一种图像处理方法、装置、设备及存储介质

1.本公开涉及计算机技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。


背景技术：

2.在对患者进行牙齿固定矫治的过程中，经常需要对牙齿的转矩、轴倾度等数据进行测量，以判断牙齿的矫治效果。在现有技术中，通常利用影像学检查，例如锥形束投照计算机断层扫描(cbct，cone beam computer tomography)技术等，对牙齿数据进行测量；或者采用口扫的方法，即口腔扫描，获取患者的牙齿数据。
3.然而，影像学检查的方法会对患者产生辐射，过量照射对于人体有一定的伤害；口扫方法会因为固定矫治装置的影响，很难将牙齿冠面形态独立出来，从而导致无法对牙齿的转矩、轴倾度等数据进行准确测量。


技术实现要素：

4.本公开提供了一种图像处理方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
5.根据本公开的第一方面，提供了一种图像处理方法，该方法包括：获取待处理图像，所述待处理图像包括佩戴矫治装置后的口扫3d图像；根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得到第一识别结果；根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，所述母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；根据所述匹配结果和所述母本牙齿，对所述待处理图像中的牙齿进行替换，得到图像处理结果。
6.在一可实施方式中，通过以下方式得到所述识别模型：获取训练样本集，所述训练样本集包括已经标注牙齿和牙齿的特征标志点的样本口扫3d图像；根据所述训练样本集，对深度神经网络模型进行训练，得到所述识别模型。
7.在一可实施方式中，所述根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得到第一识别结果，包括：根据所述识别模型，识别得到所述待处理图像中的牙齿的近远中邻接点和第一特征标志点；根据所述近远中邻接点，对所述待处理图像中的牙齿进行分割，得到所述第一识别结果。
8.在一可实施方式中，通过以下方式得到所述母本牙齿：获取母本图像，所述母本图像包括佩戴矫治装置前的口扫3d图像；根据所述识别模型，识别所述母本图像中牙齿的第二特征标志点，得到第二识别结果；将所述第二识别结果中的单个牙齿确定为母本牙齿。
9.在一可实施方式中，所述根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，包括：根据所述第一特征标志点和所述第二特征标志点，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到所述匹配结果。
10.在一可实施方式中，所述根据所述匹配结果和所述母本牙齿，对所述待处理图像
中的牙齿进行替换，得到图像处理结果，包括：根据所述匹配结果，对与所述待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿；根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到所述图像处理结果。
11.在一可实施方式中，所述根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到所述图像处理结果，包括：根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到初始处理结果；对所述初始处理结果中的单个牙齿进行整合，得到所述图像处理结果。
12.根据本公开的第二方面，提供了一种图像处理装置，该装置包括：第一获取模块，用于获取待处理图像，所述待处理图像包括佩戴矫治装置后的口扫3d图像；第一识别模块，用于根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得到第一识别结果；匹配模块，用于根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，所述母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；替换模块，用于根据所述匹配结果和所述母本牙齿，对所述待处理图像中的牙齿进行替换，得到图像处理结果。
13.根据本公开的第三方面，提供了一种电子设备，包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。
17.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。
18.本公开的一种图像处理方法、装置、设备及存储介质，利用佩戴矫治装置前的口扫3d图像中的牙齿，替换佩戴矫治装置后的口扫3d图像中的牙齿，消除了口扫过程中矫治装置的影响，保证佩戴矫治装置后的口扫3d图像可以将牙齿冠面形态独立出来，方便对牙齿的转矩、轴倾度等数据进行准确测量。
19.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
20.通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
21.在附图中，相同或对应的标号表示相同或对应的部分。
22.图1示出了本公开第一实施例的一种图像处理方法的流程示意图；
23.图2示出了本公开第三实施例的一种图像处理方法的应用场景示意图；
24.图3示出了本公开第四实施例的一种图像处理方法的流程示意图；
25.图4示出了本公开第八实施例的一种图像处理装置的结构示意图；
26.图5示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
27.为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域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，都属于本公开保护的范围。
28.图1示出了本公开第一实施例的一种图像处理方法的流程示意图，如图1所示，该方法主要包括：
29.步骤s101，获取待处理图像，待处理图像包括佩戴矫治装置后的口扫3d图像。
30.在本实施例中，首先需要获取待处理图像，待处理图像包括佩戴矫治装置后的口扫3d图像，其中，口扫即口腔扫描，利用数字化口内扫描仪对患者的牙齿进行扫描，即可得到患者牙齿的3d图像，若患者牙齿佩戴了固定矫治装置，则患者的口扫3d图像中也会显示固定矫治装置。
31.步骤s102，根据识别模型，识别待处理图像中牙齿的第一特征标志点，得到第一识别结果。
32.在本实施例中，获取到待处理图像之后，根据识别模型，识别待处理图像中牙齿的第一特征标志点，得到第一识别结果，其中，第一识别结果包括待处理图像中的每个牙齿，以及每个牙齿的第一特征标志点，第一特征标志点可以唯一地标识该牙齿。
33.在一可实施方式中，识别模型可以由深度神经网络模型训练得到，例如，全卷积神经网络(fcn，fully convolutional networks)模型、mask r-cnn模型和unet模型等，其中，mask r-cnn模型为实例分割模型，unet模型为fcn模型的变体。识别模型不仅可以识别出待处理图像中每个牙齿的第一特征标志点，还可以将待处理图像中的牙齿分割为单个牙齿。
34.步骤s103，根据第一识别结果，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿。
35.在本实施例中，还需要对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，其中，母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿，母本牙齿中没有固定矫治装置，可以将牙齿冠面形态独立出来。具体地，第一识别结果中包括待处理图像中每个牙齿的第一特征标志点，利用每个牙齿的第一特征标志点，分别与每个母本牙齿的特征标志点进行匹配，若待处理图像中的牙齿的第一特征标志点与母本牙齿的特征标志点相同，则该母本牙齿与待处理图像中的牙齿为同一牙位的牙齿。
36.步骤s104，根据匹配结果和母本牙齿，对待处理图像中的牙齿进行替换，得到图像处理结果。
37.在本实施例中，对待处理图像中的牙齿与母本牙齿进行匹配之后，还需要根据匹配结果和母本牙齿，对待处理图像中的牙齿进行替换，从而得到图像处理结果。具体地，可以根据匹配结果，利用与待处理图像中的牙齿的牙位相同的母本牙齿，对待处理图像中的牙齿进行替换，待处理图像中的所有牙齿均替换完成之后，即可得到图像处理结果。
38.在一可实施方式中，待处理图像中的牙齿和与其匹配的母本牙齿的牙齿冠面形态是相同的，但是在固定矫治过程中，患者的牙齿的位置会发生变化，因此，在利用母本牙齿替换与其匹配的待处理图像中的牙齿之前，还需要对母本牙齿进行移动、旋转等操作，使其位置适配待处理图图像中与其匹配的牙齿，然后再利用该母本牙齿替换待处理图像中与其
匹配的牙齿。
39.在本公开第一实施例中，首先获取待处理图像，待处理图像包括佩戴矫治装置后的口扫3d图像；然后根据识别模型，识别待处理图像中牙齿的第一特征标志点，得到第一识别结果；再根据第一识别结果，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；最后根据匹配结果和母本牙齿，对待处理图像中的牙齿进行替换，得到图像处理结果。即利用佩戴矫治装置前的口扫3d图像中的牙齿，替换佩戴矫治装置后的口扫3d图像中的牙齿，消除了对患者进行矫治时，口扫3d图像中矫治装置的影响，保证佩戴矫治装置后的口扫3d图像可以将牙齿冠面形态独立出来，方便对牙齿的转矩、轴倾度等数据进行准确测量。
40.在本公开第二实施例中，通过以下方式得到识别模型：获取训练样本集，训练样本集包括已经标注牙齿和牙齿的特征标志点的样本口扫3d图像；根据训练样本集，对深度神经网络模型进行训练，得到识别模型。
41.在本实施例中，首先需要获取训练样本集，训练样本集包括已经标注牙齿和牙齿的特征标志点的样本口扫3d图像，然后将训练样本集输入深度神经网络模型中进行训练，从而得到识别模型。
42.在一可实施方式中，可以利用标注工具对样本口扫3d图像中的牙齿和牙齿的特征标志点进行标注，本公开不对特征标志点的数量进行限定，优选的，每个牙齿可以选取3至4个特征标志点，可以根据不同牙位的牙齿的形态特征，选取每个牙齿的特征标志点。具体地，由于佩戴固定矫治装置之后，牙齿唇面可能被遮挡，无法选取特征标志点，因此，可以在牙齿舌面选取特征标志点，避免牙齿唇面被遮挡的问题。
43.在一可实施方式中，深度神经网络模型可以为fcn模型、mask r-cnn模型和unet模型等，本公开不对深度神经网络模型进行限定。
44.在本公开第二实施例中，利用训练样本集，对深度神经网络模型进行训练，得到识别模型，便于后续利用识别模型，识别待处理图像中牙齿的第一特征标志点。
45.在本公开第三实施例中，步骤s102主要包括：
46.根据识别模型，识别得到待处理图像中的牙齿的近远中邻接点和第一特征标志点；根据近远中邻接点，对待处理图像中的牙齿进行分割，得到第一识别结果。
47.在本实施例中，需要根据训练出的识别模型，识别出待处理图像中每个牙齿的第一特征标志点，并分割出待处理图像中的每个牙齿。具体地，首先根据识别模型，识别得到待处理图像中每个牙齿的近远中邻接点和第一特征标志点，然后根据近远中邻接点，对待处理图像中的牙齿进行分割，从而得到第一识别结果，其中，近远中邻接点为待处理图像中每个牙齿与相邻牙齿的邻接点。
48.在一可实施方式中，识别模型先对待处理图像进行特征提取，得到待处理图像的特征图，然后根据特征图，识别待处理图像中牙齿的远近中邻接点和第一特征标志点。图2示出了本公开第三实施例的一种图像处理方法的应用场景示意图，如图2所示，其中，点a为口扫3d图像中的一个近远中邻接点，根据近远中邻接点，可以将口扫3d图像中的牙齿分割为单个牙齿。
49.在本公开第三实施例中，首先根据识别模型，识别得到待处理图像中牙齿的近远中邻接点和第一特征标志点，然后根据近远中邻接点，对待处理图像中的牙齿进行分割，得
到第一识别结果，便于后续根据第一识别结果中每个牙齿的第一特征标志点，对待处理图像中的每个牙齿与母本牙齿进行匹配。
50.图3示出了本公开第四实施例的一种图像处理方法的流程示意图，如图3所示，本公开通过以下方式得到母本牙齿：
51.步骤s201，获取母本图像，母本图像包括佩戴矫治装置前的口扫3d图像。
52.步骤s202，根据识别模型，识别母本图像中牙齿的第二特征标志点，得到第二识别结果。
53.步骤s203，将第二识别结果中的单个牙齿确定为母本牙齿。
54.在本实施例中，首先需要获取母本图像，母本图像包括佩戴矫治装置前的口扫3d图像，然后根据识别模型，识别母本图像中牙齿的第二特征标志点，得到第二识别结果，第二识别结果中包括母本图像中的每个牙齿以及每个牙齿的第二特征标志点，可以将第二识别结果中的所有单个牙齿作为母本牙齿。
55.在一可实施方式中，识别模型对母本图像的识别过程与对待处理图像的识别过程类似，此处不再赘述。在得到母本牙齿之后，可以对母本牙齿进行存储，在对该母本牙齿对应的患者进行固定矫治之后，若获取到该患者佩戴固定矫治装置后的口扫3d图像，即待处理图像，即可对待处理图像中的牙齿与该母本牙齿进行匹配。
56.在本公开第五实施例中，步骤s103主要包括：根据第一特征标志点和第二特征标志点，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果。
57.在本实施例中，得到第一识别结果和第二识别结果之后，可以根据第一识别结果中待处理图像的每个牙齿的第一特征标志点和第二识别结果中母本牙齿的第二特征标志点，对待处理图像中的牙齿与母本牙齿进行匹配，从而得到匹配结果。
58.在一可实施方式中，若第一特征标志点与第二特征标志点相同，则可以认为第一特征标志点对应的待处理图像中的牙齿与第二特征标志点对应的母本牙齿匹配，即该待处理图像中的牙齿与该母本牙齿为相同牙位的牙齿，将待处理图像中的所有牙齿和与其匹配的母本牙齿进行记录，即可得到匹配结果。
59.在本公开第四和第五实施例中，根据识别模型，识别母本图像中牙齿的第二特征标志点，得到第二识别结果，并将第二识别结果中的所有单个牙齿作为母本牙齿，在根据第一识别结果，对待处理图像中的牙齿与母本牙齿进行匹配时，可以根据第一特征标志点和第二特征标志点，对待处理图像中的牙齿与母本牙齿进行匹配，从而提高匹配结果的准确率。
60.在本公开第六实施例中，步骤s104主要包括：
61.根据匹配结果，对与待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿；根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到图像处理结果。
62.在本实施例中，由于在固定矫治过程中，牙齿会移动到新的位置上，因此还需要根据匹配结果，对与待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿，然后再根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到图像处理结果，即对母本牙齿进行位置变化，使其适配待处理图像中同样牙位的牙齿，体素为三维空间分割上的最小单位，对待处理图像中的牙齿进行体素替换，即以新母本牙齿的体素替换待处理图像中同样牙位的牙齿的体素。
63.在一可实施方式中，位置变化可以为移动、旋转等操作，可以将母本牙齿中的第二特征标志点，移动至待处理图像中牙齿的第一特征标志点的位置，保证新母本牙齿与待处理图像中的牙齿的位置适配。例如，可以将母本牙齿与待处理图像中的牙齿放入相同坐标系，然后对母本牙齿进行移动、旋转等操作，使母本牙齿中的第二特征标志点与待处理图像中牙齿的第一特征标志点重合。
64.在本公开第七实施例中，根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到图像处理结果，包括：根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到初始处理结果；对初始处理结果中的单个牙齿进行整合，得到图像处理结果。
65.在本实施例中，利用新母本牙齿替换待处理图像中与其匹配的牙齿之后，若得到的初始处理结果中的牙齿并未完全整合在一起，则可以对初始处理结果中的单个牙齿进行整合，从而得到完整的图像处理结果。
66.在一可实施方式中，可以根据每个牙齿的近远中邻接点对初始处理结果中的单个牙齿进行整合，即将每个牙齿的近远中邻接点与相邻牙齿的近远中邻接点重合在一起，从而将初始处理结果中的单个牙齿整合在一起。当然，若初始处理结果中的牙齿已经整合在一起，则不需要对其进行整合，直接将初始处理结果作为图像处理结果即可。
67.在本公开第六和第七实施例中，首先根据匹配结果，对与待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿；然后根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到初始处理结果；最后对初始处理结果中的单个牙齿进行整合，得到图像处理结果，利用没有佩戴矫治装置的新母本牙齿，替换佩戴矫治装置后的待处理图像中的牙齿，消除了对患者进行矫治时，口扫3d图像中矫治装置的影响，保证佩戴矫治装置后的口扫3d图像可以将牙齿冠面形态独立出来，方便对牙齿的转矩、轴倾度等数据进行准确测量，且对初始处理结果中的单个牙齿进行整合，保证了图像处理结果的准确性。
68.图4示出了本公开第八实施例的一种图像处理装置的结构示意图，如图4所示，该装置主要包括：
69.第一获取模块40，用于获取待处理图像，待处理图像包括佩戴矫治装置后的口扫3d图像；第一识别模块41，用于根据识别模型，识别待处理图像中牙齿的第一特征标志点，得到第一识别结果；匹配模块42，用于根据第一识别结果，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；替换模块43，用于根据匹配结果和母本牙齿，对待处理图像中的牙齿进行替换，得到图像处理结果。
70.在一可实施方式中，该装置还包括：第二获取模块，用于获取训练样本集，训练样本集包括已经标注牙齿和牙齿的特征标志点的口扫3d图像；训练模块，用于根据训练样本集，对深度神经网络模型进行训练，得到识别模型。
71.在一可实施方式中，第一识别模块41主要包括：
72.识别子模块，用于根据识别模型，识别得到待处理图像中的牙齿的近远中邻接点和第一特征标志点；分割子模块，用于根据近远中邻接点，对待处理图像中的牙齿进行分割，得到第一识别结果。
73.在一可实施方式中，该装置还包括：
74.第三获取模块，用于获取母本图像，母本图像包括佩戴矫治装置前的口扫3d图像；
第二识别模块，用于根据识别模型，识别母本图像中牙齿的第二特征标志点，得到第二识别结果；确定模块，用于将第二识别结果中的单个牙齿确定为母本牙齿。
75.在一可实施方式中，匹配模块42还用于根据第一特征标志点和第二特征标志点，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果。
76.在一可实施方式中，替换模块43主要包括：
77.位置变化子模块，用于根据匹配结果，对与待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿；替换子模块，用于根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到图像处理结果。
78.在一可实施方式中，替换子模块主要包括：
79.替换单元，用于根据新母本牙齿，对待处理图像中的牙齿进行体素替换，得到初始处理结果；整合单元，用于对初始处理结果中的单个牙齿进行整合，得到图像处理结果。
80.根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
81.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
82.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
83.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
84.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如一种图像处理方法。例如，在一些实施例中，一种图像处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的一种图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种图像处理方法。
85.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统
的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
86.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
87.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
88.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
89.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
90.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
91.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
92.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
93.以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像包括佩戴矫治装置后的口扫3d图像；根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得到第一识别结果；根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，所述母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；根据所述匹配结果和所述母本牙齿，对所述待处理图像中的牙齿进行替换，得到图像处理结果。2.根据权利要求1所述的方法，其特征在于，通过以下方式得到所述识别模型：获取训练样本集，所述训练样本集包括已经标注牙齿和牙齿的特征标志点的样本口扫3d图像；根据所述训练样本集，对深度神经网络模型进行训练，得到所述识别模型。3.根据权利要求2所述的方法，其特征在于，所述根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得到第一识别结果，包括：根据所述识别模型，识别得到所述待处理图像中的牙齿的近远中邻接点和第一特征标志点；根据所述近远中邻接点，对所述待处理图像中的牙齿进行分割，得到所述第一识别结果。4.根据权利要求1所述的方法，其特征在于，通过以下方式得到所述母本牙齿：获取母本图像，所述母本图像包括佩戴矫治装置前的口扫3d图像；根据所述识别模型，识别所述母本图像中牙齿的第二特征标志点，得到第二识别结果；将所述第二识别结果中的单个牙齿确定为母本牙齿。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，包括：根据所述第一特征标志点和所述第二特征标志点，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到所述匹配结果。6.根据权利要求1所述的方法，其特征在于，所述根据所述匹配结果和所述母本牙齿，对所述待处理图像中的牙齿进行替换，得到图像处理结果，包括：根据所述匹配结果，对与所述待处理图像中的牙齿匹配的母本牙齿进行位置变化，得到新母本牙齿；根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到所述图像处理结果。7.根据权利要求6所述的方法，其特征在于，所述根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到所述图像处理结果，包括：根据所述新母本牙齿，对所述待处理图像中的牙齿进行体素替换，得到初始处理结果；对所述初始处理结果中的单个牙齿进行整合，得到所述图像处理结果。8.一种图像处理装置，其特征在于，所述装置包括：第一获取模块，用于获取待处理图像，所述待处理图像包括佩戴矫治装置后的口扫3d图像；第一识别模块，用于根据识别模型，识别所述待处理图像中牙齿的第一特征标志点，得
到第一识别结果；匹配模块，用于根据所述第一识别结果，对所述待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，所述母本牙齿包括佩戴矫治装置前的口扫3d图像中的牙齿；替换模块，用于根据所述匹配结果和所述母本牙齿，对所述待处理图像中的牙齿进行替换，得到图像处理结果。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

技术总结
本公开提供了一种图像处理方法、装置、设备及存储介质，涉及计算机技术领域。方法主要包括：获取待处理图像，待处理图像包括佩戴矫治装置后的口扫3D图像；根据识别模型，识别待处理图像中牙齿的第一特征标志点，得到第一识别结果；根据第一识别结果，对待处理图像中的牙齿与母本牙齿进行匹配，得到匹配结果，母本牙齿包括佩戴矫治装置前的口扫3D图像中的牙齿；根据匹配结果和母本牙齿，对待处理图像中的牙齿进行替换，得到图像处理结果。本公开的一种图像处理方法、装置、设备及存储介质，消除了口扫过程中矫治装置的影响，保证佩戴矫治装置后的口扫3D图像可以将牙齿冠面形态独立出来。来。来。


技术研发人员：陈友超 江久汇
受保护的技术使用者：北京大学口腔医学院
技术研发日：2022.07.18
技术公布日：2022/11/1