文字图像瑕疵检测方法、计算机装置及存储介质与流程

1.本技术涉及文字图像瑕疵检测领域，尤其涉及一种文字图像瑕疵检测方法、计算机装置及存储介质。


背景技术：

2.目前的印刷产业中，对印刷文字进行检测时大多使用传统的自动光学检测检测方法，此方法采用感兴趣区域技术对图像内的区域比对时，没有限制比较区域，容易因为图像的细微的光源变化产生过杀现象，因此还需耗费大量人力进行复检，浪费人力资源和时间。而且人工进行检测时，还会因为人的目力和精力所限导致检测结果出现错漏，因为检测人员的标准不一导致检测结果的准确率降低。


技术实现要素：

3.鉴于以上内容，有必要提供一种文字图像瑕疵检测方法、计算机装置及存储介质，能够辅助进行文字图像瑕疵检测，提高文字图像瑕疵检测的准确率。
4.所述文字图像瑕疵检测方法包括：获取无瑕疵图像和待检测图像，对所述无瑕疵图像进行第一图像处理，获得所述无瑕疵图像的第一图像；对所述无瑕疵图像进行第二图像处理，获得所述无瑕疵图像中的每个文字的第二图像；根据所述每个文字的第二图像，从所述第一图像中，获得每个文字的第三图像；及根据每个文字的第二图像，从所述待检测图像中，获得每个文字的第四图像，将每个文字的第二图像、第三图像及第四图像建立关联；基于任一文字的第三图像，对所述任一文字的第二图像进行第三图像处理，获得所述任一文字的第五图像；以及基于所述任一文字的第三图像，对所述任一文字的第四图像进行所述第三图像处理，获得所述任一文字的第六图像；根据所述任一文字的第五图像和第六图像，获得所述任一文字的第七图像；根据所述任一文字的第三图像和第七图像，获得所述任一文字的第四图像的瑕疵值；及基于所述任一文字的第四图像的瑕疵值和预设的阈值，确定所述任一文字的第四图像在所述待检测图像中的检测结果。
5.可选地，所述方法还包括:在对所述无瑕疵图像进行所述第一图像处理前，对所述无瑕疵图像中的每个文字进行定位，获得所述无瑕疵图像中每个文字的位置信息。
6.可选地，所述对所述无瑕疵图像进行第一图像处理，获得所述无瑕疵图像的第一图像包括：根据所述无瑕疵图像中每个文字的位置信息，获得所述无瑕疵图像的掩膜图像；将所述掩膜图像作为所述无瑕疵图像的第一图像。
7.可选地，所述第二图像处理包括：根据所述无瑕疵图像中每个文字的位置信息，对所述无瑕疵图像中的每个文字进行分割。
8.可选地，所述根据所述每个文字的第二图像，从所述第一图像中，获得每个文字的第三图像；及根据每个文字的第二图像，从所述待检测图像中，获得每个文字的第四图像包括：利用模板匹配方法，将所述每个文字的第二图像作为目标图像，在所述第一图像中识别所述目标图像，获得与所述无瑕疵图像中每个文字的第二图像相匹配的所述第一图像中每
个文字的第三图像；及利用所述模板匹配方法，将所述每个文字的第二图像作为目标图像，在所述待检测图像中识别所述目标图像，获得与所述无瑕疵图像中每个文字的第二图像相匹配的所述待检测图像中每个文字的第四图像。
9.可选地，所述第三图像处理包括：利用所述任一文字的第三图像，移除所述任一文字的第二图像中的文字轮廓外的背景和所述任一文字的第四图像中的中的文字轮廓外的背景；和/或利用所述任一文字的第三图像，移除所述任一文字的第二图像中的文字轮廓和所述任一文字的第四图像中的文字轮廓。
10.可选地，所述根据所述任一文字的第五图像和第六图像，获得所述任一文字的第七图像包括：利用结构相似性算法，获得所述任一文字的第五图像和第六图像的差异图像，将所述差异图像作为所述任一文字的第七图像。
11.可选地，所述根据所述任一文字的第三图像和第七图像，获得所述任一文字的第四图像的瑕疵值；及基于所述任一文字的第四图像的瑕疵值和预设的阈值，确定所述任一文字的第四图像在所述待检测图像中的检测结果包括：计算所述任一文字的第七图像中的预设像素值的面积与所述任一文字的第三图像中的所述预设像素值的面积之间的比值，将所述比值作为所述任一文字的第四图像的瑕疵值；比较所述任一文字的第四图像的瑕疵值和所述预设的阈值；当所述任一文字的第四图像的瑕疵值大于或等于所述预设的阈值时，确定所述任一文字的第四图像为有瑕疵图像；及当所述任一文字的第四图像的瑕疵值小于所述预设的阈值时，确定所述任一文字的第四图像为无瑕疵图像。
12.所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述文字图像瑕疵检测方法。
13.所述计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现所述文字图像瑕疵检测方法。
14.相较于现有技术，所述文字图像瑕疵检测方法、计算机装置及存储介质，能够降低图像预处理的过杀率，区分文字图像中的文字轮廓和背景区，通过对文字轮廓和背景区的检测，确定文字所在区域的图像的瑕疵检测结果，提高瑕疵检测的效率和准确率。
附图说明
15.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
16.图1是本技术实施例提供的文字图像瑕疵检测方法的流程图。
17.图2是本技术实施例提供的计算机装置的架构图。
18.图3是本技术实施例提供的移除背景的相关步骤的示例图。
19.图4是本技术实施例提供的移除文字轮廓的相关步骤的示例图。
20.图5是本技术实施例提供的通过移除背景获得的第七图像的示例图。
21.图6是本技术实施例提供的通过移除文字轮廓获得的第七图像的示例图。
22.图7是本技术实施例提供的步骤s7的流程图。
23.主要元件符号说明
24.计算机装置3瑕疵检测系统30存储器31处理器32
25.如下具体实施方式将结合上述附图进一步说明本技术。
具体实施方式
26.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施例对本技术进行详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
27.在下面的描述中阐述了很多具体细节以便于充分理解本技术，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
28.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
29.参阅图1所示，为本技术较佳实施例的文字图像瑕疵检测方法的流程图。
30.在本实施例中，所述文字图像瑕疵检测方法可以应用于计算机装置(例如图2所示的计算机装置3)中，对于需要进行文字图像瑕疵检测的计算机装置，可以直接在计算机装置上集成本技术的方法所提供的用于文字图像瑕疵检测的功能，或者以软件开发工具包(software development kit，sdk)的形式运行在计算机装置上。
31.如图1所示，所述文字图像瑕疵检测方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
32.步骤s1，计算机装置获取无瑕疵图像和待检测图像，对所述无瑕疵图像进行第一图像处理，获得所述无瑕疵图像的第一图像。
33.在一个实施例中，计算机装置可以响应用户输入获取一幅无瑕疵图像。所述无瑕疵图像还可以预先存储在计算机装置的存储器中，或者预先存储在与计算机装置通讯连接的其他设备中。本实施例中，所述无瑕疵图像可以是工厂生产的印刷品的标准样本(golden sample)图像，所述无瑕疵图像中包含文字(例如，日文、汉字、数字、英文字母等)。需要说明的是，标准样本图像的位置不需要校正，其中文字的排列方向也不需要校正。所述待检测图像可以是对需要进行检测的所述印刷品所拍摄获得的图像。所述待检测图像的大小与无瑕疵图像的大小一致。
34.在一个实施例中，计算机装置在对所述无瑕疵图像进行所述第一图像处理前，先对所述无瑕疵图像中的每个文字进行定位，获得所述无瑕疵图像中每个文字的位置信息。
35.在一个实施例中，计算机装置可以利用光学字符识别(optical character recognition，ocr)技术识别所述无瑕疵图像的文字，进而确认所述无瑕疵图像的文字区与背景区，并确定所述文字区中每个文字的位置。所述文字区是指包含文字的区域，计算机装置可以利用感兴趣区域技术(region of interest，roi)，勾勒出所述文字区；所述背景区是指不包含文字的区域，即所述无瑕疵图像中所述文字区之外的区域。
36.在一个实施例中，所述对所述无瑕疵图像进行第一图像处理，获得所述无瑕疵图像的第一图像包括：利用roi技术，根据所述无瑕疵图像中每个文字的位置信息，获得所述无瑕疵图像的掩膜(mask)图像；及将所述掩膜图像作为所述无瑕疵图像的第一图像。
37.在一个实施例中，所述掩膜图像包括：用于遮罩所述无瑕疵图像中的背景区的掩膜图像，将该掩膜图像记作第一背景图像；及用于遮罩所述无瑕疵图像中的文字轮廓的掩膜图像，将该掩膜图像记作第一文字图像。
38.在一个实施例中，所述第一背景图像为二值图像。所述第一背景图像中的背景区的像素值为0，所述第一背景图像中的文字轮廓的像素值为255。
39.在一个实施例中，所述第一文字图像为二值图像。所述第一文字图像中的背景区的像素值为255，所述第一文字图像中的文字轮廓的像素值为0。
40.本实施例将所述掩膜图像作为所述无瑕疵图像的第一图像，则所述第一图像包括所述第一背景图像和所述第一文字图像。
41.需要说明的是，在实际操作中，可以只获取所述第一背景图像并利用所述第一背景图像进行后续检测，那么步骤s7中得到的检测结果则为第四图像中的文字轮廓瑕疵的检测结果。
42.在实际操作中，也可以只获取所述第一文字图像并利用所述第一文字图像进行后续检测，那么步骤s7中得到的检测结果为第四图像中的背景区瑕疵的检测结果。
43.在实际操作中，也可以同时获取所述第一背景图像和所述第一文字图像进行后续检测，那么步骤s7中得到的检测结果包括第四图像中的文字轮廓瑕疵的检测结果和第四图像中的背景区瑕疵的检测结果，之后对此不再进行赘述。
44.步骤s2，计算机装置对所述无瑕疵图像进行第二图像处理，获得所述无瑕疵图像中的每个文字的第二图像。
45.在一个实施例中，所述第二图像处理包括：根据所述无瑕疵图像中每个文字的位置信息，对所述无瑕疵图像中的每个文字进行分割。计算机装置可以使用ocr软件的字符切割功能对所述文字区进行分割，分割出每个文字所在的区域，获得每个文字的第一图像，所述每个文字的第一图像中包含该文字的完整文字轮廓的图像。举例而言，可以以矩形框的形式对所述无瑕疵图像中的每个文字进行分割，获得单个文字的第二图像如图3中所示的第二图像g1、图4中所示的第二图像g2。
46.步骤s3，计算机装置根据所述每个文字的第二图像，从所述第一图像中，获得每个文字的第三图像；及根据每个文字的第二图像，从所述待检测图像中，获得每个文字的第四图像，将每个文字的第二图像、第三图像及第四图像建立关联。
47.在一个实施例中，计算机装置利用模板匹配(feature match)方法，将所述每个文字的第二图像作为目标图像，在所述第一图像中识别所述目标图像，将识别到的所述目标图像从所述待检测图像中截取出来，从而获得与所述无瑕疵图像中每个文字的第二图像相匹配的所述第一图像中每个文字的第三图像。
48.需要说明的是，由于本实施例中是将用于遮罩所述无瑕疵图像中的背景区的掩膜图像(即所述第一背景图像)和/或用于遮罩所述无瑕疵图像中的文字轮廓的掩膜图像(即所述第一文字图像)作为所述第一图像，因此，所述每个文字的第三图像也包括用于遮罩所述无瑕疵图像中的背景区的掩膜图像(为便于清楚描述，以下称为第三背景图像)和/或用
于遮罩所述无瑕疵图像中的文字轮廓的掩膜图像(以下称为第三文字图像)。也即这里将由所述第一背景图像获得的第三图像记为每个文字的第三背景图像；以及将由所述第一文字图像获得的第三图像记为每个文字的第三文字图像。同样地，所述第三背景图像为二值图像，所述第三背景图像中的背景区的像素值为0，所述第三背景图像中的文字轮廓的像素值为255。所述第三文字图像为二值图像，其中，所述第三文字图像中的背景区的像素值为255，所述第三文字图像中的文字轮廓的像素值为0。
49.利用所述模板匹配方法，将所述每个文字的第二图像作为目标图像，在所述待检测图像中识别所述目标图像，将识别到的所述目标图像从所述待检测图像中截取出来，从而获得与所述无瑕疵图像中每个文字的第二图像相匹配的所述待检测图像中每个文字的第四图像。
50.例如图3所示，根据第二图像g1获得的第三背景图像m1和第四图像t1；例如图4所示，根据第二图像g2获得的第三文字图像m2和第四图像t2；例如图5所示，获得的第三背景图像m3。
51.需要说明的是，由于步骤s2中每个文字都有唯一的一张第二图像，所以在所述每个文字的第二图像和所述每个文字的第三图像之间建立了一一对应的关系，并且所述每个文字的第二图像与第三图像大小一致。同样的，在所述每个文字的第二图像和所述每个文字的第四图像之间建立了一一对应的关系，并且所述每个文字的第二图像与第四图像大小一致。因此，以所述每个文字的第二图像为关系节点，在所述每个文字的第三图像和所述每个文字的第四图像之间也建立了一一对应的关系，并且所述每个文字的第三图像与第四图像大小一致。综上所述，在所述每个文字的第二图像、第三图像和第四图像这三者中的任意两者之间建立了一一对应的关系，且三者的图像大小一致。
52.步骤s4，计算机装置基于任一文字的第三图像，对所述任一文字的第二图像进行第三图像处理，获得所述任一文字的第五图像；以及基于所述任一文字的第三图像，对所述任一文字的第四图像进行所述第三图像处理，获得所述任一文字的第六图像。
53.在一个实施例中，所述第三图像处理包括：利用所述任一文字的第三图像中的第三背景图像，移除所述任一文字的第二图像中的文字轮廓外的背景和所述任一文字的第四图像中的文字轮廓外的背景，所述移除包括遮罩；和/或利用所述任一文字的第三图像中的第三文字图像，移除所述任一文字的第二图像中的文字轮廓和所述任一文字的第四图像中的文字轮廓，所述移除包括遮罩。
54.举例而言，例如图3所示，利用第三背景图像m1对第二图像g1遮罩获得的第五图像gm1，利用第三背景图像m1对第四图像t1遮罩获得的第六图像tm1。又如图4所示，利用第三文字图像m2对第二图像g2遮罩获得的第五图像gm2，利用第三文字图像m2对第四图像t2遮罩获得的第六图像tm2；例如图5所示，利用第三背景图像m3获得的第五图像gm3和第六图像tm3。
55.步骤s5，计算机装置根据所述任一文字的第五图像和第六图像，获得所述任一文字的第七图像。
56.在一个实施例中，计算机装置利用结构相似性(structural similarity，ssim)算法获得所述任一文字的第五图像和第六图像的差异图像，将所述差异图像作为所述任一文字的第七图像，所述任一文字的第七图像为二值图像，其中，所述任一文字的第七图像中的
背景区的像素值为0，所述任一文字的第七图像中的文字轮廓的像素值为255。例如，计算机装置可以通过安装python、opencv、scikit-image和imutils等软件，利用所述ssim算法获得所述任一文字的第七图像。
57.举例而言，例如图5所示，根据第五图像gm3和第六图像tm3获得的第七图像d1；例如图6所示，根据第五图像gm2和第六图像tm2获得的第七图像d2。
58.步骤s6，计算机装置根据所述任一文字的第三图像和第七图像，获得所述任一文字的第四图像的瑕疵值。
59.在一个实施例中，计算机装置计算所述任一文字的第七图像中的预设像素值(例如，255)的面积与所述任一文字的第三图像中的所述预设像素值的面积之间的比值，将所述比值作为所述任一文字的第四图像的瑕疵值。计算机装置首先计算像素值为255的白色像素的面积在所述任一文字的第七图像中占据的比例a，之后计算像素值为255的白色像素的面积在所述任一文字的第三图像中占据的比例b，最后计算比例a与比例b的比值得到比值c，将所述比值c作为所述任一文字的第四图像的瑕疵值。
60.例如图5中，由第七图像d1和第三背景图像m3得到的瑕疵值为0.17；又如图6中，由第七图像d2和第三文字图像m2得到的瑕疵值为0.078。
61.步骤s7，计算机装置基于所述任一文字的第四图像的瑕疵值和预设的阈值，确定所述任一文字的第四图像在所述待检测图像中的检测结果。
62.在一个实施例中，所述预设的阈值可以是0.02，步骤s7的具体流程图如图7所示，具体如下。
63.步骤s70，计算机装置比较所述任一文字的第四图像的瑕疵值和所述预设的阈值；当所述任一文字的第四图像的瑕疵值大于或等于所述预设的阈值时，执行步骤s71；及当所述任一文字的第四图像的瑕疵值小于所述预设的阈值时，执行步骤s72。
64.步骤s71，计算机装置确定所述任一文字的第四图像为有瑕疵图像。
65.例如图6中，由第七图像d2和第三文字图像m2得到的瑕疵值为0.078，大于所述预设的阈值0.02，可以确定图4中的第四图像t2在所述待检测图像中为有瑕疵图像。
66.步骤s72，计算机装置确定所述任一文字的第四图像为无瑕疵图像。
67.上述图1详细介绍了本技术的文字图像瑕疵检测方法，下面结合图2，对实现所述文字图像瑕疵检测方法的硬件装置架构进行介绍。
68.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
69.参阅图2所示，为本技术较佳实施例提供的计算机装置的结构示意图。在本技术较佳实施例中，所述计算机装置3包括存储器31、至少一个处理器32。本领域技术人员应该了解，图2示出的计算机装置的结构并不构成本技术实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机装置3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
70.在一些实施例中，所述计算机装置3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。
71.需要说明的是，所述计算机装置3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本技术，也应包含在本技术的保护范围以内，并以引用方式包含于此。
72.在一些实施例中，所述存储器31用于存储程序代码和各种数据。例如，所述存储器31可以用于存储无瑕疵图像，还可以存储安装在所述计算机装置3中的瑕疵检测系统30，并在计算机装置3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(read-only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子擦除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的计算机可读的存储介质。
73.在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述计算机装置3的控制核心(control unit)，利用各种接口和线路连接整个计算机装置3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机装置3的各种功能和处理数据，例如执行文字图像瑕疵检测的功能。
74.在一些实施例中，所述瑕疵检测系统30运行于计算机装置3中。所述瑕疵检测系统30可以包括多个由程序代码段所组成的功能模块。所述瑕疵检测系统30中的各个程序段的程序代码可以存储于计算机装置3的存储器31中，并由至少一个处理器32所执行，以实现图1所示的文字图像瑕疵检测的功能。
75.本实施例中，所述瑕疵检测系统30根据其所执行的功能，可以被划分为多个功能模块。本技术所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。
76.尽管未示出，所述计算机装置3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机装置3还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
77.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
78.上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是服务器、个人电脑等)或处理器(processor)执行本技术各个实施例所述方法的部分。
79.在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述计算机装置3的操作系统以及安装的各类应用程序(如所述的瑕疵检测系统30)、程序代码等，例如，上述的各个模块。
80.所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。存储在所述存储器31中的程序代码可以由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到文字图像瑕疵检测的目的。
81.在本技术的一个实施例中，所述存储器31存储一个或多个指令(即至少一个指令)，所述至少一个指令被所述至少一个处理器32所执行以实现图1所示的文字图像瑕疵检测的目的。
82.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
83.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
84.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
85.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
86.最后所应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照以上较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。