自动采样厚度检测的非线性口腔CT全景图像合成方法与流程

本发明属于口腔ct重建数据的图像后处理技术领域，特别涉及自动采样厚度检测的非线性口腔ct全景图像合成方法。

背景技术：

头部ct重建获取的断层图像所生成的虚拟全景图像是口腔ct图像后处理的一项重要功能，虚拟全景图像在口腔手术及口腔种植有广泛应用，虚拟全景图像在牙齿正畸、压槽骨及颞颌关节等疾病的诊断和治疗方面提供了上下颌的全局信息，精确牙弓线的生成是牙科全景图像生成必不可少的一个重要步骤，直接决定了虚拟全景图像生成的正确性和最终效果。

现有技术中，牙弓曲线检测方法可以分为直接方法和间接方法两类。直接方法是依次对输入的断层图像进行牙齿分割和形态学操作，获取所有断层的牙弓曲线，并从所有的牙弓曲线中选择最优的结果为最后的牙弓曲线。间接方法首先生成体数据不同角度的投影图像，在投影图像上经过分割和形态学操作获取牙弓曲线。直接方法可实现全自动牙弓曲线提取，但由于需要对所有输入断层图像进行操作，其计算量较大，运行时间较长，无法达到临床实际的需求。另外由于直接方法是从多个断层提取的牙弓曲线中获取最优结果，其本质是用局部来代表全局牙弓曲线，操作较大的偏差。间接方法具有速度快和直接表达全局牙弓曲线的优势，但是间接方法无法实现全自动的提取，需要人工设置断层图像的范围。直接方法和间接方法都存在的一个主要问题是虚拟全景图像的合成都采用ray-sum方法，如图10所示，合成的虚拟全景图像非常模糊，对比度差，直接影响医生对虚拟全景图像的观察。

现有技术中的牙弓曲线检测方法还有一个缺点，是需要人工设置虚拟全景的采样厚度，设置过大则虚拟全景图像会变的模糊；反之虚拟全景图像无法包含所有的上下颌解决结构信息。

因此针对现有技术不足，提供一种自动采样厚度检测的非线性口腔ct全景图像合成方法以解决现有技术不足甚为必要。

技术实现要素：

本发明的目的在于避免现有技术的不足之处而提供一种自动采样厚度检测的非线性口腔ct全景图像合成方法。该自动采样厚度检测的非线性口腔ct全景图像合成方法能够极大的提高的虚拟全景图像的清晰度和对比度，能够获得和真实x射线全景图像相近似的效果。

本发明的上述目的通过以下技术措施实现：

提供一种自动采样厚度检测的非线性口腔ct全景图像合成方法,步骤包括有：

步骤一、输入口腔ct重建后体数据，得到体数据最大密度投影图像；

步骤二、对步骤一得到的体数据最大密度投影图像进行二维高斯滤波，得到滤波体数据最大密度投影图像；

步骤三、计算步骤二得到的滤波体数据最大密度投影图像的直方图，得到滤波体数据最大密度投影图像分割阈值；

步骤四、用步骤三得到的滤波体数据最大密度投影图像分割阈值对步骤二得到的滤波体数据最大密度投影图像进行分割，得到上下颌中牙齿在序列图像中范围；

步骤五、由步骤四得到的上下颌中牙齿在序列图像中范围生成得到横断面最大密度投影图像；

步骤六、统计步骤五得到的横断面最大密度投影图像的直方图，得到横断面最大密度投影图像分割阈值；

步骤七、根据步骤六得到的横断面最大密度投影图像分割阈值对步骤五得到的横断面最大密度投影图像进行分割，得到横断面最大密度投影图像分割结果；

步骤八、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，然后滤波，得到牙弓轮廓；

步骤九、对步骤八得到的牙弓轮廓进行细化操作，得到初步牙弓曲线；

步骤十、统计步骤九得到的初步牙弓曲线的端点，得到两端点初步牙弓曲线；

步骤十一、对步骤十得到的两端点初步牙弓曲线进行控制点采样操作，得到初步牙弓曲线进控制点；

步骤十二、根据步骤十一得到的初步牙弓曲线进控制点构建b-cubic样条曲线，得到正式牙弓曲线；

步骤十三、根据步骤八得到的牙弓轮廓和步骤十二得到的正式牙弓曲线计算，得到虚拟全景图像采样厚度；

步骤十四、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，并计算采样所在点的法向量，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，得到全景容积图像和虚拟全景容积数据；

步骤十五、沿步骤十四的正式牙弓曲线的法向量的方向对步骤十四的虚拟全景容积数据和全景容积图像进行合成，得到虚拟全景图像。

优选的，上述体数据最大密度投影图像为体数据冠状面最大密度投影图像或者体数据矢状面的最大密度投影图像。

优选的，上述步骤三具体为，

步骤3.1、计算步骤二得到的滤波体数据最大密度投影图像的直方图，进入步骤3.2；

步骤3.2、计算直方图的峰值，进入步骤3.3；

步骤3.3、从大至小排列直方图的灰度值得到第一个直方图峰值，进入步骤3.4；

步骤3.4、采用高斯函数逼近第一个直方图峰值，取右侧置信区间98％的值，得到滤波体数据最大密度投影图像分割阈值；

优选的，上述步骤六具体为；

步骤6.1、统计步骤五得到的横断面最大密度投影图像的直方图，进入步骤6.2；

步骤6.2、计算的直方图的峰值，进入步骤6.3；

步骤6.3、从大至小排列直方图的灰度值，得到第一个直方图峰值并定义为横断面最大密度投影图像分割阈值；

优选的，上述步骤八具体为，

步骤8.1、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，得到轮廓面积，进入步骤8.2；

步骤8.2、提取面积最大的轮廓进行横坐标和纵坐标的一维高斯滤波，得到滤波后轮廓，进入步骤8.3；

步骤8.3、对滤波后轮廓进行绘制，得到牙弓轮廓。

优选的，上述步骤十具体为，

步骤10.1、统计步骤九得到的初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.2、统计去除分叉后初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.3、如果端点的个数多于两个，则进入步骤10.4，如何端点个数等于两个，则进入步骤10.5；

步骤10.4、对步骤九得到的初步牙弓曲线进行去除分叉的形态学操作，得到去除分叉后初步牙弓曲线，进入步骤10.2；

步骤10.5、定义为两端点初步牙弓曲线，进入步骤十一。

优选的，上述步骤十一具体为，对步骤十得到的两端点初步牙弓曲线进行控制点采样操作，等间隔或选取m个控制点，得到初步牙弓曲线进控制点，且m≥3，m为正整数。

优选的，上述m＝11。

优选的，上述步骤十三具体为，

步骤13.1、对步骤十二得到的正式牙弓曲线进行等间距采集，得到等间距采样点，进入步骤13.2；

步骤13.2、在步骤13.1的等间距采样点处，计算正式牙弓曲线的法向量，进入步骤13.3；

步骤13.3、沿步骤13.3的法向量方向，计算步骤八得到的牙弓轮廓边缘的距离，得到牙弓轮廓边缘距离，进入步骤13.4；

步骤13.4、统计步骤13.3得到牙弓轮廓边缘距离的直方图，得到距离直方图，进入步骤13.5；

步骤13.5、计算步骤13.4得到的距离直方图的最大峰值，并取最大峰值的±20范围的平均值，得到虚拟全景图像采样厚度。

优选的，上述步骤十四具体为，

步骤14.1、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，得到等像素间隔采样点，进入步骤14.2；

步骤14.2、并计算等像素间隔采样点所在位置的法向量，沿法向量方向，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，进入步骤14.3；

步骤14.3、根据步骤14.1得到的等像素间隔采样点和步骤14.2得到的切割图，依次得到所有等像素间隔采样点的进入切割，每个等像素间隔采样点各得到全景容积图像，进入步骤14.4；

步骤14.4，将所有等像素间隔采样点的全景容积图像依次排列，得到虚拟全景容积数据。

优选的，上述步骤十五具体为，

步骤15.1、沿步骤十四的正式牙弓曲线的法向量方向对虚拟全景容积数据和所有等像素间隔采样点的全景容积图像按照式(ⅰ)合成，进入步骤15.2，

其中soft是口腔ct重建后体数据中软组织的灰度值；e表示指数函数；i0是表示为虚拟全景图像；c表示全景容积图像的张数；pc表示全景容积数；i和j表示某张全景图像切片中像素的位置坐标；n表示虚拟全景容积数据；

步骤15.1、经过式(ⅱ)和式(ⅲ)得到虚拟全景图像，

i1＝guidedfilter(i0)式(ⅱ)，

i＝ai0+(1-a)(i0–i1)式(ⅲ)，

其中i1是对i0经过高斯滤波后得到的结果，a为权重因子，取值范围是0-1之间，i为最终的虚拟全景图像。

本发明的一种自动采样厚度检测的非线性口腔ct全景图像合成方法,包括15个步骤。本发明的有益效果如下：第一、前期不需要人工设定断层图像范围。第二、能够自动计算和识别包含上下颌的断层图像范围，实现真正的全自动牙弓曲线提取。第三、在提取牙弓曲线的同时自动检测虚拟全景的采样厚度，克服人工设置过大或过小导致的虚拟全景合成存在的模糊或不全的问题，实现真正的全自动提取过程。本发明和现有方法相比，极大的提高的虚拟全景图像的清晰度和对比度，能够获得和真实x射线全景图像相近似的效果。

附图说明

利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。

图1为本发明一种自动采样厚度检测的非线性口腔ct全景图像合成方法的流程图。

图2为体数据冠断面最大密度投影图像。

图3为滤波体数据最大密度投影图像的直方图及分割阈值

图4为体数据冠断面最大密度投影图像分割结果及牙齿分布范围。

图5为横断面最大密度投影图像。

图6为横断面最大密度投影图像分割结果。

图7为高斯滤波后的牙弓轮廓。

图8为细化得到的初步牙弓曲线。

图9为本发明的虚拟全景图像。

图10为现有技术的ray-sum虚拟全景结果。

具体实施方式

结合以下实施例对本发明的技术方案作进一步说明。

实施例1。

一种自动采样厚度检测的非线性口腔ct全景图像合成方法，如图1所示，步骤包括有：

步骤一、输入口腔ct重建后体数据，得到体数据最大密度投影图像；

步骤二、对步骤一得到的体数据最大密度投影图像进行二维高斯滤波，得到滤波体数据最大密度投影图像；

步骤三、计算步骤二得到的滤波体数据最大密度投影图像的直方图，得到滤波体数据最大密度投影图像分割阈值；

步骤四、用步骤三得到的滤波体数据最大密度投影图像分割阈值对步骤二得到的滤波体数据最大密度投影图像进行分割，得到上下颌中牙齿在序列图像中范围；

步骤五、由步骤四得到的上下颌中牙齿在序列图像中范围生成得到横断面最大密度投影图像；

步骤六、统计步骤五得到的横断面最大密度投影图像的直方图，得到横断面最大密度投影图像分割阈值；

步骤七、根据步骤六得到的横断面最大密度投影图像分割阈值对步骤五得到的横断面最大密度投影图像进行分割，得到横断面最大密度投影图像分割结果；

步骤八、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，然后滤波，得到牙弓轮廓；

步骤九、对步骤八得到的牙弓轮廓进行细化操作，得到初步牙弓曲线；

步骤十、统计步骤九得到的初步牙弓曲线的端点，得到两端点初步牙弓曲线；

步骤十一、对步骤十得到的两端点初步牙弓曲线进行控制点采样操作，得到初步牙弓曲线进控制点；

步骤十二、根据步骤十一得到的初步牙弓曲线进控制点构建b-cubic样条曲线，得到正式牙弓曲线；

步骤十三、根据步骤八得到的牙弓轮廓和步骤十二得到的正式牙弓曲线计算，得到虚拟全景图像采样厚度；

步骤十四、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，并计算采样所在点的法向量，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，得到全景容积图像和虚拟全景容积数据；

步骤十五、沿步骤十四的正式牙弓曲线的法向量的方向对步骤十四的虚拟全景容积数据和全景容积图像进行合成，得到虚拟全景图像。

其中体数据最大密度投影图像为体数据冠状面最大密度投影图像或者体数据矢状面的最大密度投影图像。

本发明的步骤二、对步骤一得到的体数据最大密度投影图像进行二维高斯滤波，去掉噪音的影响，得到滤波体数据最大密度投影图像。

步骤三具体为，

步骤3.1、计算步骤二得到的滤波体数据最大密度投影图像的直方图，进入步骤3.2；

步骤3.2、计算直方图的峰值，进入步骤3.3；

步骤3.3、从大至小排列直方图的灰度值得到第一个直方图峰值，进入步骤3.4；

步骤3.4、采用高斯函数逼近第一个直方图峰值，取右侧置信区间98％的值，得到滤波体数据最大密度投影图像分割阈值；

其中步骤六具体为；

步骤6.1、统计步骤五得到的横断面最大密度投影图像的直方图，进入步骤6.2；

步骤6.2、计算的直方图的峰值，进入步骤6.3；

步骤6.3、从大至小排列直方图的灰度值，得到第一个直方图峰值并定义为横断面最大密度投影图像分割阈值；

其中步骤八具体为，

步骤8.1、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，得到轮廓面积，进入步骤8.2；

步骤8.2、提取面积最大的轮廓进行横坐标和纵坐标的一维高斯滤波，得到滤波后轮廓，进入步骤8.3；

步骤8.3、对滤波后轮廓进行绘制，得到牙弓轮廓。

其中步骤十具体为，

步骤10.1、统计步骤九得到的初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.2、统计去除分叉后初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.3、如果端点的个数多于两个，则进入步骤10.4，如何端点个数等于两个，则进入步骤10.5；

步骤10.4、对步骤九得到的初步牙弓曲线进行去除分叉的形态学操作，得到去除分叉后初步牙弓曲线，进入步骤10.2；

步骤10.5、定义为两端点初步牙弓曲线，进入步骤十一。

其中步骤十一具体为，对步骤十得到的两端点初步牙弓曲线进行控制点采样操作，等间隔或选取m个控制点，得到初步牙弓曲线进控制点，且m≥3，m为正整数。

其中m＝11。

其中步骤十三具体为，

步骤13.1、对步骤十二得到的正式牙弓曲线进行等间距采集，得到等间距采样点，进入步骤13.2；

步骤13.2、在步骤13.1的等间距采样点处，计算正式牙弓曲线的法向量，进入步骤13.3；

步骤13.3、沿步骤13.3的法向量方向，计算步骤八得到的牙弓轮廓边缘的距离，得到牙弓轮廓边缘距离，进入步骤13.4；

步骤13.4、统计步骤13.3得到牙弓轮廓边缘距离的直方图，得到距离直方图，进入步骤13.5；

步骤13.5、计算步骤13.4得到的距离直方图的最大峰值，并取最大峰值的±20范围的平均值，得到虚拟全景图像采样厚度。

优选的，上述步骤十四具体为，

步骤14.1、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，得到等像素间隔采样点，进入步骤14.2；

步骤14.2、并计算等像素间隔采样点所在位置的法向量，沿法向量方向，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，进入步骤14.3；

步骤14.3、根据步骤14.1得到的等像素间隔采样点和步骤14.2得到的切割图，依次得到所有等像素间隔采样点的进入切割，每个等像素间隔采样点各得到全景容积图像，进入步骤14.4；

步骤14.4，将所有等像素间隔采样点的全景容积图像依次排列，得到虚拟全景容积数据。

其中步骤十五具体为，

步骤15.1、沿步骤十四的正式牙弓曲线的法向量方向对虚拟全景容积数据和所有等像素间隔采样点的全景容积图像按照式(ⅰ)合成，进入步骤15.2，

其中soft是口腔ct重建后体数据中软组织的灰度值；e表示指数函数；i0是表示为虚拟全景图像；c表示全景容积图像的张数；pc表示全景容积数；i和j表示某张全景图像切片中像素的位置坐标；n表示虚拟全景容积数据；

步骤15.1、经过式(ⅱ)和式(ⅲ)得到虚拟全景图像，

i1＝guidedfilter(i0)式(ⅱ)，

i＝ai0+(1-a)(i0–i1)式(ⅲ)，

其中i1是对i0经过高斯滤波后得到的结果，a为权重因子，取值范围是0-1之间，i为最终的虚拟全景图像。

本发明方法具有三个优点具体为：第一个、真正的全自动处理，不需要任何的人工干预，为了确定上下颌所在断层图像的范围，首先统计口腔ct重建体数据在冠状面的最大密度投影图像，在该图像上自动计算出上下颌在断层图像的范围。第二、在自动提取牙弓曲线后，根据牙弓曲线和牙弓轮廓图像，自动计算牙弓轮廓图像的厚度分布，并检测出合适的生成虚拟全景图像的采样厚度。第三、能够合成具有高清晰度和对比度的虚拟全景图像，该过程是通过引入非线性的全景图像合成及增强图像处理来实现的。

该自动采样厚度检测的非线性口腔ct全景图像合成方法,包括15个步骤。本发明的有益效果如下：第一、前期不需要人工设定断层图像范围。第二、能够自动计算和识别包含上下颌的断层图像范围，实现真正的全自动牙弓曲线提取。第三、在提取牙弓曲线的同时自动检测虚拟全景的采样厚度，克服人工设置过大或过小导致的虚拟全景合成存在的模糊或不全的问题，实现真正的全自动提取过程。本发明和现有方法相比，极大的提高的虚拟全景图像的清晰度和对比度，能够获得和真实x射线全景图像相近似的效果。

实施例2。

一种自动采样厚度检测的非线性口腔ct全景图像合成方法。本实施例以一组口腔ct重建体数据为例子，该口腔ct重建体数据大小为512-512-460，无符号short类型，口腔ct重建体数据中患者体位处于正常标准体位，将该口腔ct重建体数据不经过任何处理作为输入，对本发明作详细说明。

步骤一、输入口腔ct重建后体数据，得到体数据最大密度投影图像。

生成方法为平行于冠状面的所有体数据中的切片，取相同y坐标的所有值，取最大值为最大密度投影图像中的结果，得到体数据最大密度投影图像，如图2所示。

步骤二、构建高斯滤波核，对步骤一得到的体数据最大密度投影图像进行二维高斯滤波，去掉噪音的影响，得到滤波体数据最大密度投影图像。

步骤三、计算步骤二得到的滤波体数据最大密度投影图像的直方图，得到滤波体数据最大密度投影图像分割阈值。

步骤三具体为，

步骤3.1、计算步骤二得到的滤波体数据最大密度投影图像的直方图，进入步骤3.2；

步骤3.2、计算直方图的峰值，如图3所示，进入步骤3.3；

步骤3.3、从大至小排列直方图的灰度值得到第一个直方图峰值，进入步骤3.4；

步骤3.4、采用高斯函数逼近第一个直方图峰值，取右侧置信区间98％的值，如图3直方图中竖直线所在位置，得到滤波体数据最大密度投影图像分割阈值；

步骤四、用步骤三得到的滤波体数据最大密度投影图像分割阈值对步骤二得到的滤波体数据最大密度投影图像进行分割，得到上下颌中牙齿在序列图像中范围，如图4所示。

计算该范围的具体方法是对分割得到的结果，进行y轴投影，统计每一行中分割结果中白色点的个数，得到分割结果在y轴上的投影直方图，计算投影直方图中最大峰值所在位置，查找该峰值邻域内是否存在近似高度值的峰值，如果有则认为上下牙齿是分离的，以这两个峰值所在位置为起始点，采用高斯函数逼近两个波峰，分别统计两个峰值置信度为98％的范围，下峰值减去该值，上峰值加上该值，既得到上下颌中牙齿在横断面上的范围。

如果不存在临近相似直方图峰值，则上下牙齿是咬合的，以该峰值为中心，采用直方图逼近，得到信度为98％的范围，才峰值加减置信度，既得到上下颌中牙齿在横断面上的范围，如图4中的两条上下长横线。

步骤五、由步骤四得到的上下颌中牙齿在序列图像中范围生成得到横断面最大密度投影图像，如图5所示。

步骤六、统计步骤五得到的横断面最大密度投影图像的直方图，得到横断面最大密度投影图像分割阈值。

步骤七、根据步骤六得到的横断面最大密度投影图像分割阈值对步骤五得到的横断面最大密度投影图像进行分割，得到横断面最大密度投影图像分割结果，如图6所示。

步骤八、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，然后滤波，得到牙弓轮廓。

步骤八具体为，

步骤8.1、对步骤七得到的横断面最大密度投影图像分割结果进行轮廓统计，得到轮廓面积，进入步骤8.2；

步骤8.2、提取面积最大的轮廓进行横坐标和纵坐标的一维高斯滤波，得到滤波后轮廓，进入步骤8.3；

步骤8.3、对滤波后轮廓进行绘制，得到牙弓轮廓，如图7所示。

步骤九、对步骤八得到的牙弓轮廓进行细化操作，得到初步牙弓曲线。其中细化采用zhang-suen细化算法。

步骤十、统计步骤九得到的初步牙弓曲线的端点，得到两端点初步牙弓曲线。

步骤十具体为，

步骤10.1、统计步骤九得到的初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.2、统计去除分叉后初步牙弓曲线的端点的个数，进入步骤10.3，

步骤10.3、如果端点的个数多于两个，则进入步骤10.4，如何端点个数等于两个，则进入步骤10.5；

步骤10.4、对步骤九得到的初步牙弓曲线进行去除分叉的形态学操作，得到去除分叉后初步牙弓曲线，进入步骤10.2；

步骤10.5、定义为两端点初步牙弓曲线，如图8所示，进入步骤十一。

步骤十一、对步骤十得到的两端点初步牙弓曲线进行控制点采样操作，得到初步牙弓曲线进控制点。

步骤十二、根据步骤十一得到的初步牙弓曲线进控制点构建b-cubic样条曲线，得到正式牙弓曲线。

步骤十三、根据步骤八得到的牙弓轮廓和步骤十二得到的正式牙弓曲线计算，得到虚拟全景图像采样厚度。

步骤十三具体为，

步骤13.1、对步骤十二得到的正式牙弓曲线进行等间距采集，得到等间距采样点，进入步骤13.2；

步骤13.2、在步骤13.1的等间距采样点处，计算正式牙弓曲线的法向量，进入步骤13.3；

步骤13.3、沿步骤13.3的法向量方向，计算步骤八得到的牙弓轮廓边缘的距离，得到牙弓轮廓边缘距离，进入步骤13.4；

步骤13.4、统计步骤13.3得到牙弓轮廓边缘距离的直方图，得到距离直方图，进入步骤13.5；

步骤13.5、计算步骤13.4得到的距离直方图的最大峰值，并取最大峰值的±20范围的平均值，得到虚拟全景图像采样厚度。

步骤十四、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，并计算采样所在点的法向量，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，得到全景容积图像和虚拟全景容积数据。

步骤十四具体为，

步骤14.1、对步骤十二得到的正式牙弓曲线进行等像素间隔采样，得到等像素间隔采样点，进入步骤14.2；

步骤14.2、并计算等像素间隔采样点所在位置的法向量，沿法向量方向，并根据步骤十三得到的虚拟全景图像采样厚度对步骤一的口腔ct重建后体数据进行切割，进入步骤14.3；

步骤14.3、根据步骤14.1得到的等像素间隔采样点和步骤14.2得到的切割图，依次得到所有等像素间隔采样点的进入切割，每个等像素间隔采样点各得到全景容积图像，进入步骤14.4；

步骤14.4，将所有等像素间隔采样点的全景容积图像依次排列，得到虚拟全景容积数据。

步骤十五、沿步骤十四的正式牙弓曲线的法向量的方向对步骤十四的虚拟全景容积数和全景容积图像据进行合成，得到虚拟全景图像。

步骤十五具体为，

步骤15.1、沿步骤十四的正式牙弓曲线的法向量方向对虚拟全景容积数据和所有等像素间隔采样点的全景容积图像按照式(ⅰ)合成，进入步骤15.2，

其中soft是口腔ct重建后体数据中软组织的灰度值；e表示指数函数；i0是表示为虚拟全景图像；c表示全景容积图像的张数；pc表示全景容积数；i和j表示某张全景图像切片中像素的位置坐标；n表示虚拟全景容积数据；

步骤15.1、经过式(ⅱ)和式(ⅲ)得到虚拟全景图像，

i1＝guidedfilter(i0)式(ⅱ)，

i＝ai0+(1-a)(i0–i1)式(ⅲ)，

其中i1是对i0经过高斯滤波后得到的结果，a为权重因子，取值范围是0-1之间，i为最终的虚拟全景图像，如图9所示。

该自动采样厚度检测的非线性口腔ct全景图像合成方法,包括15个步骤。本发明的有益效果如下：第一、前期不需要人工设定断层图像范围。第二、能够自动计算和识别包含上下颌的断层图像范围，实现真正的全自动牙弓曲线提取。第三、在提取牙弓曲线的同时自动检测虚拟全景的采样厚度，克服人工设置过大或过小导致的虚拟全景合成存在的模糊或不全的问题，实现真正的全自动提取过程。本发明和现有方法相比，极大的提高的虚拟全景图像的清晰度和对比度，能够获得和真实x射线全景图像相近似的效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。