1.一种检测舌体样本中牙齿区域的方法，其特征在于，所述方法包括：
采集彩色的舌体图像，生成第一舌体样本；
将第一舌体样本的彩色舌体图像分离为r、g、b三个通道的图像，分别生成第一r通道样本、第一g通道样本和第一b通道样本；
基于所述第一舌体样本中每个像素点在第一r通道样本、第一g通道样本和第一b通道样本中的像素值，对所述第一舌体样本进行灰度化处理，生成第二舌体样本；
对第二舌体样本中的每个像素点，按照预先设置的像素点邻域大小，根据对包括目标像素点的所述邻域内所有像素点的像素值计算所述目标像素点的阈值，并将所述阈值与目标像素点的像素值进行比较以生成第三舌体样本；
对第三舌体样本中的每个像素点，按照预先设置的滤波模板大小，对包括目标像素点的所述滤波模板内所有像素点的灰度值进行排序，将排序后数组的中值赋予目标像素点以生成第四舌体样本；
按照预先设置的位置阈值location，分别以第一r通道样本、第一g通道样本和第一b通道样本和第四舌体样本的左上角为坐标原点，遍历所述样本中横坐标x∈[0,width]，纵坐标y∈[0,location]的区域，判断所述第四舌体样本该区域中每个像素点的像素值m_val与预先设置的运算阈值threshold的大小，根据所述判断结果重新设置第一r通道样本、第一g通道样本和第一b通道样本中对应的像素点的值以生成第二r通道样本、第二g通道样本和第二b通道样本，其中，所述width为所述样本图像的宽度值；
将所述第二r通道样本、第二g通道样本和第二b通道样本合并生成彩色图像，得到去除牙齿后的第五舌体样本作为对舌体图像进行深度学习训练模型的训练样本。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一舌体样本中每个像素点在第一r通道样本、第一g通道样本和第一b通道样本中的像素值，对所述第一舌体样本进行灰度化处理，生成第二舌体样本包括：
步骤1、选取第一舌体样本中的第i个像素点ii(x,y)，确定所述像素点ii(x,y)在第一r通道样本、第一g通道样本和第一b通道样本中的像素值ri(x,y)、gi(x,y)、bi(x,y)，其中，i的初始值为1；
步骤2、计算所述像素值ri(x,y)、gi(x,y)、bi(x,y)的平均值mi，所述计算公式为：
mi＝[ri(x,y)+gi(x,y)+bi(x,y)]/3；
步骤3、将所述平均值mi赋给像素点ii(x,y)；
步骤4、令i＝i+1,当i≤i时，返回步骤1，当i＞i时，生成第二舌体样本的图像，其中，i是第一舌体样本中像素点的总个数。
3.根据权利要求1所述的方法，其特征在于，所述对第二舌体样本中的每个像素点，按照预先设置的像素点邻域大小，根据对包括目标像素点的所述邻域内所有像素点的像素值计算所述目标像素点的阈值，并将所述阈值与目标像素点的像素值进行比较以生成第三舌体样本包括：
步骤1、选取第二舌体样本中的第i个像素点ii(x,y)，按照预先设置的像素点邻域大小blocksize*blocksize，确定包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值，其中，i的初始值为1，所述blocksize为自然数；
步骤2、根据对包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值计算所述目标像素点ii(x,y)的阈值avgi，其计算公式为：
avgi＝sumi/(blocksize*blocksize)
式中，sumi是包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值的和；
步骤3、比较目标像素点ii(x,y)的像素值valuei与阈值avgi的大小，确定所述目标像素点ii(x,y)的新像素值value′i，其计算公式为：
步骤4、令i＝i+1,当i≤i时，返回步骤1，当i＞i时，生成第二舌体样本的图像，其中，i是第二舌体样本中像素点的总个数。
4.根据权利要求1所述的方法，其特征在于，所述对第三舌体样本中的每个像素点，按照预先设置的滤波模板大小，对包括目标像素点的所述滤波模板内所有像素点的灰度值进行排序，将排序后数组的中值赋予目标像素点以生成第四舌体样本包括：
当所述滤波模板大小为奇数n时，将排序后数组的[(n+1)/2]位作为中值，赋予目标像素点；
当所述滤波模板大小为偶数n时，将排序后数组中第[n/2]位和[n/2+1]的算术平均值作为中值，赋予目标像素点。
5.根据权利要求1所述的方法，其特征在于，所述按照预先设置的位置阈值location，分别以第一r通道样本、第一g通道样本和第一b通道样本和第四舌体样本的左上角为坐标原点，遍历所述样本中横坐标x∈[0,width]，纵坐标y∈[0,location]的区域，判断所述第四舌体样本该区域中每个像素点的像素值m_val与预先设置的运算阈值threshold的大小，根据所述判断结果重新设置第一r通道样本、第一g通道样本和第一b通道样本中对应的像素点的值以生成第二r通道样本、第二g通道样本和第二b通道样本包括：
步骤1、选取第四舌体样本运算区域中的第i个像素点ii(x,y)，确定所述像素点ii(x,y)的像素值valuei，其中，i的初始值为1，所述运算区域是以第四舌体样本的左上角为坐标原点，横坐标x∈[0,width]，纵坐标y∈[0,location]的区域；
步骤2、比较目标像素点ii(x,y)的像素值valuei与预先设置的运算阈值threshold的大小，当所述运算区域中的像素点ii(x,y)的像素值valuei大于预先设置的运算阈值threshold时，将所述第一r通道样本、第一g通道样本和第一b通道样本中像素点ii(x,y)的像素值设置为0，其中，所述第一r通道样本、第一g通道样本和第一b通道样本中具有和第四舌体样本相同的运算区域；
步骤3、令i＝i+1,当i≤i时，返回步骤1，当i＞i时，生成第二r通道样本、第二g通道样本和第二b通道样本的图像，其中，i是第四舌体样本运算区域中像素点的总个数。
6.一种检测舌体样本中牙齿区域的系统，其特征在于，所述系统包括：
样本采集单元，其用于采集彩色的舌体图像，生成第一舌体样本；
样本分离单元，其用于将第一舌体样本的彩色舌体图像分离为r、g、b三个通道的图像，分别生成第一r通道样本、第一g通道样本和第一b通道样本；
第二样本单元，其用于基于所述第一舌体样本中每个像素点在第一r通道样本、第一g通道样本和第一b通道样本中的像素值，对所述第一舌体样本进行灰度化处理，生成第二舌体样本；
第三样本单元，其用于对第二舌体样本中的每个像素点，按照预先设置的像素点邻域大小，根据对包括目标像素点的所述邻域内所有像素点的像素值计算所述目标像素点的阈值，并将所述阈值与目标像素点的像素值进行比较以生成第三舌体样本；
第四样本单元，其用于对第三舌体样本中的每个像素点，按照预先设置的滤波模板大小，对包括目标像素点的所述滤波模板内所有像素点的灰度值进行排序，将排序后数组的中值赋予目标像素点以生成第四舌体样本；
第五样本单元，其用于按照预先设置的位置阈值location，分别以第一r通道样本、第一g通道样本和第一b通道样本和第四舌体样本的左上角为坐标原点，遍历所述样本中横坐标x∈[0,width]，纵坐标y∈[0,location]的区域，判断所述第四舌体样本该区域中每个像素点的像素值m_val与预先设置的运算阈值threshold的大小，根据所述判断结果重新设置第一r通道样本、第一g通道样本和第一b通道样本中对应的像素点的值以生成第二r通道样本、第二g通道样本和第二b通道样本，其中，所述width为所述样本图像的宽度值；
样本合成单元，其用于将所述第二r通道样本、第二g通道样本和第二b通道样本合并生成彩色图像，得到去除牙齿后的第五舌体样本作为对舌体图像进行深度学习训练模型的训练样本。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括参数设置单元，其用于设置第三样本单元中的像素点领域大小，第四样本单元中的滤波模板大小，以及第五样本单元中的位置阈值和运算阈值。
8.根据权利要求7所述的系统，其特征在于，所述第二样本单元包括：
目标选取单元，其用于选取第一舌体样本中的第i个像素点ii(x,y)，确定所述像素点ii(x,y)在第一r通道样本、第一g通道样本和第一b通道样本中的像素值ri(x,y)、gi(x,y)、bi(x,y)；
数据计算单元，其用于计算所述像素值ri(x,y)、gi(x,y)、bi(x,y)的平均值mi，以及在赋值单元进行目标像素点赋值后，令i＝i+1，其中，所述平均值mi的计算公式为：
mi＝[ri(x,y)+gi(x,y)+bi(x,y)]/3；
赋值单元，其用于将所述平均值mi赋给像素点ii(x,y)，以及在第一次选取第一舌体样本中目标像素点时，令i＝1；
样本生成单元，其用于当i≤i时，返回目标选取单元，当i＞i时，生成第二舌体样本的图像，其中，i是第一舌体样本中像素点的总个数。
9.根据权利要求7所述的方法，其特征在于，第三样本单元包括：
目标选取单元，其用于选取第二舌体样本中的第i个像素点ii(x,y)，按照预先设置的像素点邻域大小blocksize*blocksize，确定包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值，其中，i的初始值为1，所述blocksize为自然数；
数据计算单元，其用于根据对包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值计算所述目标像素点ii(x,y)的阈值avgi，以及在赋值单元进行目标像素点赋值后，令i＝i+1，其中，所述阈值avgi的计算公式为：
avgi＝sumi/(blocksize*blocksize)
式中，sumi是包括目标像素点ii(x,y)的所述大小为blocksize*blocksize的邻域内所有像素点的像素值的和；
赋值单元，其用于比较目标像素点ii(x,y)的像素值valuei与阈值avgi的大小，确定所述目标像素点ii(x,y)的新像素值value′i，以及在第一次选取第二舌体样本中目标像素点时，令i＝1，其中，确定所述目标像素点ii(x,y)的新像素值value′i的计算公式为：
样本生成单元，其用于当i≤i时，返回目标选取单元，当i＞i时，生成第三舌体样本的图像，其中，i是第二舌体样本中像素点的总个数。
10.根据权利要求6所述的系统，其特征在于，所述第四样本单元对第三舌体样本中的每个像素点，按照预先设置的滤波模板大小，对包括目标像素点的所述滤波模板内所有像素点的灰度值进行排序，将排序后数组的中值赋予目标像素点以生成第四舌体样本包括：
当所述滤波模板大小为奇数n时，将排序后数组的[(n+1)/2]位作为中值，赋予目标像素点；
当所述滤波模板大小为偶数n时，将排序后数组中第[n/2]位和[n/2+1]的算术平均值作为中值，赋予目标像素点。
11.根据权利要求7所述的系统，其特征在于，所述第五样本单元包括：
目标选取单元，其用于选取第四舌体样本运算区域中的第i个像素点ii(x,y)，确定所述像素点ii(x,y)的像素值valuei，其中，所述运算区域是以第四舌体样本的左上角为坐标原点，横坐标x∈[0,width]，纵坐标y∈[0,location]的区域；
赋值单元，其用于比较目标像素点ii(x,y)的像素值valuei与预先设置的运算阈值threshold的大小，当所述运算区域中的像素点ii(x,y)的像素值valuei大于预先设置的运算阈值threshold时，将所述第一r通道样本、第一g通道样本和第一b通道样本中像素点ii(x,y)的像素值设置为0，以及在第一次选取第四舌体样本中目标像素点时，令i＝1，从第二次选取第四舌体样本中目标像素点时，每选一次令i＝i+1,其中，所述第一r通道样本、第一g通道样本和第一b通道样本中具有和第四舌体样本相同的运算区域；
样本生成单元，其用于当i≤i时，返回目标选取单元，当i＞i时，生成第二r通道样本、第二g通道样本和第二b通道样本的图像，其中，i是第四舌体样本运算区域中像素点的总个数。