本發(fā)明涉及一種基于圖像識別的電氣元件報價方法，尤其涉及利用圖像識別技術(shù)對電氣設(shè)計圖的表格進(jìn)行分割、元件名稱識別、數(shù)據(jù)庫匹配報價的電氣元件報價方法。

背景技術(shù)：

近年來，隨著現(xiàn)代化技術(shù)的發(fā)展，曾經(jīng)的紙質(zhì)化辦公方式正漸漸被“無紙化辦公”所替代。由于現(xiàn)在處于新舊交替的特殊時期，仍有許多紙質(zhì)信息需要通過人工將數(shù)據(jù)導(dǎo)入到計算機(jī)系統(tǒng)中，而大量的紙質(zhì)數(shù)據(jù)信息和人工輸入不可避免的錯誤率，使得自動化信息采集系統(tǒng)具有非常重要的意義。

為了解決自動化紙質(zhì)信息提取的問題，國內(nèi)外學(xué)術(shù)界、工業(yè)界提出了很多方案。其中與本發(fā)明較為接近的技術(shù)方案包括：謝亮(表格識別預(yù)處理技術(shù)與表格字符提取算法的研究[d].中山大學(xué),2005)該系統(tǒng)在圖像二值化算法的基礎(chǔ)上，針對手寫表格文檔提出了一種基于非線性對比度增強(qiáng)及l(fā)og算子的混合二值化方法，針對表格文檔圖像，在hough變換的基礎(chǔ)上提出了一種帶參數(shù)約束條件的hough變換——htpc，實現(xiàn)了對表格文檔圖像的快速傾斜角檢測及校正，通過ctf過程準(zhǔn)確地定位并提取出表格的所有單元格，再通過eccea方法完整地提取出表格中的字符，然后利用基于連通區(qū)域檢測的去噪算法對圖像進(jìn)行去噪，最后對字符圖像進(jìn)行平滑化處理，解決表格文檔中手寫字符經(jīng)常重疊表格邊框線的問題，該系統(tǒng)針對阿拉伯?dāng)?shù)字具有良好的識別率，但在中文字符識別效率上沒有太多的說明，且實驗樣本噪音較少；王科俊(印刷體表格識別的研究[d].哈爾濱工程大學(xué),2013)將灰度圖像轉(zhuǎn)化為二值圖像，并采用改進(jìn)的hough變換完成傾斜校正，利用文檔圖像的版面分析提取圖像中的表格區(qū)域，采用了傳統(tǒng)的投影法與基于直線搜索相結(jié)合的算法完成表格線的檢測與提取，將圖像中的橫向與縱向表格線重組成表格框架，最后，利用ocr技術(shù)完成數(shù)據(jù)的識別，并將其寫入已經(jīng)提取的表格框架中，完成表格圖像的重繪。該系統(tǒng)對印刷體簡單表格的識別上有較好的識別率，圖像樣本文件噪聲較少，文字識別上較為簡單；周壯(表格識別系統(tǒng)中框線檢測與去除的算法研究[d].遼寧科技大學(xué),2015)在表格識別的基礎(chǔ)上，實現(xiàn)在原圖像上去除表格框線，該系統(tǒng)實現(xiàn)字符與筆畫疊加的情況下去除框線同時保留字符筆畫，但該系統(tǒng)樣本圖像噪聲較少，在噪聲處理方面涉及較少；發(fā)明專利(申請?zhí)枺篶n201610057218.x，名稱：圖像超高密度椒鹽噪聲的降除方法)公開了一種圖像超高密度椒鹽噪聲的降除方法，主要解決現(xiàn)有方法無法濾除超高密度椒鹽噪聲的問題，與本發(fā)明不同的地方在于，其用極值方法檢測噪聲點(diǎn)，用均值的方法處理噪聲點(diǎn)，這樣處理會造成原本圖像部分信息的丟失，特別是文字中的邊緣信息的丟失，嚴(yán)重影響文字識別效果。

綜上所述，當(dāng)前表格識別處理技術(shù)方案中，存在如下不足：(1)并未考慮到像電氣元件報價單這樣有高噪聲情況下的識別效率，采用的圖像樣本噪聲處理較為簡單；

(2)系統(tǒng)在阿拉伯?dāng)?shù)字上的識別上較成熟，但在高噪聲樣本中的漢字識別方面的工作較少有涉及；

(3)在降噪處理技術(shù)方案上，未權(quán)衡噪聲點(diǎn)去除和文字信息保留之間的平衡關(guān)系，在處理噪聲點(diǎn)的時候會同時消除部分關(guān)鍵的文字邊緣信息。

在電氣元件報價方法中，控制高密度椒鹽噪聲處理粒度和文字邊緣信息保留之間的平衡關(guān)系非常重要，高密度椒鹽噪聲會造成文字識別率過低，但在處理噪聲的同時會影響文字邊緣信息，而降低文字識別率。而本發(fā)明中的降噪策略，針對電氣元件報價單這種有高密度噪聲點(diǎn)的印刷體表格文件，能較好的對其進(jìn)行處理。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有紙質(zhì)電氣元件報價單信息錄入的問題，本發(fā)明提供了一種基于圖像識別的電氣元件報價方法。

所述的一種基于圖像識別的電氣元件報價方法，其特征在于包括如下步驟：

步驟1：讀入電氣設(shè)計圖的掃描圖像f1；

步驟2：對掃描圖像f1進(jìn)行傾斜校正，為傾斜校正后的圖像f2；

步驟3：對校正圖像f2進(jìn)行表格切割，具體為：

步驟3.1：采用hough方法對校正圖像f2再次進(jìn)行直線檢測，并分類得到垂直直線集合lv＝{(lvi,xi)|i＝1,2,…,nv}和水平直線集合lh＝{(lhj,yj)|j＝1,2,…,nh}，其中xi表示垂直直線lvi的橫坐標(biāo)，nv表示集合lv中的元素數(shù)量，yj表示水平直線lhj的縱坐標(biāo)，nh表示集合lh中的元素數(shù)量；

步驟3.2：垂直直線合并，具體為：若垂直直線集合lv中存在nvs條直線，記為集合lvs＝{(lvi,xi)|i＝1,2,…,nvs,(lvi,xi)∈lv}，且這nvs條直線中的任意兩條直線lvi與lvj滿足|xi-xj|≤λ，則將這nvs條直線合并成為一條直線(lvk,xk)加入到集合lv中，并將集合lv中對應(yīng)的nvs條直線去除，其中橫坐標(biāo)xk根據(jù)式(3)計算，λ表示事先給定的直線合并閾值；重復(fù)這一過程直到lv中無直線可合并，得到新的垂直直線集合lv；

步驟3.3：根據(jù)步驟3.2相同的原理對水平直線進(jìn)行合并，得到新的水平直線集合lh；

步驟3.4：將新的垂直直線集合lv劃分為q個子集，記為lvtk＝{(lvki,xki)|i＝1,2,…,nk,(lvki,xki)∈lv}，k＝1,2,…,q,且每個子集需滿足條件：(1)子集lvtk中的nk條直線連續(xù)相鄰；(2)計算lvtk中相鄰直線的間距，得到間距集合lvak＝{aki|i＝1,2,…,nk-1,aki＝|xki-xki+1|}，須滿足|ap-ar|≤μ且p∈{1,2,…,nk-1}且r∈{1,2,…,nk-1}且|p-r|＝1；其中，lvtk表示第k個子集，lvki表示子集lvtk中第i條直線，xki表示直線lvki對應(yīng)的橫坐標(biāo)，nk表示第k個子集的直線數(shù)量，μ表示事先選定的間距閾值；將這q個子集中nk最大的子集記為lvtmax＝{(lvmaxi,xmaxi)|i＝1,2,…,nvmax,(lvmaxi,xmaxi)∈lv}；

步驟3.5：根據(jù)步驟3.4相同的原理找到水平直線集合lh中的子集lhtmax＝{(lhmaxj,ymaxj)|j＝1,2,…,nhmax,(lhmaxj,ymaxj)∈lh}；

步驟3.6：計算得到包含h行w列的單元格集合c＝{rij＝(xij,yij,wij,hij)|i＝1,2,…,h,j＝1,2,…,w}，具體為：

式中，h＝nhmax-1,w＝nvmax-1，xij表示第i行第j列單元格左上角的橫坐標(biāo)，yij表示第i行第j列單元格左上角的縱坐標(biāo)，wij表示第i行第j列單元格的寬度，hij表示第i行第j列單元格的高度，xmaxj表示垂直直線lvmaxj的橫坐標(biāo)，且(lvmaxj,xmaxj)∈lvamax，ymaxi表示水平直線lhmaxi的縱坐標(biāo)，且(lhmaxi,ymaxi)∈lhamax；

步驟3.7：根據(jù)單元格集合c進(jìn)行表格切割；

步驟4：針對每個單元格rij進(jìn)行降噪與文字識別處理，得到對應(yīng)的文字tij；

步驟5：每個單元格文字tij與價格表tb＝{(typei,pi)|i＝1,2,…,t}進(jìn)行匹配，得到該單元格對應(yīng)元件的價格，具體策略為：若存在k使tij＝typek，則pk即為該元件的報價；否則，從任意typek對應(yīng)的語義庫tbsk＝{wkq|q＝1,2,…,tk}中去匹配，若存在k使wk＝tij，則pk即為該元件的報價，若仍無法匹配，則手工輸入tij對應(yīng)的價格pi′，同時將(tij,pi′)添加到價格表tb中；其中，tb表示事先錄入到數(shù)據(jù)庫中的價格表，t表示已經(jīng)錄入的元件數(shù)量，typei表示價格表tb中第i類元件的名稱，pi表示價格表tb中第i類元件的價格，tbsk表示與第k類元件typek對應(yīng)的語義庫，wkq表示語義庫tbsk中第k個元件名稱，tk表示語義庫tbsk中的語義數(shù)量。

所述的一種基于圖像識別的電氣元件報價方法，其特征在于步驟2)對掃描圖像f1進(jìn)行傾斜校正的具體過程為：

步驟2.1：采用hough方法進(jìn)行直線檢測，提取掃描圖像f1中的直線，得到直線集合l＝{li|i＝1,2,…,n}，n表示直線數(shù)量；

步驟2.2：求直線li與水平線的夾角，記為ai，從l取得那些ai滿足式(1)的直線構(gòu)成子集ls＝{(lsj,bj)|j＝1,2,…,m,lsj∈l}，其中bj表示直線lsj與水平線的夾角，m表示子集ls中的元素數(shù)量；根據(jù)式(2)計算得到掃描圖像f1的傾斜角a：

|ai|≤a0(1)

其中a0表示事先選定的傾斜角閾值；

步驟2.3：根據(jù)傾斜角度a，利用旋轉(zhuǎn)矩陣對圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)后的圖像即為傾斜校正后的圖像f2。

所述的一種基于圖像識別的電氣元件報價方法，其特征在于步驟2.2)中的提取出的直線需要進(jìn)行分類，分為水平直線和垂直直線兩類；水平提取直線和水平線的角度在0°～30°或150°～180°之間，垂直提取直線和水平線的角度在60°～120°之間，根據(jù)其直線的類型，計算出所有直線的傾斜角度，取其中間值作為傾斜角度：

所述的一種基于圖像識別的電氣元件報價方法，其特征在于步驟4)的針對每個單元格rij進(jìn)行降噪與文字識別處理具體為：

步驟4.1：從圖像f2截取與單元格rij對應(yīng)的彩色子圖sij，并將其拆分分別對應(yīng)于紅、綠、藍(lán)三個單通道的灰度圖像srij,sgij和sbij；

步驟4.2：對每個通道圖像srij,sgij和sbij都進(jìn)行半徑為rmedian的自適應(yīng)中值濾波，rmedian為事先給定的濾波器半徑；

步驟4.3：在每個通道圖像中都存在wsij*hsij個像素點(diǎn)，通道圖像srij中，存在集合psrij＝{(xsmn,ysmn,vsrmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，其中wsij為單元格rij的寬度，hsij為單元格rij的高度，xsmn為圖像srij中坐標(biāo)點(diǎn)的橫坐標(biāo)，ysmn為圖像srij中坐標(biāo)點(diǎn)的縱坐標(biāo)，vsrmn為通道圖像srij中坐標(biāo)點(diǎn)(xsmn,ysmn)的像素值；同理，通道圖像sgij中存在集合psgij＝{(xsmn,ysmn,vsgmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，通道圖像sbij中存在集合psbij＝{(xsmn,ysmn,vsbmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，其中vsgmn和vsbmn分別為通道圖像sgij和sbij在坐標(biāo)點(diǎn)(xsmnysmn)的像素值；若滿足在坐標(biāo)點(diǎn)(xsmn,ysmn)上，三通道的像素值滿足vsrmn>ε∨vsgmn>ε∨vsbmn>ε，則將該坐標(biāo)點(diǎn)的三通道像素值vsrmn、vsgmn和vsbmn都設(shè)置為vback，其中ε和vback分別為事先給定的降噪閾值和背景像素值；

步驟4.4：對各通道再次進(jìn)行半徑為rmedian的自適應(yīng)中值濾波；

步驟4.5：對三個通道圖像srij,sgij和sbij進(jìn)行合并，得到新的彩色子圖sij；

步驟4.6：對彩色子圖sij進(jìn)行高斯核半徑為rgauss的高斯濾波；

步驟4.7：利用ocr技術(shù)對彩色子圖sij進(jìn)行文字識別，得到文字tij。通過采用上述技術(shù)，與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：本發(fā)明通過自動實現(xiàn)圖像矯正，識別電氣元件報價單中表格位置，自動提取表格中文字信息，得出具體每個電氣元件的報價，減少了繁瑣的人工信息輸入過程，且大大降低了因人工輸入信息造成的輸入錯誤率問題。

附圖說明

圖1為本發(fā)明的實施樣例選取的電氣元件報價單圖像像灰度圖；

圖2為本發(fā)明的經(jīng)過步驟1.1處理后獲取直線的報價單圖像灰度圖；

圖3為本發(fā)明的經(jīng)過步驟1.3旋轉(zhuǎn)矯正后的報價單圖像灰度圖；

圖4為本發(fā)明的經(jīng)過步驟2.4表格分割后的報價單中單元格圖像灰度圖；

圖5為本發(fā)明的經(jīng)過步驟3.2第一次分通道適應(yīng)性平滑處理后的單元格圖像灰度圖；

圖6為本發(fā)明的經(jīng)過步驟3.4第二次分通道適應(yīng)性平滑處理后的單元格圖像灰度圖；

圖7為本發(fā)明的經(jīng)過步驟3.5合并通道圖像的單元格圖像灰度圖；

圖8為本發(fā)明的經(jīng)過步驟3.6高斯濾波之后的單元格圖像灰度圖。

具體實施方法

下面結(jié)合實施實例來詳細(xì)闡述本發(fā)明電氣元件報價系統(tǒng)的具體實施方式，但本發(fā)明的保護(hù)范圍并不僅限于此。

本發(fā)明的一種基于圖像識別的電氣元件報價方法，包括如下步驟：

步驟1：讀入電氣設(shè)計圖的掃描圖像f1，原圖灰度圖如圖1所示；

步驟2：對掃描圖像f1進(jìn)行傾斜校正，具體為：

步驟2.1：采用hough方法進(jìn)行直線檢測，提取掃描圖像f1中的直線，得到直線集合l＝{li|i＝1,2,…,n}，n表示直線數(shù)量，圖像直線獲取圖灰度圖如圖2所示；由于電氣元件報價單中利用了表格進(jìn)行信息排版，圖像中較長的直線都來自于表格中的各條邊，因此，確定圖像中的各條邊的位置便能找到圖中表格的位置；

步驟2.2：求直線li與水平線的夾角，記為ai，從l取得那些ai滿足式(1)的直線構(gòu)成子集ls＝{(lsj,bj)|j＝1,2,…,m,lsj∈l}，其中bj表示直線lsj與水平線的夾角，m表示子集ls的數(shù)量；根據(jù)式(2)計算得到掃描圖像f1的傾斜角a根據(jù)直線和水平線之間的夾角，判斷表格傾斜角度，由于提取出的直線皆為表格中的各條邊，因此直線之間的關(guān)系，不是互相平行就是相互垂直，因此需要將直線進(jìn)行分類，分為水平直線和垂直直線兩類；水平提取直線和水平線的角度在0°～30°和150°～180°之間，垂直提取直線和水平線的角度在60°～120°之間，根據(jù)其直線的類型，計算出所有直線的傾斜角度；考慮到部分直線的誤差情況，統(tǒng)計出所有直線的傾斜角度，取其中間值作為傾斜角度：

|ai|≤a0(1)

其中a0表示傾斜角閾值，在本實例中，a0＝20°；

步驟2.3：根據(jù)傾斜角度a，利用旋轉(zhuǎn)矩陣對圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)后的圖像即為傾斜校正后的圖像f2，旋轉(zhuǎn)矯正后圖像灰度圖如圖3所示；

步驟3：對校正圖像f2進(jìn)行表格切割，具體為：

步驟3.1：采用hough方法對校正圖像f2再次進(jìn)行直線檢測，并分類得到垂直直線集合lv＝{(lvi,xi)|i＝1,2,…,nv}和水平直線集合lh＝{(lhj,yj)|j＝1,2,…,nh}，其中xi表示垂直直線lvi的橫坐標(biāo)，nv表示集合lv中的數(shù)量，yj表示水平直線lhj的縱坐標(biāo)，nh表示集合lh中的數(shù)量；

步驟3.2：垂直直線合并，具體為：若垂直直線集合lv中存在任意nvs條直線，記為集合lvs＝{(lvi,xi)|i＝1,2,…,nvs,(lvi,xi)∈lv}，且lvs中的任意兩條直線lvi與lvj滿足|xi-xj|≤λ，則將這nvs條直線合并成為一條直線(lvk,xk)加入到集合lv中，并將集合lv中對應(yīng)的nvs條直線去除，其中橫坐標(biāo)xk根據(jù)式(3)計算，λ表示事先給定的直線合并閾值，在本實例中λ＝5；重復(fù)這一過程直到lv中無直線可合并，得到新的垂直直線集合lv，第一次分通道適應(yīng)性平滑處理后的單元格圖像灰度圖如圖5所示；

步驟3.3：根據(jù)步驟3.2相同的原理對水平直線進(jìn)行合并，得到新的水平直線集合lh；

步驟3.4：進(jìn)一步，將新的垂直直線集合lv劃分為q個子集，記為lvtk＝{(lvki,xki)|i＝1,2,…,nk,(lvki,xki)∈lv}，k＝1,2,…,q,且每個子集需滿足條件：(1)子集lvtq中的nq條直線連續(xù)相鄰；(2)計算lvtk中相鄰直線的間距，得到間距集合lvak＝{aki|i＝1,2,…,nk-1,aki＝|xki-xki+1|}，須滿足|ap-ar|≤μ且p∈{1,2,…,nk-1}且r∈{1,2,…,nk-1}且|p-r|＝1；其中，lvtk表示第k個子集，lvki表示子集lvtk中第i條直線，xki表示直線lvki對應(yīng)的橫坐標(biāo)，nk表示第k個子集的直線數(shù)量，μ表示事先選定的間距閾值；將這q個子集中nk最大的子集記為lvtmax＝{(lvmaxi,xmaxi)|i＝1,2,…,nvmax,(lvmaxi,xmaxi)∈lv}；在本實例中，間距閾值μ＝5；

步驟3.5：根據(jù)步驟3.4相同的原理找到水平直線集合lh中的子集lhtmax＝{(lhmaxj,ymaxj)|j＝1,2,…,nhmax,(lhmaxj,ymaxj)∈lh}；

步驟3.6：

計算得到包含h行w列的單元格集合c＝{rij＝(xij,yij,wij,hij)|i＝1,2,…,h,j＝1,2,…,w}，具體為：

式中，h＝nhmax-1,w＝nvmax-1，xij表示第i行第j列單元格左上角的橫坐標(biāo)，yij表示第i行第j列單元格左上角的縱坐標(biāo)，wij表示第i行第j列單元格的寬度，hij表示第i行第j列單元格的高度，xmaxj表示垂直直線lvmaxj的橫坐標(biāo)，且(lvmaxj,xmaxj)∈lvamax，ymaxi表示水平直線lhmaxi的縱坐標(biāo)，且(lhmaxi,ymaxi)∈lhamax；

步驟3.7：根據(jù)單元格c對表格進(jìn)行切割，切割后圖像灰度圖如圖4所示；

步驟4：針對每個單元格rij進(jìn)行降噪與文字識別處理，得到對應(yīng)的文字tij，具體為：

步驟4.1：從圖像f2截取與單元格rij對應(yīng)的彩色子圖sij，并將其拆分分別對應(yīng)于紅、綠、藍(lán)三個單通道的灰度圖像srij,sgij和sbij；

步驟4.2：對每個通道圖像srij,sgij和sbij都進(jìn)行半徑為rmedian的自適應(yīng)中值濾波，rmedian為事先給定的濾波器半徑；

步驟4.3：在每個通道圖像中都存在wsij*hsij個像素點(diǎn)，通道圖像srij中，存在集合psrij＝{(xsmn,ysmn,vsrmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，其中wsij為單元格rij的寬度，hsij為單元格rij的高度，xsmn為圖像srij中坐標(biāo)點(diǎn)的橫坐標(biāo)，ysmn為圖像srij中坐標(biāo)點(diǎn)的縱坐標(biāo)，vsrmn為通道圖像srij中坐標(biāo)點(diǎn)(xsmn,ysmn)的像素值；同理可知，通道圖像sgij中存在集合psgij＝{(xsmn,ysmn,vsgmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，通道圖像sbij中存在集合psbij＝{(xsmn,ysmn,vsbmn)|m＝1,2,…,wsij,n＝1,2,…,hsij}，其中vsgmn和vsbmn分別為通道圖像sgij和sbij在坐標(biāo)點(diǎn)(xsmnysmn)的像素值；若滿足在坐標(biāo)點(diǎn)(xsmn,ysmn)上，三通道的像素值滿足vsrmn>ε∨vsgmn>ε∨vsbmn>ε，則將該坐標(biāo)點(diǎn)的三通道像素值vsrmn、vsgmn和vsbmn都設(shè)置為vback，其中ε和vback分別為事先給定的降噪閾值和背景像素值；步驟4.4：對各通道再次進(jìn)行半徑rmedian＝1的自適應(yīng)中值濾波；第二次平滑處理后的圖像灰度圖如圖6所示；

步驟4.5：對三個通道圖像srij,sgij和sbij進(jìn)行合并，得到新的彩色子圖sij，處理后合并圖像，其灰度圖如圖7所示；

步驟4.6：對彩色子圖sij進(jìn)行高斯濾波，在本實例中，高斯核半徑取rgauss＝3，高斯濾波后圖像灰度圖如圖8所示；

步驟4.7：利用ocr技術(shù)對彩色子圖sij進(jìn)行文字識別，得到文字tij；

步驟5：每個單元格文字tij與價格表tb＝{(typei,pi)|i＝1,2,…,t}進(jìn)行匹配，得到該單元格對應(yīng)元件的價格，具體策略為：若存在k使tij＝typek，則pk即為該元件的報價；否則，從任意typek對應(yīng)的語義庫tbsk＝{wkq|q＝1,2,…,tk}中去匹配，若存在k使wk＝tij，則pk即為該元件的報價，若仍無法匹配，則手工輸入tij對應(yīng)的價格p′i，同時將(tij,p′i)添加到tb中e；其中，tb表示事先錄入到數(shù)據(jù)庫e中的價格表，t表示已經(jīng)錄入的元件數(shù)量，typee表示價格表tb中第i類元件的名稱，pi表示價格表tb中第i類元件的價格，tbse表示與第k類元件typee對應(yīng)的語義庫，wkq表示語義庫tbsk中第e個元件名稱，tk表示語義庫tbsk中的語義數(shù)量。

本說明書實施例所述的內(nèi)容僅僅是對發(fā)明構(gòu)思的實現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍的不應(yīng)當(dāng)被視為僅限于實施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。