畢業(yè)設(shè)計(jì)基于LabVIEW的皮膚紋理特征的提取.pdf

基于基于 LabVIEW 的皮膚紋理特征的提取的皮膚紋理特征的提取 光電光電與信息工程學(xué)院與信息工程學(xué)院 106062010 指導(dǎo)教師指導(dǎo)教師 【摘要】【摘要】 制作制作一款一款用于皮膚紋理特征提取的用于皮膚紋理特征提取的LabVIEW程序， 利用程序， 利用其其matlab腳本節(jié)點(diǎn)調(diào)用腳本節(jié)點(diǎn)調(diào)用matlab， 首先首先 用用LabVIEW機(jī)器視覺采集圖片， 然后對其進(jìn)行灰度處理， 之后再得用機(jī)器視覺采集圖片， 然后對其進(jìn)行灰度處理， 之后再得用matlab腳本節(jié)點(diǎn)的功能對圖片進(jìn)行處腳本節(jié)點(diǎn)的功能對圖片進(jìn)行處 理理， 其中對皮膚紋理特的提取是以灰度共生矩陣原理為基礎(chǔ)的， 其中對皮膚紋理特的提取是以灰度共生矩陣原理為基礎(chǔ)的1。 觀察所得到的參數(shù)。 觀察所得到的參數(shù)， 我們可以用這個(gè)程序去實(shí)現(xiàn)， 我們可以用這個(gè)程序去實(shí)現(xiàn) 一些功能， 比如可以分析一些皮膚， 從其中得到紋理參數(shù)， 再與正常皮膚的紋理參數(shù)進(jìn)行對比， 從而可以初步的判一些功能， 比如可以分析一些皮膚， 從其中得到紋理參數(shù)， 再與正常皮膚的紋理參數(shù)進(jìn)行對比， 從而可以初步的判 斷所研究的皮膚是否有病變特征斷所研究的皮膚是否有病變特征，同時(shí)我們還能分析和采集不同部位的皮膚紋理參數(shù)，來應(yīng)用于身份的識(shí)別等，同時(shí)我們還能分析和采集不同部位的皮膚紋理參數(shù)，來應(yīng)用于身份的識(shí)別等。 【關(guān)鍵詞】【關(guān)鍵詞】LabVIEW Matlab 圖像采集圖像采集 灰度共生矩陣灰度共生矩陣 目目 錄錄 1、引言. 1 2、設(shè)計(jì)思路與紋理特征提取算法 . 1 2.1 設(shè)計(jì)思路 . 1 2.2 研究對象 . 1 2.3 研究方法 . 1 2.3.1 灰度共生矩陣 1 2.3.2 灰度共生矩陣的特征參數(shù) . 2 2.4 預(yù)期結(jié)果 . 3 3、系統(tǒng)結(jié)構(gòu)與功能介紹 3 3.1 機(jī)器視覺 . 3 3.2 圖像采集模塊 3 3.3Matlab Script 節(jié)點(diǎn)技術(shù) 3 3.4 圖像采集模塊 . 4 3.5 圖像處理模塊 . 5 4、實(shí)驗(yàn)處理分析 5 4.1 不同部位的皮膚紋理圖片處理 5 4.1.1對 palm 圖像 a進(jìn)行處理 . 5 4.1.2對 palm 圖像 b 進(jìn)行處理 . 6 4.1.3對 finger 圖像 c 進(jìn)行處理 6 4.1.4對 carbon fibre圖像 d 進(jìn)行處理 6 4.1.5 數(shù)據(jù)處理與分析 7 4.2 相同部位不同狀況下的皮膚紋理圖片處理 . 8 4.2.1 對紅斑病圖像 e（治療前）進(jìn)行處理 . 8 4.2.2 對紅斑病圖像 f(治療后)進(jìn)行處理 . 8 4.2.3 數(shù)據(jù)處理與分析 9 5、小結(jié). 9 6、參考文獻(xiàn) 10 1 1、引言、引言 隨著人類社會(huì)的不斷進(jìn)步與發(fā)展，健康已然成為人們關(guān)注的焦點(diǎn)，其中有關(guān)于皮膚病理特征的研究 更是引人注目。 經(jīng)過大量的研究表明不現(xiàn)部位不同情況下的皮膚紋理是存在差異性的。 通過皮膚紋理特 征，我們不僅可以區(qū)別不同部位不同癥狀的皮膚，還可以應(yīng)用于現(xiàn)代化技術(shù)。比如指紋識(shí)別、人臉識(shí)別 等等。 對于皮膚圖片紋理特征的提取，我們可以先對采集到的圖片進(jìn)行灰度處理，然后利用灰度共生矩陣 的計(jì)算原理提取出圖片的紋理特征。在此我們們將用到兩款軟件。首先是 LabVIEW，一款以便捷、高 效、穩(wěn)定著稱的程序開發(fā)環(huán)境。它采用可視化的圖形編程語言和平臺(tái)，在程序編輯方面簡潔易上手。是 一個(gè)強(qiáng)大的數(shù)據(jù)采集與儀器控制軟件， 為此它深放各個(gè)領(lǐng)域， 為人民的生產(chǎn)研究等方面做出了巨大貢獻(xiàn) 2。 其次是 MA TLAB,一款功能強(qiáng)大的商業(yè)數(shù)學(xué)軟件， 強(qiáng)大的數(shù)學(xué)計(jì)算能力為它帶來了成千上萬的粉絲， 大到工程計(jì)算、控制設(shè)計(jì)等高端領(lǐng)域，小到諸如圖像處理、信號檢測等領(lǐng)域3。 在本文中將結(jié)合 LabVIEW 強(qiáng)大的采集功能和 MATLAB 的數(shù)學(xué)處理優(yōu)勢，從而更好的完成皮膚紋 理參數(shù)特征的提取。 在接下來我們將分別解決圖像的采集， 圖象的灰度處理和紋理特征提取的一系列問 題。最終得到紋理參數(shù)再將其結(jié)合具體實(shí)際，將其應(yīng)用到實(shí)際生活中。 2、設(shè)計(jì)思路、設(shè)計(jì)思路與與紋理特征提取算法紋理特征提取算法 2.1 設(shè)計(jì)思路設(shè)計(jì)思路 首先用到的是 LabVIEW 的視覺處理模塊，該模塊在圖像的采集與保存方面使用便捷。在該程序中 調(diào)用的攝像頭為本計(jì)算機(jī)所攜帶的攝像頭，捕捉到的圖像清晰度會(huì)有所欠缺。在后續(xù)制作中，也通過了 直接讀取手機(jī)拍攝的照片進(jìn)行紋理分析。 采集到的圖片需要經(jīng)過灰度化和像素處理， 以此來減少計(jì)算量， 程序運(yùn)行更加快捷，從而提高準(zhǔn)確度。在 MA TLAB 腳本助手中實(shí)現(xiàn)灰度共生矩陣的程序編輯，從而實(shí) 現(xiàn)對紋理特征的提取。總體設(shè)計(jì)思路為：運(yùn)行程序，采集圖像、保存圖像、灰度化圖像、處理圖像，得 到相應(yīng)的紋理特征參數(shù)4。 2.2 研究對象研究對象 本設(shè)計(jì)的研究對象主要是人體皮膚紋理的圖片，其中包括不同部位不同癥狀下的皮膚紋理圖片， 其中不同部位的皮膚紋理圖片主要用于區(qū)分不同部位的紋理參數(shù)是否存在差異性，然后不同癥狀下的 皮膚主要是區(qū)別同一部位下皮膚正常與不正常時(shí)紋理參數(shù)是否存在區(qū)別性。 2.3 研究方法研究方法 2.3.1 灰度共生矩陣灰度共生矩陣 灰度共生矩陣由兩個(gè)不同位置的像素之間的關(guān)系定義的，它是亮度分布特性的反映，在圖片中它能 反映圖片中亮度大體一致的像素分布的特性5。它以二階統(tǒng)計(jì)的方式來表示圖像亮度的變化，它是紋理 特征定義的基礎(chǔ)。 灰度共生矩陣表示的是，從我們選擇的點(diǎn)（令該點(diǎn)灰度級為 i）到另外一點(diǎn)（灰度級為 j）的概率， 兩點(diǎn)間的位置關(guān)系為 d(Dx,Dy) 6。 我們用 P(i,j,d, ) = (x,y),(x+Dx,y+Dy)f(x,y) = i,f(x+Dx,y+Dy) = j 來表灰度共生矩陣。式中：x = 0,1,2, ,M-1；y = 0,1,2, ,N-1。x,y 是圖像的像元坐標(biāo)；i,j = 0,1,L-1 是灰 2 度級，L 是最高級灰度。D 表示的是兩個(gè)像素的位置關(guān)系，它是具有方向性的，其中兩個(gè)坐標(biāo)表是的是 像素的位置偏移量。d 表示的是該矩陣的生成步長，通過改變小 d 的大小，我們可以控制像素間的距離 與方向。為該矩陣的生成方向，在本文中，我們選取四個(gè)比較常見的角度為本次研究的方向。 現(xiàn)在我們分析一幅二維數(shù)字圖像 f(x,y)， 它的大小為 C D， 灰度級別為 E。 由灰度共生矩陣原理我們 可得到如下的關(guān)系式 P(i,j)=#(x1,y1),(x2,y2)C Df(x1,y1)=i,f(x2,y2)=j 其中#(x)表示集合 x 中的元 素個(gè)數(shù)， 顯然 P 為 E E 的矩陣， 若(x1,y1)與(x2,y2)間距離為 d,最后不然看出夾角， 通過此方式我們可 以得到不同距離和角度下的灰度共生矩陣7。 紋理特征的提取通常用的是灰度共生矩陣方法，它能夠有效的讀取圖片紋理的各個(gè)參數(shù)特征，在灰 度共生矩陣紋理特征提取的研究下， 漸漸的也出現(xiàn)了諸如小波分析法等一系列的方法。 在灰度共生矩陣 對紋理特征的提取中，它的 mhk 值會(huì)因?yàn)榧y理的粗細(xì)發(fā)生變化。通常在粗紋理下，主要集中分布在主 對角線附近，然而在細(xì)紋理下它不是遠(yuǎn)離主對角線，而是分散在各處。 2.3.2 灰度共生矩陣的特征參數(shù)灰度共生矩陣的特征參數(shù) （1）能量：ASM= 2 (i,j,d,) 能量是用來表征圖像灰度分布的均勻程度和紋理的粗細(xì)程度的，它的值來源于灰度共生矩陣中元 素值平方和的大小8。如果能量值較大，說明所讀取的紋理較均勻，變化較規(guī)則，共生矩陣中的元素分 布較集中；相反它的值越小時(shí)，說明共生矩陣所有值都相等也即所讀取的紋理不均勻，變化比較規(guī)則性 （2）對比度CON= ( )2 p(i,j,d,) 9 對比度是用來反映圖像紋理的清晰度和深淺程度的。對比度大，說明了紋理深，圖片越清晰，視覺 較果好； 相反的， 對比度小， 說明了紋理淺， 從而影響了圖片的清晰度和視覺效果。 除了紋理的深淺度， 對比度還受灰度差等因素影響。 （3）相關(guān)： COR= 1 x =0 ( +1)(, ) =0 , 分 別 為 (I),i = 1,2, 的 均 值 和 均 方 差 ， ,分別為(i),i = 1,2, 的均值和均方差，相關(guān)值是用來表示灰度共生矩陣在空間上，元素在行和列方向上的關(guān)系的10。圖像 局部灰度的相關(guān)性可以通過相關(guān)值的大小來體現(xiàn)。 相關(guān)值越大， 矩陣元素值大小就越相近或相等； 相反， 相關(guān)值越小，矩陣元素值的大小差異就越大。一般的，水平方向的相關(guān)性，即水平方向紋理的相關(guān)性會(huì) 較大。 （4）熵：ENT= =0 =0 (i,j,d,)log p(i,j,d,) 熵是用來表示圖像信息量大小的度量，紋理信息是一個(gè)隨機(jī)性的度量，它也是一種圖像信息11。在 共生矩陣中如果每個(gè)元素的隨機(jī)性都是最大的，那么它們的值也幾乎相等。熵值小時(shí)，說明元素分布較 集中，圖片的紋理均勻程度大、復(fù)雜程度相對較小；熵值較大時(shí)，說明元素分散分布的，圖片紋理的均 3 勻程度小、復(fù)雜程度大。 （5）慣性矩：W= (,) 1+()2 慣性矩是用來表征圖像紋理的同質(zhì)性的，它可以很好的反映圖像紋理局部變化情況12。它的值越小 就說明圖像紋理不同區(qū)域的變化大，局部不均勻，值越大的話，則相反的說明不同區(qū)域間的變化小，局 部相對均勻。 其它參數(shù):中值 、協(xié)方差、同質(zhì)性/逆差距、反差 、差 異性、熵、二階距、自相關(guān) 2.4 預(yù)期結(jié)果預(yù)期結(jié)果 1、不同部位的皮膚紋理特征參數(shù)存在差異性； 2、相同部位不同狀態(tài)下的皮膚紋理具有不同的特征參數(shù)。 3、系統(tǒng)結(jié)構(gòu)與功能介紹、系統(tǒng)結(jié)構(gòu)與功能介紹 3.1 機(jī)機(jī)器視覺器視覺 機(jī)器視覺一般是指用機(jī)器作為視覺，處理人眼做不到的事情，從而提高測量和判斷的精確度。機(jī)器 視覺的主要組成部份是光源、相機(jī)、圖像采集卡和圖像處理軟件13。它的工作原理大致為，通過圖像攝 取裝置（一般為相機(jī)、CMOS 和 CCD）把攝取物轉(zhuǎn)換成圖像信息，接下來是圖像處理，圖像處理軟件 會(huì)所所得到的信息（如圖片的像素特征，顏色分布等）轉(zhuǎn)換成數(shù)字信號，最后圖像系統(tǒng)通過各種算法計(jì) 算獲取目標(biāo)特征，從而實(shí)現(xiàn)對系統(tǒng)的控制。 3.2 圖像采集圖像采集模模塊塊 光探測器一般由光傳感器和光電處理器件組在14。光電傳感器的主要作用是實(shí)現(xiàn)圖像的模數(shù)轉(zhuǎn)換， 也即它通過對圖片進(jìn)行光電處理，從而產(chǎn)生一系列模擬信號，再把這些信號轉(zhuǎn)換成數(shù)字信號。接下來數(shù) 字電路會(huì)對此信號進(jìn)行處理， 也即每個(gè)圖像的像素對應(yīng)于二維空間的一個(gè)特定點(diǎn)， 同時(shí)該點(diǎn)會(huì)有一個(gè)或 者多個(gè)采樣值。完成圖像的采集與轉(zhuǎn)換后，將以讀取數(shù)字信息來實(shí)現(xiàn)最后的顯示。 3.3Matlab Script 節(jié)點(diǎn)技術(shù)節(jié)點(diǎn)技術(shù) 光探測器 模擬信號 數(shù)字信號 存儲(chǔ)并處理數(shù) 字信息 顯示采集圖像 并處理圖像信 4 Matlab Script 節(jié)點(diǎn)技術(shù)其實(shí)就是 LabVIEW 與 Matlab 相結(jié)合的一種技術(shù)。我們可以借助這個(gè)節(jié)點(diǎn)， 將函數(shù)和指令發(fā)送給 Matlab，以此運(yùn)用 Matlab 強(qiáng)大的圖像處理能力。在此過程中，Matlab 是以后臺(tái)程 序運(yùn)行的15。 如圖為 Matlab Script： 3.4 圖像采集模塊圖像采集模塊 圖 3.4 圖像采集模塊 該結(jié)構(gòu)為圖像的采集模塊，主要功能是調(diào)用攝像頭進(jìn)行圖片的采集與存儲(chǔ)，在此模塊中可以對圖片 進(jìn)行灰度化處理和像素大小的調(diào)整，同時(shí)還可以對存儲(chǔ)圖片類型和途徑進(jìn)行選擇。 5 3.5 圖像處理模塊圖像處理模塊 圖 4.4 圖像處理模塊 該設(shè)計(jì)最主要的部份，在這里通過 LabVIEW 對 MA TLAB 的調(diào)用進(jìn)行圖片處理，其中圖片為之前采 集到的圖片，LabVIEW 在此主要作用是把圖變轉(zhuǎn)化為參數(shù)變量賦予 MA TLAB script 進(jìn)行處理，而 MA TLAB script 主要完成圖片的灰度化，像素大小的轉(zhuǎn)換以及最終紋理特征參數(shù)的提取。 4、實(shí)驗(yàn)處理分析、實(shí)驗(yàn)處理分析 4.1 不同部位的皮膚紋理圖片處理不同部位的皮膚紋理圖片處理 4.1.1 對對 palm 圖像圖像 a 進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 293x220 寬度 293 像素 高度 220 像素 Palm (a) 處理后 數(shù)據(jù)結(jié)果 能量均值 能 量 標(biāo) 準(zhǔn) 差 熵均值 熵標(biāo)準(zhǔn)差 慣 性 矩 均 值 慣 性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相關(guān)標(biāo)準(zhǔn)差 0.0853215 0.0104253 2.77845 0.112497 0.326031 0.0771717 0.288137 0.00269211 6 4.1.2 對對 palm 圖像圖像 b 進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 293x220 寬度 293 像素 高度 220 像素 Palm (b) 處理后 數(shù)據(jù)結(jié)果 能量均值 能量標(biāo)準(zhǔn)差 熵均值 熵標(biāo)準(zhǔn)差 慣 性 矩 均 值 慣 性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相關(guān)標(biāo)準(zhǔn)差 0.132888 0.00687413 2.23671 0.0769708 0.0867623 0.0258858 0.300531 0.00081496 4.1.3 對對 finger 圖像圖像 c 進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 311x192 寬度 311 像素 高度 192 像素 finger (c) 處理后 數(shù)據(jù)結(jié)果 能量均值 能量 標(biāo) 準(zhǔn) 差 熵均值 熵標(biāo)準(zhǔn)差 慣性矩 均 值 慣性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相關(guān) 標(biāo) 準(zhǔn) 差 0.284909 0.0220929 1.71021 0.100881 0.186352 0.0538479 1.30278 0.0630719 4.1.4 對對 carbon fibre 圖像圖像 d 進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 1000x1000 寬度 1000 像素 高度 1000 像素 7 Carbon fibre (d) 處理后 數(shù)據(jù)結(jié)果 能量均值 能量標(biāo)準(zhǔn)差 熵均值 熵標(biāo)準(zhǔn)差 慣 性 矩 均 值 慣 性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相關(guān)標(biāo)準(zhǔn)差 0.0351988 0.0229212 3.66902 0.495003 3.08658 2.54325 0.130392 0.0416483 4.1.5 數(shù)據(jù)處理與分析數(shù)據(jù)處理與分析 結(jié)論：通過對比 a、b 的數(shù)據(jù)結(jié)果，我們可以得出結(jié)論相同部位的皮膚因?yàn)槿说牟町悤?huì)有所不同，但 各數(shù)據(jù)之間偏差不會(huì)很大；而 a、b、c 之間的比較又可得出不同部位的皮膚存在差異性，它們的紋理參 數(shù)也存在較大的區(qū)別；再比較 a、b、c、d 之間的區(qū)別，發(fā)現(xiàn)皮膚與非皮膚之間的差距相對比較大，如 0 0.5 1 1.5 2 2.5 3 3.5 4 均值標(biāo)準(zhǔn)差均值準(zhǔn)差均值標(biāo)準(zhǔn)差均值 能量能量熵熵標(biāo)慣性矩慣性矩相關(guān)相關(guān)標(biāo)準(zhǔn) 差 abcd 能量 均值 能量 標(biāo)準(zhǔn)差 熵 均值 熵標(biāo) 準(zhǔn)差 慣性矩 均值 慣性矩 標(biāo)準(zhǔn)差 相關(guān) 均值 相關(guān)標(biāo)準(zhǔn)差 a 0.0853215 0.0104253 2.77845 0.112497 0.326031 0.0771717 0.288137 0.00269211 b 0.132888 0.00687413 2.23671 0.0769708 0.0867623 0.0258858 0.300531 0.00081496 c 0.284909 0.0220929 1.71021 0.100881 0.186352 0.0538479 1.30278 0.0630719 d 0.0351988 0.0229212 3.66902 0.495003 3.08658 2.54325 0.130392 0.0416483 8 慣性矩就差了好幾個(gè)百分點(diǎn)， 所以各皮膚之間是存在閾值的， 借此我們可以區(qū)別一幅圖像是否為皮膚圖 片。從上面的算法中我們了解到圖像中紋理的復(fù)雜程度和非均勻程度是用熵值的大小表示的，d 圖的熵 值大，因此說明皮膚紋理的分布均勻，分布集中，而碳纖維紋理分布會(huì)比較疏散、不均勻。D 圖的慣性 矩較大，說明了碳纖維的區(qū)域間變化小，相對均勻。 4.2 相同部位不同狀況下的皮膚紋理圖片處理相同部位不同狀況下的皮膚紋理圖片處理 4.2.1 對對紅斑病紅斑病圖像圖像 e（治療前）（治療前）進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 230x230 寬度 230 像素 高度 230 像素 紅斑病 e 處理后 數(shù)據(jù)結(jié)果 能量均值 能 量 標(biāo) 準(zhǔn) 差 熵均值 熵標(biāo)準(zhǔn)差 慣性矩均 值 慣 性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相 關(guān) 標(biāo) 準(zhǔn) 差 0.210947 0.0208062 1.97345 0.105901 0.241 0.0702333 0.985337 0.0459059 4.2.2 對對紅斑病紅斑病圖圖像像 f(治療后治療后)進(jìn)行處理進(jìn)行處理 圖像參數(shù)為：尺寸 230x230 寬度 230 像素 高度 230 像素 紅斑病 f 處理后 數(shù)據(jù)結(jié)果 能量均值 能 量 標(biāo) 準(zhǔn) 差 熵均值 熵標(biāo)準(zhǔn)差 慣性矩 均 值 慣 性 矩 標(biāo) 準(zhǔn)差 相關(guān)均值 相關(guān)標(biāo) 準(zhǔn) 差 0.225778 0.0217348 1.92019 0.100052 0.286326 0.0776658 1.12498 0.0775487 9 4.2.3 數(shù)據(jù)處理與分析數(shù)據(jù)處理與分析 能 量 均 值 能量標(biāo)準(zhǔn) 差 熵均值 熵 標(biāo) 準(zhǔn) 差 慣 性 矩 均值 慣性矩標(biāo) 準(zhǔn)差 相 關(guān) 均 值 相關(guān)標(biāo)準(zhǔn) 差 治療前 0.21097 0.0208062 1.97345 0.105901 0.241 0.0702333 0.985337 0.0459059 治療后 0.225778 0.0217348 1.92019 0.100052 0.286326 0.0776658 1.12498 0.0775487 結(jié)論：同一部位不同情況下的皮膚紋理參數(shù)存在微小的差異，這兩張圖片采集于皮膚紅斑消除前后 階段，從獲取的參數(shù)中我們很容易看出，它們存在微小的區(qū)別，拋除圖像處理存在的誤差，剩下的就是 皮膚紋理上的微小變化。 從數(shù)據(jù)中得出治療后相關(guān)的參數(shù)會(huì)比較大， 而相關(guān)值是用來表征圖像局部灰度 間的關(guān)系的，紅斑皮膚治療前與治療后是存在區(qū)別的，治療后的皮膚均勻性會(huì)比較好，從該圖像提取的 矩陣元素值大小也相對均勻，所以它的相關(guān)值也較大。 5、小結(jié)、小結(jié) 在理論分析與實(shí)驗(yàn)研究下，我們可以得到灰度共生矩陣在圖片紋理參數(shù)的提取具有較強(qiáng)的可行性， 能較好的分析和提取圖片的紋理參數(shù)。而且采取對照實(shí)驗(yàn)的方式，能夠更好的分析參數(shù)之間的區(qū)別，能 夠達(dá)到對本次設(shè)計(jì)的任務(wù)要求。 同時(shí)在對參數(shù)的分析中， 可以較好的解釋不同的皮膚具有不同的紋理參 數(shù)，相同部位不同情況下的皮膚存在差異性。在本次設(shè)計(jì)中也存在著不足