具体实施方式

提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开之后，在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不受限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本申请的公开之后将是清楚地那样被改变。此外，为了增加的清楚和简明，可省略在理解本申请的公开之后已知的特征的描述。

在此描述的特征可以以不同的形式来实现，而不应被解释为受限于在此描述的示例。相反，已提供在此描述的示例，以仅示出在理解本申请的公开之后将是清楚的实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式。

图1是示出根据示例实施例的紫边校正装置的框图。

参照图1，紫边校正装置100可包括存储器110和处理器120。尽管在图1中未示出，但是紫边校正装置100可与外部存储器连接和/或与外部装置进行通信。图1示出的紫边校正装置100可包括与当前示例相关联的组件。因此，对于本领域普通技术人员将清楚的是，在紫边校正装置100中还可包括除了图1中示出的组件之外的其他通用组件。

这里，紫边校正装置100可利用诸如个人计算机(PC)、服务器装置、移动装置、嵌入式装置等的各种类型的装置来实现。详细地，紫边校正装置100可被包括在可拍摄图像和/或处理图像的智能电话、平板装置、增强现实(AR)装置、物联网(IoT)装置、自动驾驶车辆、机器人装置或医疗装置中，但不限于此。

存储器110存储在紫边校正装置100中处理的各种数据。例如，存储器110可存储在紫边校正装置100中已处理或将被处理的数据。在一个示例中，存储器可存储在处理器120中可执行的指令。此外，存储器110可存储将由紫边校正装置100驱动的应用或驱动器。

例如，存储器110可包括随机存取存储器(RAM)(诸如，动态随机存取存储器(DRAM)或静态随机存取存储器(SRAM))、只读存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、CD-ROM、蓝光光盘、光盘存储装置、硬盘驱动器(HDD)、固态驱动器(SSD)或闪存。

处理器120可控制紫边校正装置100的总体功能。例如，处理器120通常可通过执行存储在存储器110中的程序，来控制紫边校正装置100。处理器120可被实现为包括在用于处理数据的设备100中的中央处理器(CPU)、图形处理器(GPU)或应用处理器(AP)，但不限于此。

处理器120可从存储器110读取数据(例如，图像数据)或将数据(例如，图像数据)写入存储器110，并通过使用读取的数据/写入的数据来执行紫边校正。例如，当指令在处理器中被执行时，处理器可被配置为确定：(1)(a)图像中的紫边区域中的第一像素与(b)图像中的过曝区域的第一距离，和(2)(c)第一像素与(d)图像中的非过曝且非紫边区域的第二距离。处理器可基于第一距离和第二距离，校正紫边区域中的第一像素。

也就是说，紫边校正装置100可基于像素与过曝区域的距离和像素与非过曝且非紫边区域的距离来适应性地校正紫边区域中的像素。因此，即使面对复杂的紫边(例如，不同形状的紫边)，紫边校正装置100也可有效地校正紫边。

在下文中，将参照图2至图7对处理器120执行的紫边校正方法的示例进行描述。

图2是示出根据示例实施例的紫边校正方法的流程图。

参照图2，在操作S210中，处理器可确定：(1)图像中的紫边区域中的第一像素与图像中的过曝区域的第一距离，和(2)第一像素与图像中的非过曝且非紫边区域的第二距离。

这里，紫边区域可被预先确定。紫边区域可使用各种方法被预先确定。例如，可根据图像中的像素的颜色、图像中的边缘、图像中的像素的亮度中的至少一个来确定紫边区域。然而，本公开不限于此，在其他示例中，可使用任意其他方法来预先确定紫边区域。此外，第一像素可以是第一像素组中的像素。

此外，过曝区域和非过曝且非紫边区域可被预先确定。过曝区域和非过曝且非紫边区域可使用各种方法被预先确定。例如，可根据图像中的像素的亮度来确定过曝区域和非过曝且非紫边区域。然而，本公开不限于此，在其他示例中，可使用任意其他方法来预先确定过曝区域和非过曝且非紫边区域。例如，可在限制过曝区域的像素的数量的情况下确定过曝区域和非过曝且非紫边区域。在一个示例中，处理器可在确定过曝区域和非过曝且非紫边区域之前对图像进行预处理(例如，降噪)。

在一个实施例中，包括第一像素的第一像素组可包括设置在从紫边区域分离(或划分)的多个区域中的每个区域中的预定位置处的像素。例如，第一像素组可以是或者可包括不相邻的多个像素。这里，不相邻的多个像素可以是均匀分布的多个像素，也可以是非均匀分布的多个像素。本公开不限制多个像素的分布方式。在一个示例，预定位置可包括区域的中心。然而，上述示例仅是示例性的，本公开的预定位置不限于此。可以以任何方式对区域进行划分。例如，可以以矩形划分区域。然而，上述示例仅是示例性的，本公开的区域的形状不限于此。

在操作S210中，第一像素与过曝区域的第一距离可指示第一像素与过曝区域的距离的程度。例如，第一距离可以是第一像素与过曝区域的最短距离。然而，本公开不限于此。例如，第一距离可以过曝区域中的距第一像素最近的预定数量的像素与第一像素的多个距离的平均值。请注意，上述示例仅是示例性的，指示第一像素与过曝区域的距离的程度的第一距离可根据情况来具体定义。

类似地，第一像素与非过曝且非紫边区域的第二距离可指示第一像素与非过曝且非紫边区域的距离的程度。例如，第二距离可以是第一像素与非过曝且非紫边区域的最短距离。然而，本公开不限于此。例如，第二距离可以非过曝且非紫边区域中的距第一像素最近的预定数量的像素与第一像素的多个距离的平均值。请注意，上述示例仅是示例性的，指示第一像素与非过曝且非紫边区域的距离的程度的第二距离可根据情况来与第一距离类似地被定义。

另外，第一像素可以是单个像素，也可以是多个像素。当第一像素是多个像素时，可针对每个像素来确定相应的第一距离和第二距离。

在操作S220中，处理器可基于第一距离和第二距离，校正紫边区域中的第一像素。

在一个示例中，当第一像素是多个像素时，处理器可基于各个像素的第一距离和第二距离来分别校正各个像素。

在一个实施例中，处理器可首先基于第一距离和第二距离，确定紫边区域中的第一像素的第一权重，其中，第一权重大于或等于0且小于或等于1。然后，处理器可基于第一像素的第一权重改变第一像素的至少一个像素数据，从而校正第一像素。至少一个像素数据可包括一个或多个颜色域(诸如，但不限于，UV域、CrCb域和/或HS域)中的至少一个颜色域内的像素数据。

这里，第一像素的第一权重可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度。例如，仅作为示例性示例，处理器可计算第二距离与第一距离和第二距离的总和之间的比值作为第一系数，并通过将第一系数映射到第一预定映射曲线来确定第一像素的第一权重。第一系数越大，第一像素的第一权重越大。换言之，第一像素相对于过曝区域靠近非过曝且非紫边区域的程度越高，第一权重越大。

在一个示例中，第一预定映射曲线可保证：当第一系数为0时，第一权重为0；当第一系数为1时，第一权重为1。然而，上述示例仅是示例性的，本公开不限于此。可根据需要选择合适的映射曲线作为第一预定映射曲线。例如，第一预定映射曲线可以是线性曲线或者非线性曲线。

在特定情况下，处理器可将第一系数设置为1。例如，仅作为示例性示例，当第一距离和第二距离的总和小于第一阈值时，处理器可将第一系数设置为1。可认为第一像素处于紫边区域中的与过曝区域和非过曝且非紫边区域邻近的区域。

图3是示出根据示例实施例的图像的示意图。

参照图3，图像300可包括三个区域(即，仅作为示例，左上角的过曝区域、中间的紫边区域和剩余的非过曝且非紫边区域)。

通常，紫边区域的形状和大小可以差异很大。例如，紫边区域的形状可以是不规则的多边形、不规则的椭圆形或者任意其他形状。在这种情况下，往往难以区分紫边区域中的一些像素并有效校正这些像素。

具体地讲，参照图3，紫边区域可包括位于非过曝且非紫边区域和紫边区域之间的边缘上的像素(或像素点)N和位于紫边区域中的像素M。例如，像素N到过曝区域的第一距离Nd1和像素M到过曝区域的第一距离Md1相同(例如，第一距离Nd1和第一距离Md1之间的差小于预定阈值)，而像素N到非过曝且非紫边区域的第二距离Nd2和像素M到非过曝区域的第二距离Md2不相同(例如，第二距离Nd2和第二距离Md2之间的差大于或者等于预定阈值)。

根据本公开的示例实施例，处理器可不同地校正像素N和像素M，从而针对基于第一距离和第二距离来区分像素N和像素M的情况有效校正像素N和像素M。在这种情况下，像素N和像素M可具有不同的第一权重。

类似地，根据本公开的示例实施例，当(1)像素N到过曝区域的第一距离Nd1和像素M到过曝区域的第一距离Md1不相同(例如，第一距离Nd1和第一距离Md1之间的差大于或等于预定阈值)，而(2)像素N到非过曝且非紫边区域的第二距离Nd2和像素M到非过曝区域的第二距离Md2相同(例如，第二距离Nd2和第二距离Md2之间的差小于预定阈值)时，处理器可不同地校正像素N和像素M，从而在基于第一距离和第二距离来区分像素N和像素M的情况下有效校正像素N和像素M。在这种情况下，像素N和像素M可具有不同的第一权重。

换言之，在第一像素包括多个像素的情况下，当多个像素中的一个像素的第一距离与多个像素中的另一个像素的第一距离相同，该一个像素的第二距离与该另一个像素的第二距离不相同时，该一个像素与该另一个像素被不同地校正；和/或当多个像素中的一个像素的第一距离与多个像素中的另一个像素的第一距离不相同，该一个像素的第二距离与该另一个像素的第二距离相同时，该一个像素与该另一个像素被不同地校正。

因此，根据本公开的实施例，处理器可有效区分并有效校正难以区分的像素。

图4是示出根据示例实施例的改变第一像素的第一权重的方法的流程图。

参照图4，在操作S410中，处理器可基于紫边区域中的像素的颜色、紫边区域中的像素的亮度或紫边区域的边缘，确定紫边区域的第二权重。

第二权重可指示紫边区域的整体紫色程度。例如，当第二权重越大时，紫色区域的整体紫色程度越大。

在一个示例中，紫边区域中的像素的颜色可指示像素的紫色程度，因此，处理器可基于紫边区域中的像素的紫色程度来确定紫边区域的第二权重。例如，处理器可根据像素在色域上是否满足阈值条件来确定像素的紫色程度。在另一个示例中，由于紫边区域通常更容易出现在较亮的区域，因此，紫边区域中的像素的亮度可与预定阈值进行比较，以基于像素的明亮程度确定紫边区域的第二权重。在又一个示例中，处理器可基于紫边区域的边缘的梯度程度确定紫边区域的第二权重。

换言之，处理器可基于紫边区域中的像素的紫色程度、紫边区域中的像素的明亮程度和紫边区域的边缘的梯度程度中的至少一个，来确定紫边区域的第二权重。

在操作S420中，处理器可基于第一像素的第一权重和紫边区域的第二权重，计算第一像素的第三权重。

如上所述，第一像素的第一权重可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度，第二权重可指示紫边区域的整体紫色程度。因此，基于第一像素的第一权重和紫边区域的第二权重计算的第一像素的第三权重可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和紫边区域的整体紫色程度二者。

在一个实施例中，处理器可将第一像素的第三权重计算为第一像素的第一权重和紫边区域的第二权重的乘积，从而第一像素的第三权重可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和紫边区域的整体紫色程度二者。然而，本公开不限于此，以其他方式基于第一像素的第一权重和紫边区域的第二权重计算第一像素的第三权重从而获得可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和紫边区域的整体紫色程度二者的第一像素的第三权重也是可行的。

在操作S430中，处理器可基于计算的第一像素的第三权重，改变第一像素的至少一个像素数据。

在第三权重可指示第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和紫边区域的整体紫色程度二者的情况下，基于第三权重改变第一像素的至少一个像素数据可有效地校正第一像素的至少一个像素数据。这是因为，在校正的过程中，处理器同时考虑了第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和紫边区域的整体紫色程度二者。

在一个实施例中，第一像素的至少一个像素数据可包括第一像素的颜色分量。在这种情况下，可通过将第一像素的第三权重映射到第二预定映射曲线来计算第一像素的第一值。这里，第一像素的第三权重越大，第一像素的第一值越大。换言之，第二预定映射曲线可以是单调递增的曲线。在一个非限制性示例中，第二预定映射曲线可以是线性曲线。然而，本公开不限于此，其他非线性曲线也是可行的。

例如，仅以UV域为例，处理器可通过如下公式来获得校正后的颜色分量：

U＝U0×(1-f(w)) (1)

V＝V0×(1-f(w)) (2)

其中，U0和V0分别是第一像素的原始的U分量和V分量，w是第三权重，f()对应于第二映射曲线。

也就是说，可基于第一像素的颜色分量与1和第一像素的第一值的差值的乘积来改变第一像素的颜色分量。例如，可通过将第一像素的颜色分量改变为第一像素的颜色分量与1和第一像素的第一值的差值的乘积来获得校正后的颜色分量。

在另一个实施例中，处理器可通过将第一像素的第三权重映射到第三预定映射曲线来计算第一像素的第二值。这里，第一像素的第三权重越大，第一像素的第二值越大。换言之，第三预定映射曲线可以是单调递增的曲线。在一个非限制性示例中，第三预定映射曲线可以是线性曲线。然而，本公开不限于此，其他非线性曲线也是可行的。

在该实施例中，处理器可获取(1)过曝区域的与第一像素相距第一距离的第一参考点A的第一颜色分量(UA,VA)、(2)非过曝且非紫边区域的与第一像素相距第二距离的第二参考点B的第二颜色分量(UB,VB)以及(3)第一像素的颜色分量(U0,V0)。然后，处理器可计算第一颜色分量(UA,VA)与第二颜色分量(UB,VB)之间的差作为颜色分量差DU＝UA-UB，DV＝VA-VB。之后，处理器可基于第一像素的颜色分量与颜色分量差和第一像素的第二值的乘积之间的差来改变第一像素的颜色分量。例如，处理器可通过下面的公式将第一像素的颜色分量改变为第一像素的颜色分量与颜色分量差和第一像素的第二值的乘积之间的差，从而校正第一像素的颜色分量。

U＝U0-f(w)×DU (3)

V＝V0-f(w)×DV (4)

其中，U0和V0分别是第一像素的原始U分量和V分量，w是第三权重，f()对应于第三映射曲线。

这里，虽然以UV域为示例描述了第一像素的颜色分量，但是公开不限于此。公开也可应用于任何其他颜色域(诸如，但不限于，CrCb域和HS域等)。

由于在校正的过程中，同时使用了像素的权重(第一权重和/或第三权重)和与权重对应的参考点的信息，因此，可适应不同形状的紫边，并减少相似颜色的影响来有效复原紫边中的像素的颜色分量。

图5是示出根据示例实施例的校正紫边中的第二像素的方法流程图。

在图5中，第二像素可以是包括在第一像素中的不相邻的多个像素之间的像素。根据一个实施例，可以利用包括在第一像素中的多个像素的相关信息(例如，第一权重)来获得用于改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算用于改变第二像素的信息，因此，减少了计算量并减少了用于校正紫边区域的时间。

更具体地讲，参照图5，在操作S510中，处理器可通过对多个像素的多个第一权重执行插值来计算紫边区域中的位于多个像素之间的第二像素的第一权重。

这里，处理器可采用各种插值算法来执行插值。例如，各种插值算法包括但不限于最近邻插值、双线性插值和/或立方卷积插值等。此外，包括在第一像素中的多个像素中的每个像素的第一权重可基于参照图4描述的紫边校正方法来确定。

在操作S520中，处理器可基于第二像素的第一权重改变第二像素的至少一个像素数据，从而校正第二像素。

这里，操作S520中的改变第二像素的至少一个像素数据的方法可与参照图4描述的改变第一像素的至少一个像素数据的方法基本相同。因此，下面将简洁地描述操作S520中的改变第二像素的至少一个像素数据的方法，而参照图4描述的改变第一像素的至少一个像素数据的方法也可类似地应用于操作S520。

在一个实施例中，处理器可首先基于紫边区域中的像素的颜色、紫边区域中的像素的亮度或紫边区域的边缘来确定紫边区域的第二权重，其中，第二权重大于或等于0且小于或等于1。然后，处理器基于第二像素的第一权重和紫边区域的第二权重，计算第二像素的第三权重。最后，处理器可基于计算的第二像素的第三权重，改变第二像素的至少一个像素数据。

在该实施例中，当第二像素的至少一个像素数据包括第二像素的颜色分量时，处理器可通过将第二像素的第三权重映射到第二预定映射曲线来计算第二像素的第一值，其中，第二像素的第三权重越大，第二像素的第一值越大。接下来，可基于第二像素的颜色分量与1和第二像素的第一值的差值的乘积来改变第二像素的颜色分量。例如，可通过将第二像素的颜色分量改变为第二像素的颜色分量与1和第二像素的第一值的差值的乘积来获得校正后的第二像素。

图6是示出根据示例实施例的校正紫边中的第二像素的方法的流程图。

在图6中，第二像素可以是不相邻的多个像素之间的像素。根据一个实施例，处理器可以利用多个像素的相关信息(例如，第三权重)来获得用于改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算用于改变第二像素的信息，因此，减少了计算量并减少了用于校正紫边区域的时间。

更具体地讲，参照图6，在操作S610中，处理器可通过对多个像素的多个第三权重执行插值来计算紫边区域中的位于多个像素之间的第二像素的第三权重。

这里，处理器可采用各种插值算法来执行插值。例如，各种插值算法包括但不限于最近邻插值、双线性插值和/或立方卷积插值等。此外，多个像素中的每个像素的第三权重可基于参照图4描述的紫边校正方法来确定。

在操作S620中，处理器可基于第二像素的第三权重改变第二像素的至少一个像素数据，从而校正第二像素。

这里，操作S620中的改变第二像素的至少一个像素数据的方法可与参照图4描述的改变第一像素的至少一个像素数据的方法基本相同。因此，为了简洁下面将简洁地描述操作S620中的改变第二像素的至少一个像素数据的方法，而参照图4描述的改变第一像素的至少一个像素数据的方法也可类似地应用于操作S620。

在一个实施例中，第二像素的至少一个像素数据可包括第二像素的颜色分量。处理器可通过将第二像素的第三权重映射到第二预定映射曲线来计算第二像素的第一值，其中，第二像素的第三权重越大，第二像素的第一值越大。然后，处理器基于第二像素的颜色分量与1和第二像素的第一值的差值的乘积来改变第二像素的颜色分量。例如，处理器可通过将第二像素的颜色分量改变为第二像素的颜色分量与1和第二像素的第一值的差值的乘积来校正第二像素的颜色分量。

图7是示出根据示例实施例的校正紫边中的第二像素的方法的流程图。

在图7中，第二像素可以是不相邻的多个像素之间的像素。根据一个实施例，处理器可以利用多个像素的相关信息(例如，图像数据)来获得用于改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算用于改变第二像素的信息，因此，减少了计算量并减少了用于校正紫边区域的时间。

在操作S710中，处理器可通过对多个像素中的每个的至少一个图像数据(例如，至少一个像素值)执行插值来计算紫边区域中的位于多个像素之间的第二像素的至少一个图像数据作为校正后的第二像素的至少一个图像数据。

换言之，处理器可通过使用校正后的多个像素的图像数据来校正其他像素(例如，第二像素)的图像数据。

图8是示出根据示例实施例的电子装置的框图。

参照图8，电子装置800可包括相机810和处理器820。例如，电子装置800可应用于或安装在机器人装置(诸如，无人驾驶飞机和高级驾驶员辅助系统(ADAS))、智能TV、智能电话、医疗装置、移动装置、图像显示装置、测量装置、IoT装置以及任何其它各种类型的电子装置。

相机800可拍摄图像。处理器820可执行与参照图1描述的由处理器120执行的操作类似的操作。例如，处理器820可接收图像并确定：(1)图像中的紫边区域中的第一像素与图像中的过曝区域的第一距离和(2)第一像素与图像中的非过曝且非紫边区域的第二距离。处理器820可基于第一距离和第二距离，校正紫边区域中的第一像素。

上面描述的一个或多个方法可被编写为在计算机上可执行的程序，并且可通过使用非暂时性计算机可读记录介质实现在操作该程序的通用数字计算机上。可使用各种装置将在上述方法中使用的数据的结构记录在计算机可读记录介质上。计算机可读记录介质可包括存储介质，诸如，磁存储介质(例如，ROM、RAM、通用串行总线(USB)、软盘、硬盘等)、光学记录介质(例如，光盘(CD)-ROM、数字通用光盘(DVD)等)等。

根据一个实施例，由于在可基于像素与过曝区域的距离和像素与非过曝且非紫边区域的距离来适应性地校正紫边区域中的像素，因此，即使面对复杂的紫边(例如，不同形状的紫边)，也可有效地校正紫边。

根据一个实施例，由于可基于第一距离和第二距离来区分像素N和像素M(例如，第一距离相同而第二距离不同的像素N和像素M、或者第一距离不同而第二距离相同的像素N和像素M)，因此，可有效区分看似难以区分的像素N和像素M，并有效校正看似难以区分的像素N和像素M。

根据一个实施例，由于在校正的过程中，同时考虑了(1)第一像素相对于过曝区域靠近非过曝且非紫边区域的程度和(2)紫边区域的整体紫色程度二者，因此，可有效地校正第一像素的至少一个像素数据。

根据一个实施例，可以利用多个像素的相关信息(例如，第一权重)来获得用于改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算用于改变第二像素的信息，因此，减少了计算量并减少了用于校正紫边区域的时间。

根据一个实施例，可以利用多个像素的相关信息(例如，第三权重)来获得用于改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算用于改变第二像素的信息，因此，减少了计算量并减少了用于校正紫边区域的时间。

根据一个实施例，可以利用多个像素的相关信息(例如，图像数据)来获得改变第二像素的信息，而无需使用第二像素的第一距离和第二距离来计算改变第二像素的信息，因此，节省了计算量并减少了用于校正紫边区域的时间。

根据一个实施例，由于在校正的过程中，同时使用了像素的权重(第一权重和/或第三权重)和与权重对应的参考点的信息，因此，可适应不同形状的紫边，并减少相似颜色的影响来有效复原紫边中的像素的颜色分量。

如本领域中传统的，可以根据执行所描述的一个或多个功能的框来描述和示出实施例。在本文中可以被称为单元或模块等的这些块由模拟和/或数字电路(诸如，逻辑门、集成电路、微处理器、微控制器、存储器电路、无源电子组件、有源电子组件、光学组件、硬连线电路等)物理地实现，并且可以可选地由固件和/或软件驱动。例如，电路可以实现在一个或多个半导体芯片中，或者实现在诸如印刷电路板等的基板支撑件上。构成块的电路可以由专用硬件实现，或者由处理器(例如，一个或多个编程的微处理器和相关联的电路)实现，或者由执行块的一些功能的专用硬件和执行块的其他功能的处理器的组合实现。在不脱离本公开的范围的情况下，实施例的每个块可以物理地分成两个或更多个相互作用和离散的块。同样地，在不脱离本公开的范围的情况下，实施例的框可以物理地组合成更复杂的框。实施例的一个方面可以通过存储在非暂时性存储介质内并由处理器执行的指令来实现。

虽然本公开包括特定的示例，但是在理解本申请的公开之后将清楚，在不脱离权利要求和它们的等同物的精神和范围的情况下，可在这些示例中进行形式和细节上的各种改变。在此描述的示例应仅被认为是描述性的，而不是出于限制的目的。每个示例中的特征或方面的描述将被认为可适用于其它示例中的类似特征或方面。如果描述的技术以不同的次序被执行，和/或如果描述的系统、架构、装置或电路中的组件以不同的方式被组合，和/或被其它组件或它们的等同物替换或补充，则可实现合适的结果。因此，公开的范围不是由具体实施方式限定，而是由权利要求及它们的等同物限定，并且在权利要求及它们的等同物的范围内的所有变化应被解释为包括在公开中。