一种牙齿裂缝检测方法及系统与流程

本发明涉及牙齿检测技术领域，特别是涉及一种牙齿裂缝检测方法及系统。

背景技术：

随着人们生活品质的不断提升，牙齿健康逐渐引起人们的高度关注。牙齿疾病可以通过早期检测及早发现，若治疗及时，大部分牙齿疾病都可以得到痊愈。现有牙齿裂缝检测技术，主要以x射线成像、电子计算机断层扫描(computedtomography，ct)检测和定量光导荧光技术为主流。其中，x射线在医疗中应用广泛，可用以评测牙齿内部现况，然而活体组织能够接受的x射线剂量有限，不能频繁进行检测。ct检测法对于已经形成的牙齿裂缝十分有效，然而对于早期的牙齿裂缝缺乏敏感性和预见性，不能检测出早期的牙齿疾病。定量光导荧光技术可用于临床检测牙齿龋损，然而易受牙齿表面不均匀条件影响，造价昂贵，不便于频繁检测。因此现有牙齿裂缝检测技术无法频繁且可靠地检测牙齿早期裂缝。

技术实现要素：

本发明的目的是提供一种牙齿裂缝检测方法及系统，解决了现有牙齿裂缝检测技术无法频繁且可靠地检测牙齿早期裂缝的问题。

为实现上述目的，本发明提供了如下方案：

一种牙齿裂缝检测方法，包括：

获取近红外相机拍摄的牙齿图像；

对所述牙齿图像进行预处理，得到灰度图像；

对所述灰度图像进行边缘二值化处理，得到边缘点；

对所述边缘点进行霍夫变换，得到所述边缘点在霍夫空间的ρ值；

通过摩尔投票法对所有所述霍夫空间的ρ值进行处理，得到牙齿裂缝像素点；

对所述牙齿裂缝像素点添加色彩标记，并输出牙齿裂缝图像。

可选的，对所述灰度图像进行边缘二值化处理，得到边缘点，具体包括：

在所述灰度图像上建立坐标系，得到所述灰度图像中每个像素点的坐标；

将所述像素点按照行依次输入第一fifo存储器、第二fifo存储器和第三fifo存储器，得到所述像素点的3*3模板；

根据所述像素点的3*3模板计算得到所述像素点的梯度值；

判断所述梯度值是否大于预设阈值，得到第一判断结果；

所述第一判断结果为是，确定与所述梯度值对应的像素点为边缘点，并将与所述梯度值对应的像素点的像素值设为255；

所述第一判断结果为否，将与所述梯度值对应的像素点的像素值设为0。

可选的，在对所述边缘点进行霍夫变换，得到所述边缘点在霍夫空间的ρ值之前，还包括：

判断所述边缘点是否为连续边缘点，得到第二判断结果；所述连续边缘点为多个横坐标值相连的所述边缘点，或多个纵坐标值相连的所述边缘点；

所述第二判断结果为是，当所述连续边缘点的横坐标值相连时，判断所述连续边缘点的横坐标值是否为所有连续边缘点横坐标值的最小值或最大值；当所述连续边缘点的纵坐标值相连时，判断所述连续边缘点的纵坐标值是否为所有连续边缘点纵坐标值的最小值或最大值，得到第三判断结果；

所述第三判断结果为是，则所述边缘点以及与所述边缘点相连的边缘点均为牙齿轮廓像素点，并剔除所述牙齿轮廓像素点；

所述第三判断结果为否，存储所述边缘点以及与所述边缘点相连的边缘点；

所述第二判断结果为否，存储所述边缘点。

可选的，对所述边缘点进行霍夫变换，得到所述边缘点在霍夫空间的ρ值，具体包括：

获取存储的所有边缘点以及所述边缘点的坐标值；

根据公式ρ＝x*cos(θ)+y*sin(θ)计算所述边缘点在霍夫空间的ρ值；

式中，x表示所述边缘点的横坐标值；y表示所述边缘点的纵坐标值；θ表示所述边缘点的极角，θ为整数。

可选的，通过摩尔投票法对所有所述霍夫空间的ρ值进行处理，得到牙齿裂缝像素点，具体包括：

采用摩尔投票法确定第一ρ值，所述第一ρ值的出现次数超过所述霍夫空间ρ值总数的1/n；n为正整数；

确定与所述第一ρ值对应的边缘点为牙齿裂缝像素点，并进行标定。

一种牙齿裂缝检测系统，包括：

牙齿图像模块，用于获取近红外相机拍摄的牙齿图像；

灰度图像模块，用于对所述牙齿图像进行预处理，得到灰度图像；

边缘点模块，用于对所述灰度图像进行边缘二值化处理，得到边缘点；

霍夫空间模块，用于对所述边缘点进行霍夫变换，得到所述边缘点在霍夫空间的ρ值；

牙齿裂缝像素点模块，用于通过摩尔投票法对所有所述霍夫空间的ρ值进行处理，得到牙齿裂缝像素点；

牙齿裂缝图像模块，用于对所述牙齿裂缝像素点添加色彩标记，并输出牙齿裂缝图像。

可选的，边缘点模块，具体包括：

坐标单元，用于在所述灰度图像上建立坐标系，得到所述灰度图像中每个像素点的坐标；

模板单元，用于将所述像素点按照行依次输入第一fifo存储器、第二fifo存储器和第三fifo存储器，得到所述像素点的3*3模板；

梯度值单元，用于根据所述像素点的3*3模板计算得到所述像素点的梯度值；

第一判断单元，用于判断所述梯度值是否大于预设阈值，得到第一判断结果；

是单元，用于所述第一判断结果为是，确定与所述梯度值对应的像素点为边缘点，并将与所述梯度值对应的像素点的像素值设为255；

否单元，用于所述第一判断结果为否，将与所述梯度值对应的像素点的像素值设为0。

可选的，牙齿裂缝检测系统，还包括：

第二判断模块，用于判断所述边缘点是否为连续边缘点，得到第二判断结果；所述连续边缘点为多个横坐标值相连的所述边缘点，或多个纵坐标值相连的所述边缘点；所述第二判断结果为是，执行第三判断模块；所述第二判断结果为否，执行存储模块；

第三判断模块，用于当所述连续边缘点的横坐标值相连时，判断所述连续边缘点的横坐标值是否为所有连续边缘点横坐标值的最小值或最大值；当所述连续边缘点的纵坐标值相连时，判断所述连续边缘点的纵坐标值是否为所有连续边缘点纵坐标值的最小值或最大值，得到第三判断结果；

牙齿轮廓像素点模块，用于所述第三判断结果为是，则所述边缘点以及与所述边缘点相连的边缘点均为牙齿轮廓像素点，并剔除所述牙齿轮廓像素点；

存储边缘点模块，用于所述第三判断结果为否，存储所述边缘点以及与所述边缘点相连的边缘点；

存储模块，用于存储所述边缘点。

可选的，霍夫空间模块，具体包括：

获取单元，用于获取存储的所有边缘点以及所述边缘点的坐标值；

计算单元，用于根据公式ρ＝x*cos(θ)+y*sin(θ)计算所述边缘点在霍夫空间的ρ值；

式中，x表示所述边缘点的横坐标值；y表示所述边缘点的纵坐标值；θ表示所述边缘点的极角，θ为整数。

可选的，牙齿裂缝像素点模块，具体包括：

确定单元，用于采用摩尔投票法确定第一ρ值，所述第一ρ值的出现次数超过所述霍夫空间ρ值总数的1/n；n为正整数；

标定单元，用于确定与所述第一ρ值对应的边缘点为牙齿裂缝像素点，并进行标定。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种牙齿裂缝检测方法及系统。该方法包括：获取近红外相机拍摄的牙齿图像；对牙齿图像进行预处理，得到灰度图像；对灰度图像进行边缘二值化处理，得到边缘点；对边缘点进行霍夫变换，得到边缘点在霍夫空间的ρ值；通过摩尔投票法对所有霍夫空间的ρ值进行处理，得到牙齿裂缝像素点；对牙齿裂缝像素点添加色彩标记，并输出牙齿裂缝图像。该方法基于近红外相机拍摄的牙齿图像，根据牙齿裂缝的形状大多趋近直线的特征，对图像进行边缘二值化后，采用霍夫变换和摩尔投票法相结合的方式寻找牙齿直线裂缝；实现了牙齿裂缝的实时精确检测，且具有无辐射，对检测时间没有限制，以及可靠性高的特点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的牙齿裂缝检测装置的结构图；

图2为本发明实施例所提供的牙齿裂缝检测方法的流程图；

图3为本发明实施例所提供的牙齿裂缝检测系统的系统图。

其中，1、近红外激光器；2、待检测的牙齿；3、近红外相机；4、fpga平台；5、vga显示屏。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明的目的是提供一种牙齿裂缝检测方法及系统，解决了现有牙齿裂缝检测技术无法频繁且可靠地检测牙齿早期裂缝的问题。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本实施例提供一种牙齿裂缝检测方法，本实施例的牙齿裂缝检测方法应用于一种牙齿裂缝检测装置，图1为本发明实施例所提供的牙齿裂缝检测装置的结构图，参见图1，牙齿裂缝检测装置包括：近红外激光器1、近红外相机3、现场可编程逻辑门阵列(fieldprogrammablegatearray，fpga)平台4和视频传输标准(videographicsarray，vga)显示屏5。近红外相机3采用近红外互补金属氧化物半导体(complementarymetaloxidesemiconductor，cmos)相机或近红外电荷耦合器件(chargecoupleddevice，ccd)相机。fpga平台4可以采用xilinx公司的spartan-6平台。

近红外激光器1用于对待检测的牙齿2发射近红外光，近红外激光器1发射的近红外光为790纳米(nm)-950nm。

近红外相机3位于近红外激光器1的出射光路上，且待检测的牙齿2位于近红外激光器1与近红外相机3之间，近红外相机3的输出端通过电缆与fpga平台4的输入端连接，近红外相机用于接收经过待检测牙齿的近红外光通量，采集近红外光照射下的牙齿图像，并将采集的牙齿图像存储至fpga平台。

fpga平台4的输出端与vga显示屏5的输入端电连接，fpga平台用于对牙齿图像进行处理，得到标定牙齿裂缝的牙齿裂缝图像，并将牙齿裂缝图像传输至vga显示屏进行显示。vga显示屏用于显示牙齿裂缝图像。

实际应用中，需要检查牙齿裂缝检测装置的光路及各部分的连接线，并给牙齿裂缝检测装置供电。启动近红外激光器、近红外相机、fpga平台和vga显示屏。对近红外激光器、待检测牙齿和近红外相机之间的光路进行校正，保证近红外激光器、待检测牙齿和近红外相机处于同一水平线，使近红外相机可以采集到较为完整的牙齿图像，光路校正后可以观测到完整的牙齿图像。

图2为本发明实施例所提供的牙齿裂缝检测方法的流程图。参见图2，牙齿裂缝检测方法包括：

步骤101，获取近红外相机拍摄的牙齿图像。

步骤102，对牙齿图像进行预处理，得到灰度图像。

步骤102具体包括：牙齿图像为16位rgb图像数据，使用加权法将16位rgb图像转换为8位灰度图像，并存储至fpga平台内部的随机存取存储器(randomaccessmemory，ram)。

步骤103，对灰度图像进行边缘二值化处理，得到边缘点。

步骤103具体包括：在灰度图像上建立坐标系，得到灰度图像中每个像素点的坐标，具体为，以灰度图像中的任一像素点为原点，则该像素点的坐标为(0，0)，确定x轴和y轴的正方向建立坐标系，并根据建立的坐标系在读取灰度图像时依次保存每个像素点的坐标值。本实施例中以灰度图像的左上角的第一个像素点为原点，即该像素点的坐标为(0，0)，以该像素点向右的方向为x轴的正方向，以该像素点向下的方向为y轴的正方向建立坐标系，读取灰度图像时依次保存每个像素点的坐标值以及每个像素点的灰度值。

将像素点按照行依次输入第一fifo存储器、第二fifo存储器和第三fifo存储器，得到像素点的3*3模板。第一fifo存储器、第二fifo存储器和第三fifo存储器为利用fpga平台内部的ram建立的3个先进先出队列(firstinputfirstoutput，fifo)存储器，fifo存储器用于对灰度图像的一行像素点进行缓存，进而取出3*3模板。具体为：第一fifo存储器、第二fifo存储器和第三fifo存储器仅存储灰度图像的一行像素点及该行像素点的灰度值。使用fpga平台自带的ip核中的shift_ram获取灰度图像中每个像素点的3*3模板，由于拍摄的牙齿图像的最外面一圈，即灰度图像的第一行、第一列、最后一行和最后一列几乎没有有用的信息，所以对最外面一圈的像素点不进行后续处理。每个像素点的3*3模板是指以该像素点为中心，将该像素点的上方的像素点的灰度值、下方的像素点的灰度值、左方的像素点的灰度值、右方的像素点的灰度值、左上方的像素点的灰度值、左下方的像素点的灰度值、右上方的像素点的灰度值、右下方的像素点的灰度值和该像素点的灰度值共九个像素点的灰度值组为一个模板。如：第一fifo存储器存储的是第一行的像素点及第一行像素点的灰度值，第二fifo存储器存储的是第二行的像素点及第二行像素点的灰度值，第三fifo存储器存储的是第三行的像素点及第三行像素点的灰度值，由于最外面一圈的像素点不进行后续处理，所以获取的第一个3*3模板为坐标(1，1)的像素点的3*3模板，该3*3模板包括的九个像素点的灰度值为坐标(0，0)的像素点的灰度值、坐标(1，0)的像素点的灰度值、坐标(2，0)的像素点的灰度值、坐标(0，1)的像素点的灰度值、坐标(1，1)的像素点的灰度值、坐标(2，1)的像素点的灰度值、坐标(0，2)的像素点的灰度值、坐标(1，2)的像素点的灰度值和坐标(2，2)的像素点的灰度值。

根据像素点的3*3模板采用索贝尔算子(sobeloperator，sobel)边缘检测算法计算得到像素点的梯度值。具体为：根据公式(1)计算像素点的水平梯度gx：

根据公式(2)计算像素点的垂直梯度gy：

根据公式(3)计算像素点的梯度值g：

上式中，a表示像素点的3*3模板。

判断梯度值是否大于预设阈值，得到第一判断结果。本实施例中预设阈值为15。

第一判断结果为是，确定与梯度值对应的像素点为边缘点，并将与梯度值对应的像素点的像素值设为255，并将边缘点坐标存储至ram。本实施例中灰度图像为8位灰度图像，像素值即为灰度值。

第一判断结果为否，将与梯度值对应的像素点的像素值设为0。

采用fpga平台实现sobel边缘检测算法，一方面因为在近红外照射下获得的牙齿图像中，牙齿与非牙齿部位的灰度存在明显差异，牙齿裂缝的灰度与牙齿的灰度也存在较大差异，所以采用sobel边缘检测算法能够获取大部分牙齿裂缝和牙齿轮廓信息；另一方面可以节省硬件资源，达到边缘二值化处理效果，即获得边缘点。

步骤104，判断边缘点是否为连续边缘点，得到第二判断结果；连续边缘点为多个横坐标值相连的边缘点，或多个纵坐标值相连的边缘点。本实施例中若5个边缘点的横坐标值相连，则这5个边缘点为连续边缘点；若5个边缘点的纵坐标值相连，则这5个边缘点为连续边缘点。

步骤105，第二判断结果为是，当连续边缘点的横坐标值相连时，判断连续边缘点的横坐标值是否为所有连续边缘点横坐标值的最小值或最大值。当连续边缘点的纵坐标值相连时，判断连续边缘点的纵坐标值是否为所有连续边缘点纵坐标值的最小值或最大值，得到第三判断结果。连续边缘点的横坐标值表示连续边缘点的x坐标值，连续边缘点的纵坐标值表示连续边缘点的y坐标值。

步骤106，第三判断结果为是，则边缘点以及与边缘点相连的边缘点均为牙齿轮廓像素点，并剔除牙齿轮廓像素点。

步骤107，第三判断结果为否，存储边缘点以及与边缘点相连的边缘点，将边缘点的x坐标和y坐标分别保存至两个双口ram中。即x坐标保存在一个ram中，y坐标保存在另一个ram中。

步骤108，第二判断结果为否，存储边缘点，将边缘点的x坐标和y坐标分别保存至两个双口ram中。即x坐标保存在一个ram中，y坐标保存在另一个ram中。

剔除连续边缘点可以排除部分为牙齿轮廓的边缘点，提高牙齿裂缝检测的准确度，避免将牙齿边缘检测为牙齿裂缝。

步骤109，对边缘点进行霍夫变换，得到边缘点在霍夫空间的ρ值。根据牙齿裂缝的形状大多为横向或竖向，且大致处于同一条直线的特点，可知为牙齿裂缝的边缘点坐标在进行霍夫变换后的值近乎相同。因此可通过对边缘点进行霍夫变换寻找牙齿裂缝。霍夫变换的基本原理在于利用点与线的对偶性，将原始图像中给定的曲线，通过曲线表达形式变为参数空间的一个点，这样就把原始图像中给定曲线的检测问题转化为寻找参数空间(霍夫空间)中的峰值问题，即把检测整体特性转化为检测局部特性。

步骤109具体包括：获取存储的所有边缘点以及边缘点的坐标值。

根据公式(4)计算边缘点在霍夫空间的ρ值：

ρ＝x*cos(θ)+y*sin(θ)(4)；

公式(4)中，ρ表示边缘点在霍夫空间的极径，x表示边缘点的横坐标值；y表示边缘点的纵坐标值；θ表示边缘点在霍夫空间的极角，θ为整数，θ取值范围为-90°到90°。步骤109可以利用xilinx(赛灵思)自带的cordic核进行计算。

步骤110，通过摩尔投票法对所有霍夫空间的ρ值进行处理，得到牙齿裂缝像素点。

步骤110具体包括：采用摩尔投票法确定第一ρ值，第一ρ值在所有霍夫空间ρ值中的出现次数超过霍夫空间ρ值总数的1/n；n为正整数，本实施例中，n为10。

确定与第一ρ值对应的边缘点为牙齿裂缝像素点，并进行标定。考虑到牙齿图片特殊性，经边缘二值化处理后的图像只存在牙齿裂缝和牙齿轮廓点，其他干扰点很少的这一特点，选择采用摩尔投票法得到第一ρ值，第一ρ值为牙齿裂缝像素点在参数空间的值，并进行标定。考虑到每张牙齿图像中牙齿轮廓的边缘信息，在进行标定时，有意识地忽略每张牙齿图像左边最外层和右边最外层的连续边缘点，根据像素点的坐标确定位于牙齿图像左边最外层和右边最外层的连续边缘点，并进行剔除，排除牙齿轮廓直线的干扰信息，有效进行牙齿裂缝标定。摩尔投票法的基本原理是同加，异减，如当寻找一个数组中出现次数超过数组长度一半的数值时，首先该数值最多存在一个，在每一轮的投票过程中，若数组中找出一对不同的数值，则将该对不同的数值从数组中删除，这样不断的删除直到无法再进行投票，如果投票结束后数组为空，则没有任何数值的出现次数超过该数组长度的一半。如果只存在一种数值，则该数值可能为目标数值。所以利用摩尔投票法的基本原理选出出现次数超过霍夫空间ρ值总数的1/n的第一ρ值。

经过霍夫变换和摩尔投票法处理后可以检测出灰度图像中的直线，即牙齿裂缝点。

步骤111，对牙齿裂缝像素点添加色彩标记，并输出牙齿裂缝图像。

步骤111具体包括：通过改变像素点rgb通道的值来添加色彩标记，使牙齿裂缝更加明显，并将牙齿裂缝图像输出至vga显示器进行图像显示。步骤111可以提高牙齿检测结果的可视性。

本发明的牙齿裂缝检测方法和牙齿裂缝检测装置，可以检测出早期的牙齿裂缝，实现了牙齿裂缝的实时精确检测，且具有无辐射、体积小、可靠性高、便携性好的特点；使用fpga平台大大减小了资源消耗和存储空间，且检测速度达到了25帧/秒。本发明克服了现有牙齿检测设备体积庞大、x射线辐照危害和检测次数受限等问题，提供一种体积小、可靠性高、检测频率不受限的、无辐射危害的牙齿早期裂缝的检测方法及装置。

本实施例提供一种牙齿裂缝检测系统，图3为本发明实施例所提供的牙齿裂缝检测系统的系统图。参见图3，牙齿裂缝检测系统包括：

牙齿图像模块201，用于获取近红外相机拍摄的牙齿图像。

灰度图像模块202，用于对牙齿图像进行预处理，得到灰度图像。牙齿图像为16位rgb图像数据，使用加权法将16位rgb图像转换为8位灰度图像，并进行存储。

边缘点模块203，用于对灰度图像进行边缘二值化处理，得到边缘点。

边缘点模块203，具体包括：

坐标单元，用于在灰度图像上建立坐标系，得到灰度图像中每个像素点的坐标，具体为，以灰度图像中的任一像素点为原点，则该像素点的坐标为(0，0)，确定x轴和y轴的正方向建立坐标系，并根据建立的坐标系在读取灰度图像时依次保存每个像素点的坐标值。本实施例中以灰度图像的左上角的第一个像素点为原点，即该像素点的坐标为(0，0)，以该像素点向右的方向为x轴的正方向，以该像素点向下的方向为y轴的正方向建立坐标系，读取灰度图像时依次保存每个像素点的坐标值以及每个像素点的灰度值。

模板单元，用于将像素点按照行依次输入第一fifo存储器、第二fifo存储器和第三fifo存储器，得到像素点的3*3模板。第一fifo存储器、第二fifo存储器和第三fifo存储器为利用fpga平台内部的ram建立的3个fifo存储器，fifo存储器用于对灰度图像的一行像素点进行缓存，进而取出3*3模板。具体为：第一fifo存储器、第二fifo存储器和第三fifo存储器仅存储灰度图像的一行像素点及该行像素点的灰度值。使用fpga平台自带的ip核中的shift_ram获取灰度图像中每个像素点的3*3模板，由于拍摄的牙齿图像的最外面一圈，即灰度图像的第一行、第一列、最后一行和最后一列几乎没有有用的信息，所以对最外面一圈的像素点不进行后续处理。每个像素点的3*3模板是指以该像素点为中心，将该像素点的上方的像素点的灰度值、下方的像素点的灰度值、左方的像素点的灰度值、右方的像素点的灰度值、左上方的像素点的灰度值、左下方的像素点的灰度值、右上方的像素点的灰度值、右下方的像素点的灰度值和该像素点的灰度值共九个像素点的灰度值组为一个模板。

梯度值单元，用于根据像素点的3*3模板采用sobel边缘检测算法计算得到像素点的梯度值。

梯度值单元具体包括：

水平梯度子单元，用于根据公式(1)计算像素点的水平梯度gx：

垂直梯度子单元，用于根据公式(2)计算像素点的垂直梯度gy：

梯度值子单元，用于根据公式(3)计算像素点的梯度值g：

上式中，a表示像素点的3*3模板。

第一判断单元，用于判断梯度值是否大于预设阈值，得到第一判断结果。本实施例中预设阈值为15。

是单元，用于第一判断结果为是，确定与梯度值对应的像素点为边缘点，并将与梯度值对应的像素点的像素值设为255，并将边缘点坐标存储至ram。本实施例中灰度图像为8位灰度图像，像素值即为灰度值。

否单元，用于第一判断结果为否，将与梯度值对应的像素点的像素值设为0。

第二判断模块204，用于判断边缘点是否为连续边缘点，得到第二判断结果；连续边缘点为多个横坐标值相连的边缘点，或多个纵坐标值相连的边缘点；第二判断结果为是，执行第三判断模块205；第二判断结果为否，执行存储模块208。

第三判断模块205，用于当连续边缘点的横坐标值相连时，判断连续边缘点的横坐标值是否为所有连续边缘点横坐标值的最小值或最大值。当连续边缘点的纵坐标值相连时，判断连续边缘点的纵坐标值是否为所有连续边缘点纵坐标值的最小值或最大值，得到第三判断结果。连续边缘点的横坐标值表示连续边缘点的x坐标值，连续边缘点的纵坐标值表示连续边缘点的y坐标值。

牙齿轮廓像素点模块206，用于第三判断结果为是，则边缘点以及与边缘点相连的边缘点均为牙齿轮廓像素点，并剔除牙齿轮廓像素点。

存储边缘点模块207，用于第三判断结果为否，存储边缘点以及与边缘点相连的边缘点。

存储模块208，用于存储边缘点。

霍夫空间模块209，用于对边缘点进行霍夫变换，得到边缘点在霍夫空间的ρ值。

霍夫空间模块209，具体包括：

获取单元，用于获取存储的所有边缘点以及边缘点的坐标值。

计算单元，用于根据公式(4)计算边缘点在霍夫空间的ρ值：

ρ＝x*cos(θ)+y*sin(θ)(4)；

公式(4)中，ρ表示边缘点在霍夫空间的极径，x表示边缘点的横坐标值；y表示边缘点的纵坐标值；θ表示边缘点在霍夫空间的极角，θ为整数，θ取值范围为-90°到90°。

牙齿裂缝像素点模块210，用于通过摩尔投票法对所有霍夫空间的ρ值进行处理，得到牙齿裂缝像素点。

牙齿裂缝像素点模块210，具体包括：

确定单元，用于采用摩尔投票法确定第一ρ值，第一ρ值在所有霍夫空间ρ值中的出现次数超过霍夫空间ρ值总数的1/n；n为正整数，本实施例中，n为10。

标定单元，用于确定与第一ρ值对应的边缘点为牙齿裂缝像素点，并进行标定。

牙齿裂缝图像模块211，用于对牙齿裂缝像素点添加色彩标记，并输出牙齿裂缝图像。具体为通过改变像素点rgb通道的值来添加色彩标记。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。