一種葉片交叉條件下作物中心點定位方法及系統與流程
2023-09-12 00:32:45
本發明涉及作物自動識別定位技術領域，更具體地，涉及一種葉片交叉條件下作物中心點定位方法及系統。
背景技術：
基於機器視覺的作物自動識別和定位技術可以快速獲取作物的分布情況，為作物的田間機械化管理提供參考，有助於減少勞動者的工作強度，提高作業效率和精度。作物的自動識別和定位通常可通過採集作物的二維彩色圖像或三維位置信息來實現。二維彩色圖像利用彩色相機獲得，包含作物的顏色信息，應用靈活，使用成本較低；三維位置數據需要通過深度相機、立體相機或雷射傳感器獲得，可生成作物的點雲數據，成本較高，計算數據量大。因而基於彩色圖像的作物識別和定位一直是科研的熱點。
基於彩色圖像的作物識別和定位方法是利用彩色相機獲取作物的圖像信息，通過對圖像進行分析處理，提取作物並定位其中心點。一般應用作物的綠色信息將作物從複雜的背景中分割出來，提取出作物的輪廓及聯通區域，然後計算聯通區域的質心獲得作物的中心點。但是該方法在探測形狀不規則的作物時，作物中心點的定位容易出現偏差。
現有技術對提取出的目標作物，首先通過像素行的直方圖統計確定待測作物行，然後對待測作物行進行像素列的直方圖統計，確定作物的中心點，這種方法可以克服作物形狀不規則對定位造成的影響，但在作物葉片出現交叉時，會造成作物中心點定位的失敗。葉片出現交叉情況時，通常對作物圖像進行骨架化處理。在圖像的骨架中，葉片的末端位置會出現末端點，葉片的交叉及作物中心點位置會存在交叉點，檢索骨架中的末端點和交叉點，對交叉點進行分類和邏輯判斷，從而實現對作物中心點的定位，但是這種方法計算量較大，且準確率較低。
技術實現要素：
本發明為克服上述問題或者至少部分地解決上述問題，提供一種葉片交叉條件下作物中心點定位方法及系統。
根據本發明的一個方面，提出一種葉片交叉條件下作物中心點定位方法，包括：
步驟1，基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；
步驟2，基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
進一步，所述步驟1進一步包括：
s11，基於目標作物的原始灰度圖像，獲得所述目標作物原始灰度圖像的二值圖像；
s12，對所述目標作物原始灰度圖像的二值圖像進行形態學去噪處理，確定所述目標作物的圖像興趣區；
s13，基於所述目標作物的圖像興趣區，獲取所述目標作物圖像興趣區的二值圖像。
進一步，所述步驟2進一步包括：
s21，將所述目標作物的原始灰度圖像與所述目標作物的圖像興趣區的二值圖像融合，獲得目標作物的圖像興趣區的灰度圖像；
s22，獲得所述目標作物的圖像興趣區的灰度圖像的極小值點；獲得所述目標作物的圖像興趣區的灰度圖像中與周圍像素點落差大於閾值的極小值點；
s23，基於所述目標作物的圖像興趣區的灰度圖像和所述s22獲得的極小值點，利用分水嶺算法，獲得目標作物的中心點坐標。
進一步，所述步驟1前還包括：
將目標作物的初始圖像進行灰度化處理，所述灰度化處理包括以下步驟，
igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，
其中i、j為像素的行列坐標，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉換後圖像(i,j)處像素的灰度值。
進一步，所述s12進一步包括：
基於目標作物的原始灰度圖像，獲得所述目標作物原始灰度圖像的二值圖像的轉換閾值利用最大類間方差法求得。
進一步，所述s12進一步包括：
利用形態學開操作去除對所述目標作物原始灰度圖像的二值圖像中雜草噪聲的幹擾；
對去噪後所述目標作物原始灰度圖像的二值圖像的像素值進行水平投影，獲得以像素行坐標為橫坐標的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對應的像素行坐標，兩個像素行之間區域為所述目標作物的圖像興趣區。
進一步，所述s22進一步包括：
計算所述目標作物的圖像興趣區的灰度圖像中八鄰域內的極小值點和極大值點，並分別計算極小值點和極大值點的平均值，二者的差值，作為閾值，保留與周圍像素點落差大於閾值的極小值點，獲得最終的局部極小值。
進一步，所述s23進一步包括：
利用所述s22獲得的極小值點對所述目標作物的圖像興趣區的灰度圖像進行前景標記；利用分水嶺算法對標記後的灰度圖像為輸入圖像，獲得目標作物的中心區域；
基於目標作物的中心區域，分別對中心區域內像素點的x坐標、y坐標相加求和，並統計中心區域內像素點的個數，x坐標和、y坐標和與像素點個數的比值即為最終的作物中心點坐標。
根據本發明另一方面，提供一種葉片交叉條件下作物中心點定位系統，包括：
獲取模塊，用於基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；
定位模塊，用於基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
根據本發明又一方面，提供一種非暫態計算機可讀存儲介質，其特徵在於，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行如上述任一所述的方法。
本申請提出一種葉片交叉條件下作物中心點定位方法及系統，本發明所述方案具有如下有益效果：能夠有效排除作物交叉葉片的幹擾，提高作物中心點定位的精度和速度。
附圖說明
圖1為根據本發明實施例一種葉片交叉條件下作物中心點定位方法的整體流程示意圖；
圖2為根據本發明實施例一種葉片交叉條件下作物中心點定位方法的流程示意圖；
圖3為根據本發明實施例一種葉片交叉條件下作物中心點定位方法的目標作物的原始灰度圖像示意圖；
圖4為根據本發明實施例一種葉片交叉條件下作物中心點定位方法的目標作物的原始二值圖像示意圖；
圖5為根據本發明實施例一種葉片交叉條件下作物中心點定位方法中所述目標作物原始灰度圖像的二值圖像水平投影示意圖；
圖6為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米圖像興趣區示意圖；
圖7為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的原始灰度圖像示意圖；
圖8為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的二值圖像示意圖。
圖9為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的原始灰度圖像的極小值區域示意圖；
圖10為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中利用分水嶺算法分割處理得到的作物中心區域示意圖；
圖11為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中利用分水嶺算法分割處理得到的玉米中心點坐標示意圖；
圖12為根據本發明實施例一種葉片交叉條件下玉米中心點定位系統的整體框架示意圖；
圖13為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法的設備的結構框架示意圖。
具體實施方式
下面結合附圖和實施例，對本發明的具體實施方式作進一步詳細描述。以下實施例用於說明本發明，但不用來限制本發明的範圍。
如圖1，本發明一個具體實施例中，示出一種葉片交叉條件下作物中心點定位方法整體流程示意圖。總體上，包括：步驟1，基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；步驟2，基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述步驟1進一步包括：s11，基於目標作物的原始灰度圖像，獲得所述目標作物原始灰度圖像的二值圖像；s12，對所述目標作物原始灰度圖像的二值圖像進行形態學去噪處理，確定所述目標作物的圖像興趣區；s13，基於所述目標作物的圖像興趣區，獲取所述目標作物圖像興趣區的二值圖像。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述步驟2進一步包括：
s21，將所述目標作物的原始灰度圖像與所述目標作物的圖像興趣區的二值圖像融合，獲得目標作物的圖像興趣區的灰度圖像；
s22，獲得所述目標作物的圖像興趣區的灰度圖像的極小值點；獲得所述目標作物的圖像興趣區的灰度圖像中與周圍像素點落差大於閾值的極小值點；
s23，基於所述目標作物的圖像興趣區的灰度圖像和所述s22獲得的極小值點，利用分水嶺算法，獲得目標作物的中心點坐標。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述步驟1前還包括：
將目標作物的初始圖像進行灰度化處理，所述灰度化處理包括以下步驟，
igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，
其中i、j為像素的行列坐標，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉換後圖像(i,j)處像素的灰度值。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述s12進一步包括：
利用形態學開操作去除對所述目標作物原始灰度圖像的二值圖像中雜草噪聲的幹擾；
對去噪後所述目標作物原始灰度圖像的二值圖像的像素值進行水平投影，獲得以像素行坐標為橫坐標的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對應的像素行坐標，兩個像素行之間區域為所述目標作物的圖像興趣區。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述s22進一步包括：
計算所述目標作物的圖像興趣區的灰度圖像中八鄰域內的極小值點和極大值點，並分別計算極小值點和極大值點的平均值，二者的差值，作為閾值，保留與周圍像素點落差大於閾值的極小值點，獲得最終的局部極小值。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位方法，所述s23進一步包括：
利用所述s22獲得的極小值點對所述目標作物的圖像興趣區的灰度圖像進行前景標記；利用分水嶺算法對標記後的灰度圖像為輸入圖像，獲得目標作物的中心區域；
基於目標作物的中心區域，分別對中心區域內像素點的x坐標、y坐標相加求和，並統計中心區域內像素點的個數，x坐標和、y坐標和與像素點個數的比值即為最終的作物中心點坐標。
如圖2，本發明實施例一種葉片交叉條件下作物中心點定位方法的流程示意圖。本具體實施例提供一種葉片交叉情況下的作物中心點定位方法。該方法充分考慮雜草、葉片交叉等因素對作物中心點定位的影響，提高了作物中心點定位的速度和準確度。所述方法具體包括以下步驟。
調整安裝攝像頭的高度和角度，使攝像頭垂直拍攝作物行，確保採集的圖像中作物行近似平行於水平方向，且待測作物位於圖像的中間位置，其所在作物行稱為特定作物行。
對圖像按如下方法在進行轉換：
igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，
其中i、j為像素的行列坐標，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉換後圖像(i,j)處像素的灰度值。
所述的二值圖像，白色像素點(灰度值為1)為作物，黑色像素點(灰度值為0)為背景。用正方形結構元素對二值圖像進行形態學開運算，去除二值圖像中面積微小的白色區域噪聲。
根據去噪處理獲得的二值圖像按照如下方法確定興趣區：對二值圖像的像素灰度值進行水平投影，獲得以像素行坐標為橫坐標的投影曲線，以中間像素行midrow為分界將投影曲線分成兩部分，每條曲線各有一個最小值min1、min2，各個最小值可能對應一個或多個像素行坐標，記錄距離中間像素行midrow最近的像素行坐標為rowmin1、rowmin2，確定rowmin1和rowmin2之間的區域為興趣區。
計算二值圖像興趣區內各連通區域的面積，保留面積最大的區域，獲得包含待測作物的二值圖像。
將包含待測作物的二值圖像和灰度圖像按照如下方法進行融合，提取新的灰度圖像inew：檢測包含待測作物二值圖像的白色像素點坐標(i,j)，白色像素點處的灰度值為灰度圖像中對應的灰度值igray(i,j)，黑色像素點處的灰度值設置為0。
作物中心區域為新生葉片，在灰度圖像inew中，該區域的灰度值要高於周圍成熟葉片，像素灰度值的落差較大，可通過檢測灰度圖像中像素八鄰域內灰度的極小值來確定作物的中心區域。但是灰度圖像中通常存在大量的局部極小值點，容易造成誤檢測。應用如下公式對其進行擴展極小運算，對圖像中與鄰域像素灰度值落差小於閾值h的極小值點進行消隱處理，獲得局部極小值：
bw1＝em(inew,h)，
其中，bw1表示擴展極小運算獲得的灰度圖像，其對圖像的極小值進行了標記；em表示擴展極小運算；h表示落差閾值。落差閾值通過計算圖像極大值點平均值和極小值點平均值的差值獲得。
應用如下公式對圖像進行形態學強制最小運算，以標記圖像極小值，消除指定區域外的所有其他極小值：
bw2＝imposemin(inew,bw1)，
其中，bw2表示標記後的灰度圖像，imposemin表示形態學強制最小運算。
以標記的圖像bw2為輸入圖像，採用分水嶺算法對圖像進行分割獲得作物的中心區域。
按照如下方法計算作物中心區域的質心坐標，定位作物中心點。首先對得到的作物中心區域進行提取，得到中心區域的二值圖像，白色像素點(灰度值為1)為中心區域，黑色像素點(灰度值為0)為背景。對中心區域二值圖像的白色像素點進行掃描統計，獲得中心區域像素點的個數n，並將所有白色像素點的像素行坐標x相加求和得到x，像素列坐標y相加求和得到y，根據下列公式計算得到作物中心區域的質心坐標(xcenter，ycenter)，
其中，ceil表示取整操作，則在原圖像中作物的中心點坐標為(xcenter+rowmin1，ycenter)。
本發明又一具體實施例，提供一種葉片交叉條件下作物中心點定位方法。以玉米圖像為例，在自然條件下，實現對玉米中心點的快速定位。
本實施例原始採集到的圖像中中間一行作物近似為水平方向，該行作物為特定作物行，待測玉米位於特定作物行中部。
圖3為本發明實施例的目標玉米的原始灰度圖像示意圖。對採集的圖像進行灰度轉換，應用最大類間方差法計算灰度閾值為138，將灰度圖像轉換為二值圖像，如圖4所示，白色像素點(灰度值為1)為植物(玉米或雜草)，黑色像素點(灰度值為0)為背景。
圖5為本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米原始灰度圖像的二值圖像水平投影示意圖。圖6為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米圖像興趣區示意圖。首先，本實施例中選擇像素大小為4像素的正方形結構元素對所述二值圖像進行開運算，消除二值圖像面積微小的白色區域；然後，對去噪後的二值圖像進行水平投影，獲得投影曲線；以中間像素行midrow為分界將投影曲線分為兩部分，本實施例中midrow＝360；確定每條曲線的最小值min1、min2及其對應的像素行坐標，選取距離中間像素行midrow最近的像素行坐標為rowmin1、rowmin2，本實施例中min1＝0，min2＝0，對應的像素行坐標為rowmin1＝299，rowmin2＝631，則rowmin1和rowmin2之間的區域確定為圖像的興趣區。
圖7為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的原始灰度圖像示意圖。圖8為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的二值圖像示意圖。統計興趣區內各區域的面積，待測玉米位於興趣區內，由於和其他葉片出現交叉，所以其所在區域面積最大。保留面積最大的區域，去除零散葉片的幹擾。本實施例中待測玉米所在區域面積為23048。檢測包含待測玉米二值圖像的白色像素點，其坐標為(i,j)，該白色像素點在新的灰度圖像inew中的灰度值為圖3灰色圖像(i,j)處的值。待測玉米區域的黑色像素點在新的灰度圖像inew中的灰度值為0。
圖9為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中所述目標玉米的原始灰度圖像的極小值區域示意圖；為對實施例的灰度圖像inew進行擴展極小運算獲得的bw1，bw1的玉米中心點附近的灰度值要高於周邊像素點。本實施例中極小值點的平均值為147.09，極大值點的平均值為150.47，設置落差閾值h為3.38，消除微小區域的極小值。
圖10為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中利用分水嶺算法分割處理得到的作物中心區域示意圖。應用形態學強制最小運算標記實施例的灰度圖像inew，以標記圖像為輸入圖像，採用分水嶺算法對圖像進行分割處理，獲得實施例的中心區域，如圖10所示。
圖11為根據本發明實施例一種葉片交叉條件下玉米中心點定位方法中利用分水嶺算法分割處理得到的玉米中心點坐標示意圖。
圖10獲得的玉米中心區域形狀並不規則，計算該區域的質心作為玉米的中心點。對中心區域的像素點進行掃描統計，按照公式(4)計算質心坐標。本實施例中，中心區域的像素點n＝557，像素的x坐標之和x＝89017，y坐標之和y＝152204，獲得質心坐標(160,270)，則玉米的中心點坐標為(459,270)，結果如圖11十字標所示。
如圖12，在本發明另一個具體實施例中，示出一種葉片交叉條件下作物中心點定位系統總體框架示意圖。整體上，包括：獲取模塊a1，用於基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；定位模塊a2，用於基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述獲取模塊還用於：基於目標作物的原始灰度圖像，獲得所述目標作物原始灰度圖像的二值圖像；對所述目標作物原始灰度圖像的二值圖像進行形態學去噪處理，確定所述目標作物的圖像興趣區；基於所述目標作物的圖像興趣區，獲取所述目標作物圖像興趣區的二值圖像。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述定位模塊還用於：
s21，將所述目標作物的原始灰度圖像與所述目標作物的圖像興趣區的二值圖像融合，獲得目標作物的圖像興趣區的灰度圖像；
s22，獲得所述目標作物的圖像興趣區的灰度圖像的極小值點；獲得所述目標作物的圖像興趣區的灰度圖像中與周圍像素點落差大於閾值的極小值點；
s23，基於所述目標作物的圖像興趣區的灰度圖像和所述s22獲得的極小值點，利用分水嶺算法，獲得目標作物的中心點坐標。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述獲取模塊，還用於將目標作物的初始圖像進行灰度化處理，所述灰度化處理包括以下步驟，
igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，
其中i、j為像素的行列坐標，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉換後圖像(i,j)處像素的灰度值。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述獲取模塊，還用於基於目標作物的原始灰度圖像，獲得所述目標作物原始灰度圖像的二值圖像的轉換閾值利用最大類間方差法求得。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述獲取模塊，還用於：
利用形態學開操作去除對所述目標作物原始灰度圖像的二值圖像中雜草噪聲的幹擾；
對去噪後所述目標作物原始灰度圖像的二值圖像的像素值進行水平投影，獲得以像素行坐標為橫坐標的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對應的像素行坐標，兩個像素行之間區域為所述目標作物的圖像興趣區。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述定位模塊，還用於：
計算所述目標作物的圖像興趣區的灰度圖像中八鄰域內的極小值點和極大值點，並分別計算極小值點和極大值點的平均值，二者的差值，作為閾值，保留與周圍像素點落差大於閾值的極小值點，獲得最終的局部極小值。
在本發明另一個具體實施例中，一種葉片交叉條件下作物中心點定位系統，所述定位模塊，還用於：
利用所述s22獲得的極小值點對所述目標作物的圖像興趣區的灰度圖像進行前景標記；利用分水嶺算法對標記後的灰度圖像為輸入圖像，獲得目標作物的中心區域；
基於目標作物的中心區域，分別對中心區域內像素點的x坐標、y坐標相加求和，並統計中心區域內像素點的個數，x坐標和、y坐標和與像素點個數的比值即為最終的作物中心點坐標。
圖13示出本申請實施例的葉片交叉條件下作物中心點定位方法的設備的結構框圖。
參照圖13，所述葉片交叉條件下作物中心點定位方法的設備，包括：處理器(processor)1301、存儲器(memory)1302和總線1303；
其中，
所述處理器1301和存儲器1302通過所述總線1303完成相互間的通信；
所述處理器1301用於調用所述存儲器1302中的程序指令，以執行上述各方法實施例所提供的方法，例如包括：步驟1，基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；步驟2，基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
本實施例公開一種電腦程式產品，所述電腦程式產品包括存儲在非暫態計算機可讀存儲介質上的電腦程式，所述電腦程式包括程序指令，當所述程序指令被計算機執行時，計算機能夠執行上述各方法實施例所提供的方法，例如包括：步驟1，基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；步驟2，基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
本實施例提供一種非暫態計算機可讀存儲介質，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行上述各方法實施例所提供的方法，例如包括：步驟1，基於目標作物的原始灰度圖像，獲取目標作物的灰度圖像和二值圖像；步驟2，基於所述目標作物的灰度圖像和二值圖像，獲得目標作物的中心點坐標。
本領域普通技術人員可以理解：實現上述方法實施例的全部或部分步驟可以通過程序指令相關的硬體來完成，前述的程序可以存儲於一計算機可讀取存儲介質中，該程序在執行時，執行包括上述方法實施例的步驟；而前述的存儲介質包括：rom、ram、磁碟或者光碟等各種可以存儲程序代碼的介質。
以上所描述的葉片交叉條件下作物中心點定位方法的設備等實施例僅僅是示意性的，其中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，即可以位於一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部模塊來實現本實施例方案的目的。本領域普通技術人員在不付出創造性的勞動的情況下，即可以理解並實施。
通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到各實施方式可藉助軟體加必需的通用硬體平臺的方式來實現，當然也可以通過硬體。基於這樣的理解，上述技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該計算機軟體產品可以存儲在計算機可讀存儲介質中，如rom/ram、磁碟、光碟等，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，伺服器，或者網絡設備等)執行各個實施例或者實施例的某些部分所述的方法。
最後，本申請的方法僅為較佳的實施方案，並非用於限定本發明的保護範圍。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。