖像二值化方法，其中在步驟a)之前還包括以下步驟通過將所述灰度圖像數據分為固定大小的方塊，並且根據每個方塊內的圖像灰度變化判斷其是否為背景，然後對所述灰度圖像數據進行圖像背景去除。
6.根據權利要求1所述的圖像二值化方法，其中步驟a)包括以下步驟根據所述灰度圖像數據的灰度分布，確定分割閾值T；根據所述分割閾值T，計算Otsu判據和Fisher判據；如果算出的Otsu判據值大於預設閾值TO，或者算出的Fisher判據值大於預設閾值TD，則所述文檔圖像被認為屬於簡單類別，否則認為屬於複雜類別。
7.根據權利要求6所述的圖像二值化方法，其中所述分割閾值T由基於直方圖的全局分割方法得到。
8.根據權利要求1所述的圖像二值化方法，其中所述全局分割方法為基於直方圖的全局分割方法。
9.根據權利要求1所述的圖像二值化方法，其中通過複合分割方法二值化所述灰度圖像數據包括以下步驟通過全局分割方法，將所述灰度圖像數據中的每個像素分為3類黑色、白色和未確定；通過局部自適應分割方法，為每個屬於未確定類別的像素計算最優分割閾值，從而二值化所述像素。
10.根據權利要求9所述的圖像二值化方法，其中通過全局分割方法將所述灰度圖像數據中的每個像素分為3類包括以下步驟通過基於直方圖的方法，在所述灰度圖像數據中的最小灰度值和最大灰度值之間確定分割閾值B；通過基於直方圖的方法，在所述最小灰度值和所述分割閾值B之間確定分割閾值A；通過基於直方圖的方法，在所述分割閾值B和所述最大灰度值之間確定分割閾值C；以及將灰度小於等於所述分割閾值A的像素標記為黑色，將灰度大於所述分割閾值C的像素標記為白色，將灰度位於所述分割閾值A和所述分割閾值C之間的像素標記為未確定；
11.根據權利要求10所述的圖像二值化方法，其中在所述灰度圖像數據的直方圖中，分別在所述分割閾值A和所述分割閾值C的附近尋找波谷，並且將所述分割閾值A和所述分割閾值C分別調整為所述波谷對應的灰度值。
12.根據權利要求9所述的圖像二值化方法，其中通過局部自適應分割方法為每個屬於未確定類別的像素計算最優分割閾值包括以下步驟根據所述像素的局部特徵，將所述像素所屬的局部區域進一步分為正常文字、反色字和低對比度區域三類；根據所述局部區域的分類結果、以及所述像素所在行的前一像素的已確定的閾值，計算所述像素的分割閾值。
13.根據權利要求9所述的圖像二值化方法，其中通過局部自適應方法為每個屬於未確定類別的像素計算最優分割閾值還基於具體應用而不同。
14.根據權利要求1所述的圖像二值化方法，其中在步驟b)之後還包括以下步驟c)對所述二值化圖像數據進行後處理，以去除其中的噪聲。
15.根據權利要求14所述的圖像二值化方法，其中對所述二值化圖像數據進行後處理包括以下步驟d1)針對所述二值化圖像數據中的每個像素，統計所述像素的局部窗口內具有相同標記的像素數目N，如果該數目N小於設定閾值TN，則將所述像素的標記取反，否則不變；d2)重複執行步驟d1)，直至循環次數達到指定的數值或者在當前循環中其標記被改變的像素數小於設定閾值TC。
16.根據權利要求14所述的圖像二值化方法，其中對所述二值化圖像數據進行後處理包括以下步驟d1)針對所述二值化圖像數據中的每個像素，統計所述像素的局部窗口內具有相同標記的像素數目N，如果該數目N小於設定閾值TN，則將所述像素的標記取反，否則不變；d2)重複執行步驟d1)，直至循環次數達到固定的數值。
17.根據權利要求15或16所述的圖像二值化方法，其中所述局部窗口和所述設定閾值TN由所述二值化圖像數據的圖像解析度決定。
18.一種用於對文檔圖像進行二值化的圖像二值化裝置，包括圖像分類單元，用於針對所述文檔圖像的灰度圖像數據，計算所述文檔圖像的圖像複雜度，並且根據算出的圖像複雜度，將所述文檔圖像分為簡單類別或複雜類別；全局分割單元，用於當所述文檔圖像為簡單類別時，通過全局分割方法二值化所述灰度圖像數據，從而生成二值化圖像數據；以及複合分割單元，用於當所述文檔圖像為複雜類別時，通過複合分割方法二值化所述灰度圖像數據，從而生成所述二值化圖像數據。
19.根據權利要求18所述的圖像二值化裝置，還包括預處理單元，用於對物理文檔進行數位化，以獲得所述文檔圖像。
20.根據權利要求18所述的圖像二值化裝置，還包括預處理單元，用於如果所述文檔圖像為彩色圖像，則將其轉換為灰度圖像，以獲得所述灰度圖像數據。
21.根據權利要求18所述的圖像二值化裝置，還包括預處理單元，用於對所述灰度圖像數據進行低通濾波，以去除其中的圖像噪聲。
22.根據權利要求18所述的圖像二值化裝置，還包括預處理單元，用於通過將所述灰度圖像數據分為固定大小的方塊，並且根據每個方塊內的圖像灰度變化判斷其是否為背景，然後對所述灰度圖像數據進行圖像背景去除。
23.根據權利要求18所述的圖像二值化裝置，還包括後處理單元，用於對所述二值化圖像數據進行後處理，以去除其中的噪聲。
全文摘要
本發明提供了一種用於對文檔圖像進行二值化的圖像二值化方法和裝置。該圖像二值化方法包括以下步驟a)針對所述文檔圖像的灰度圖像數據，計算所述文檔圖像的圖像複雜度，並且根據算出的圖像複雜度，將所述文檔圖像分為簡單類別或複雜類別；以及b)當所述文檔圖像為簡單類別時，通過全局分割方法二值化所述灰度圖像數據，而當所述文檔圖像為複雜類別時，通過複合分割方法二值化所述灰度圖像數據，從而生成二值化圖像數據。通過該圖像二值化方法，可以達到更好的圖像二值化結果。
文檔編號G06K9/38GK101042735SQ20061006801
公開日2007年9月26日 申請日期2006年3月23日 優先權日2006年3月23日
發明者郝英, 李滔 申請人:株式會社理光