本申請涉及圖像處理技術領域，更具體的涉及一種牙齒識別方法、裝置及系統(tǒng)。

背景技術：

在基于圖像處理的人像美容中，牙齒美白可以使得人像更加具有表現力。由于牙齒區(qū)域的精確識別難度較大，現有技術中對牙齒美白的方法是：用戶手動選擇圖像中的牙齒區(qū)域，再對選中的牙齒區(qū)域進行牙齒美白。

由于圖像中牙齒的面積較小，且受嘴唇、牙齦等因素的影響，用戶精確選擇牙齒區(qū)域的難度較大，選擇的牙齒區(qū)域耗時長，且不準確，導致電子設備對牙齒美白的處理速度較慢，且準確度低。

因此，現有技術中需要一種快速且準確的牙齒識別方法。

技術實現要素：

有鑒于此，本發(fā)明提供了一種牙齒識別方法、裝置及系統(tǒng)，以克服現有技術中電子設備對牙齒美白的處理速度較慢，且準確度低的問題。

為實現上述目的，本發(fā)明提供如下技術方案：

一種牙齒識別方法，包括：

從待識別的圖像中，獲取嘴唇特征點的坐標，所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標；

依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像；

將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩?；叶葓D像；

將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像；

依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩?；叶葓D像；

依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像；

依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像；

將所述第三掩?；叶葓D像中像素值大于等于第三預設值的像素點組成的區(qū)域，確定為牙齒區(qū)域。

優(yōu)選地，還包括：

將亮度灰度圖像中各個像素的像素值依據預設映射函數進行映射，獲得調亮圖像，所述預設映射函數為單調遞增函數；

將所述第三掩?；叶葓D像作為蒙版，將所述調亮圖像置于所述亮度灰度圖像上，獲得最終亮度灰度圖像；

將所述最終亮度灰度圖像、色度圖像以及飽和度圖像分別作為所述預設顏色空間的三個通道的灰度圖像，轉回RGB顏色空間。

其中，所述將所述亮度灰度圖像中各個像素的像素值依據預設映射函數進行映射，獲得調亮圖像包括：

依據預設映射函數f(x_i,j)＝255-(255-x_i,j)²/255，獲得調亮圖像；

其中，f(x_i,j)為所述調亮圖像中像素點(i,j)的像素值，x_i,j為所述亮度灰度圖像中像素點(i,j)的像素值，i為大于等于0小于所述亮度灰度圖像中像素點的總行數M的正整數，j為大于等于0小于所述亮度灰度圖像中像素點的總列數N的正整數。

其中，所述將所述第三掩模灰度圖像作為蒙版，將調亮圖像置于所述亮度灰度圖像上，獲得最終亮度灰度圖像包括：

依據Sr″_CYi,j＝Sr_CYi,j×(1-Mask_i,j”/255)+Sr'_CYi,j×(Mask_i,j”/255)，獲得最終亮度灰度圖像；

其中，Sr″_CYi,j為所述最終亮度灰度圖像中像素點(i,j)的像素值，Sr_CYi,j為所述調亮圖像中像素點(i,j)的像素值，Mask_i,j”為所述第三掩?；叶葓D像中像素點(i,j)的像素值。

優(yōu)選地，還包括：

依據所述嘴唇特征點的坐標，確定嘴唇狀態(tài)，所述嘴唇狀態(tài)包括閉合狀態(tài)和開啟狀態(tài)；

當所述嘴唇狀態(tài)為開啟狀態(tài)時，執(zhí)行步驟從待識別的圖像中，獲取嘴唇特征點的坐標。

其中，所述依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像包括：

獲取所述嘴唇內輪廓特征點的坐標的外接矩形的坐標；

將所述外接矩形的坐標外擴預設系數，獲得所述外接矩形的外擴坐標；

將所述外擴坐標包圍的圖像確定為所述目標圖像。

其中，所述將所述外接矩形的坐標外擴預設系數，獲得所述外接矩形的外擴坐標包括：

依據Pnew＝P×(1-rate)+Pcenter×rate，獲得所述外接矩形的外擴坐標；

其中，P為所述外接矩形的坐標，Pcenter為所述外接矩形的質心，Pnew為所述外接矩形的外擴坐標，rate為所述預設系數，rate小于0。

其中，所述依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩?；叶葓D像包括：

依據以下公式，獲得第二掩模灰度圖像；

Mask′_i,j＝Mask_i,j×Sr_CYi,j/255

其中，Mask′_i,j為所述第二掩?；叶葓D像中像素點(i,j)的像素值，Mask_i,j為所述第一掩?；叶葓D像中像素點(i,j)的像素值，Sr_CYi,j為所述亮度灰度圖像中像素點(i,j)的像素值，i為大于等于0小于所述亮度灰度圖像中像素點的總行數M的正整數，j為大于等于0小于所述亮度灰度圖像中像素點的總列數N的正整數。

其中，所述依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像包括：

將所述色度灰度圖像和所述飽和度灰度圖像中各個像素點的像素值歸一化到0至1；

依據其中，獲得嘴唇概率圖像；

其中，Mask_Lipi,j為所述嘴唇概率圖像中像素點(i,j)的像素值，C_ri,j為所述色度灰度圖像中像素點(i,j)歸一化后的像素值，C_bi,j為所述飽和度灰度圖像中像素點(i,j)歸一化后的像素值。

其中，所述依據所述第二掩模灰度圖像以及所述嘴唇概率圖，獲得第三掩模灰度圖像包括：

依據Mask″_i,j＝Mask′_i,j-Mask_Lipi,j，獲得第三掩?；叶葓D像；

其中，Mask″_i,j為所述第三掩?；叶葓D像的像素點(i,j)的像素值。

一種牙齒識別裝置，包括：

第一獲取模塊，用于從待識別的圖像中，獲取嘴唇特征點的坐標，所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標；

第一確定模塊，用于依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像；

第二獲取模塊，用于將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩?；叶葓D像；

第三獲取模塊，用于將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像；

第四獲取模塊，用于依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩?；叶葓D像；

第五獲取模塊，用于依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像；

第六獲取模塊，用于依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像；

第二確定模塊，用于將所述第三掩模灰度圖像中像素值大于等于第三預設值的像素點組成的區(qū)域，確定為牙齒區(qū)域。

一種牙齒識別系統(tǒng)，包括：

處理器；

用于存儲所述處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

從待識別的圖像中，獲取嘴唇特征點的坐標，所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標；

依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像；

將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩模灰度圖像；

將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像；

依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩模灰度圖像；

依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像；

依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩模灰度圖像；

將所述第三掩模灰度圖像中像素值大于等于第三預設值的像素點組成的區(qū)域，確定為牙齒區(qū)域。

經由上述的技術方案可知，與現有技術相比，本申請實施例提供的牙齒識別方法，依據獲取的嘴唇特征點的坐標，確定包括牙齒的目標圖像，即得到了牙齒的大概區(qū)域，再結合牙齒在亮度通道上較亮的特點，將目標圖像轉換為對亮度檢測較為敏感的預設顏色空間，再依據所述亮度灰度圖像以及所述第一掩模灰度圖像，得到第二掩?；叶葓D像，依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像，最后，依據所述第二掩模灰度圖像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像，第三掩?；叶葓D像中牙齒部分的像素值與其他位置處的像素值有了明顯的區(qū)別，將所述第三掩?；叶葓D像中像素值大于等于第三預設值的像素點組成的區(qū)域作為牙齒區(qū)域。從而實現了快速且準確的識別出牙齒區(qū)域的目的。

附圖說明

為了更清楚地說明本發(fā)明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1為本申請實施例提供的一種牙齒識別方法的流程示意圖；

圖2為本申請實施例提供的一種牙齒識別方法中獲取的嘴唇特征點的示意圖；

圖3為本申請實施例提供的一種第一掩模灰度圖像；

圖4為本申請實施例提供的一種第二掩模灰度圖像；

圖5為本申請實施例提供的一種嘴唇概率圖像；

圖6為本申請實施例提供的第三掩模灰度圖像；

圖7為本申請實施例提供的一種牙齒識別方法中對識別出的牙齒進行美白的一種實現方式的流程示意圖；

圖8為本申請實施例提供的一種牙齒識別方法中確定當前待識別的圖像中是否包括牙齒區(qū)域的一種實現方式的流程示意圖；

圖9為本申請實施例提供的一種牙齒識別方法中的依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像一種實現方式的流程示意圖；

圖10為本申請實施例提供的一種牙齒識別裝置的結構示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參閱圖1，為本申請實施例提供的一種牙齒識別方法的流程示意圖，該方法包括：

步驟S101：從待識別的圖像中，獲取嘴唇特征點的坐標。

所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標。

嘴唇特征點獲取方法有很多中實現方式，如ASM(Active Shape Model)方法或神經網絡方法等。

如圖2所示，為本申請實施例提供的一種牙齒識別方法中獲取的嘴唇特征點的示意圖。

圖2中特征點21為嘴唇外輪廓特征點，特征點22為嘴唇內輪廓特征點。

步驟S102：依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像。

目標圖像是大致的牙齒區(qū)域。

步驟S103：將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩模灰度圖像。

如圖3所示，為本申請實施例提供的一種第一掩?；叶葓D像。

從圖3中可以看出嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像31的各個像素的像素值設置為255，即白色，目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，即黑色。

嘴唇內輪廓特征點的坐標包圍的嘴唇輪廓可以是利用貝塞爾曲線繪制得到的。

步驟S104：將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像。

預設顏色空間是對亮度檢測較為敏感的顏色空間，例如，可以為YCrCb顏色空間。YCrCb顏色空間包括三個通道，分別為亮度通道、色度通道和飽和度通道。目標圖像從RGB顏色空間轉換為預設顏色空間后，會得到與三個通道分別對應的三個灰度圖，即亮度灰度圖像、色度圖像和飽和度圖像。

因為牙齒是白色的，利用這個特點，將目標圖像從RGB顏色空間轉換為對亮度檢測較為敏感的預設顏色空間。

步驟S105：依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩模灰度圖像。

可以依據以下公式，獲得第二掩?；叶葓D像；

Mask′_i,j＝Mask_i,j×Sr_CYi,j/255

其中，Mask′_i,j為所述第二掩模灰度圖像中像素點(i,j)的像素值，Mask_i,j為所述第一掩?；叶葓D像中像素點(i,j)的像素值，Sr_CYi,j為所述亮度灰度圖像中像素點(i,j)的像素值，i為大于等于0小于所述亮度灰度圖像中像素點的總行數M的正整數，j為大于等于0小于所述亮度灰度圖像中像素點的總列數N的正整數。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

如圖4所示，為本申請實施例提供的一種第二掩模灰度圖像。

從圖4中可以看出，第二掩?；叶葓D像中牙齒的輪廓比較清晰，但是牙齒靠近嘴唇的邊界還是不是特別清晰。

步驟S106：依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像。

步驟S106具體可以包括：將所述色度灰度圖像和所述飽和度灰度圖像中各個像素點的像素值歸一化到0至1。

依據其中，獲得嘴唇概率圖像。

其中，Mask_Lipi,j為所述嘴唇概率圖像中像素點(i,j)的像素值，C_ri,j為所述色度灰度圖像中像素點(i,j)歸一化后的像素值，C_bi,j為所述飽和度灰度圖像中像素點(i,j)歸一化后的像素值。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

如圖5所示，為本申請實施例提供的一種嘴唇概率圖像。

從圖5中可以看出，嘴唇概率圖像將嘴唇的輪廓已經清晰的表示出來了。

步驟S107：依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像。

依據Mask″_i,j＝Mask′_i,j-Mask_Lipi,j，獲得第三掩?；叶葓D像；其中，Mask″_i,j為所述第三掩?；叶葓D像的像素點(i,j)的像素值。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

如圖6所示，為本申請實施例提供的第三掩?；叶葓D像。

從圖6中可以看出，第三掩?；叶葓D像中牙齒部分的像素值已經與其他位置處的像素值有了明顯的區(qū)別。

步驟S108：將所述第三掩?；叶葓D像中像素值大于等于第三預設值的像素點組成的區(qū)域作為牙齒區(qū)域。

第三預設值可以依據實際情況而定，例如250、247、230等等。

本申請實施例提供的牙齒識別方法，依據獲取的嘴唇特征點的坐標，確定包括牙齒的目標圖像，即得到了牙齒的大概區(qū)域，再結合牙齒在亮度通道上較亮的特點，將目標圖像轉換為對亮度檢測較為敏感的預設顏色空間，再依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩?；叶葓D像，依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像，最后，依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩模灰度圖像，第三掩模灰度圖像中牙齒部分的像素值與其他位置處的像素值有了明顯的區(qū)別，將所述第三掩?；叶葓D像中像素值大于等于第三預設值的像素點組成的區(qū)域作為牙齒區(qū)域。從而實現了快速且準確的識別出牙齒區(qū)域的目的。

可以理解的是，在識別出牙齒后，可以對識別的牙齒進行美白，請參閱圖7，為本申請實施例提供的一種牙齒識別方法中對識別出的牙齒進行美白的一種實現方式的流程示意圖，該方法包括：

步驟S701：將亮度灰度圖像中各個像素的像素值依據預設映射函數進行映射，獲得調亮圖像，所述預設映射函數為單調遞增函數。

可以依據預設映射函數f(x_i,j)＝255-(255-x_i,j)²/255，獲得調亮圖像；其中，f(x_i,j)為所述調亮圖像中像素點(i,j)的像素值，x_i,j為所述亮度灰度圖像中像素點(i,j)的像素值。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

步驟S702：將所述第三掩?；叶葓D像作為蒙版，將調亮圖像置于所述亮度灰度圖像上，獲得最終亮度灰度圖像。

可以依據Sr″_CYi,j＝Sr_CYi,j×(1-Mask_i,j”/255)+Sr'_CYi,j×(Mask_i,j”/255)，獲得最終亮度灰度圖像；其中，Sr″_CYi,j為所述最終亮度灰度圖像中像素點(i,j)的像素值，Sr_CYi,j為所述調亮圖像中像素點(i,j)的像素值，Mask_i,j”為所述第三掩?；叶葓D像中像素點(i,j)的像素值。

步驟S703：將所述最終亮度灰度圖像、色度圖像以及飽和度圖像分別作為所述預設顏色空間的三個通道的灰度圖像，轉回RGB顏色空間。

可以理解的是，待識別的圖像中人的嘴唇可能是緊閉的，即沒有露出牙齒，此時不需要進行牙齒美白，也不需要進行牙齒識別，如圖8所示，為本申請實施例提供的一種牙齒識別方法中確定當前待識別的圖像中是否包括牙齒區(qū)域的一種實現方式的流程示意圖，該方法包括：

步驟S801：依據所述嘴唇特征點的坐標，確定嘴唇狀態(tài)，所述嘴唇狀態(tài)包括閉合狀態(tài)和開啟狀態(tài)。

具體的，計算嘴唇外輪廓特征點包圍面積Sout和嘴唇內輪廓特征點包圍面積Sin。

計算嘴唇外輪廓特征點包圍面積Sout和嘴唇內輪廓特征點包圍面積Sin的比值rate＝Sin/Sout。

如果rate值小于預設閾值threshold,則判斷嘴唇閉合，無須進行牙齒美白操作，也無需識別牙齒。

如果rate值大于預設閾值threshold,則判斷嘴唇開啟，準備進行識別牙齒的操作。

預設閾值threshold根據具體的嘴唇特征點算法而定，例如可以為threshold＝0.16。

步驟S802：當所述嘴唇狀態(tài)為開啟狀態(tài)時，執(zhí)行步驟從待識別的圖像中，獲取嘴唇特征點的坐標。

請參閱圖9，為本申請實施例提供的一種牙齒識別方法中的依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像一種實現方式的流程示意圖，該方法包括：

步驟S901：獲取所述嘴唇內輪廓特征點的坐標的外接矩形的坐標。

步驟S902：將所述外接矩形的坐標外擴預設系數，獲得所述外接矩形的外擴坐標。

可以依據Pnew＝P×(1-rate)+Pcenter×rate，獲得所述外接矩形的外擴坐標；其中，P為所述外接矩形的坐標，Pcenter為所述外接矩形的質心，Pnew為所述外接矩形的外擴坐標，rate為所述預設系數，rate小于0。

步驟S903：將所述外擴坐標包圍的圖像確定為所述目標圖像。

請參閱圖10，為本申請實施例提供的一種牙齒識別裝置的結構示意圖，該牙齒識別裝置包括：第一獲取模塊1001、第一確定模塊1002、第二獲取模塊1003、第三獲取模塊1004、第四獲取模塊1005、第五獲取模塊1006、第六獲取模塊1007以及第二確定模塊1008，其中：

第一獲取模塊1001，用于從待識別的圖像中，獲取嘴唇特征點的坐標，所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標。

詳細描述參見圖2，在此不再贅述。

第一確定模塊1002，用于依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像。

詳細描述參見圖3，在此不再贅述。

第二獲取模塊1003，用于將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩?；叶葓D像。

第三獲取模塊1004，用于將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像。

預設顏色空間是對亮度檢測較為敏感的顏色空間，例如，可以為YCrCb顏色空間。YCrCb顏色空間包括三個通道，分別為亮度通道、色度通道和飽和度通道。目標圖像從RGB顏色空間轉換為預設顏色空間后，會得到與三個通道分別對應的三個灰度圖，即亮度灰度圖像、色度圖像和飽和度圖像。

因為牙齒是白色的，利用這個特點，將目標圖像從RGB顏色空間轉換為對亮度檢測較為敏感的預設顏色空間。

第四獲取模塊1005，用于依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩模灰度圖像。

第四獲取模塊1005包括：獲取第二掩模灰度圖像單元，用于依據以下公式，獲得第二掩?；叶葓D像。

Mask′_i,j＝Mask_i,j×Sr_CYi,j/255

其中，Mask′_i,j為所述第二掩?；叶葓D像中像素點(i,j)的像素值，Mask_i,j為所述第一掩?；叶葓D像中像素點(i,j)的像素值，Sr_CYi,j為所述亮度灰度圖像中像素點(i,j)的像素值，i為大于等于0小于所述亮度灰度圖像中像素點的總行數M的正整數，j為大于等于0小于所述亮度灰度圖像中像素點的總列數N的正整數。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

對第二掩?；叶葓D像可以參見對圖4的描述，這里不再贅述。

第五獲取模塊1006，用于依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像。

第五獲取模塊1006包括：獲取嘴唇概率圖像單元，用于將所述色度灰度圖像和所述飽和度灰度圖像中各個像素點的像素值歸一化到0至1。

具體的，可以將色度灰度圖像中像素值的最大值歸一化為1，像素值的最小值歸一化為0，其他像素值對應歸一化。飽和度灰度圖像中像素值的最大值歸一化為1，像素值的最小值歸一化為0，其他像素值對應歸一化。

依據其中，獲得嘴唇概率圖像；

其中，Mask_Lipi,j為所述嘴唇概率圖像中像素點(i,j)的像素值，C_ri,j為所述色度灰度圖像中像素點(i,j)歸一化后的像素值，C_bi,j為所述飽和度灰度圖像中像素點(i,j)歸一化后的像素值。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

對嘴唇概率圖像的描述可以參見圖5，這里不再贅述。

第六獲取模塊1007，用于依據所述第二掩模灰度圖像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像。

第六獲取模塊1007包括：獲取第三掩?；叶葓D像模塊，用于依據

Mask″_i＝Mask_i'-Mask_Lipi，獲得第三掩?；叶葓D像；其中，Mask″_i為所述第三掩?；叶葓D像的第i個像素點的像素值。

第二確定模塊1008，用于將所述第三掩模灰度圖像中像素值大于等于第三預設值的像素點組成的區(qū)域，確定為牙齒區(qū)域。

本申請實施例提供的牙齒識別裝置，第一確定模塊1002依據第一獲取模塊1001獲取的嘴唇特征點的坐標，確定包括牙齒的目標圖像，即得到了牙齒的大概區(qū)域，再結合牙齒在亮度通道上較亮的特點，通過第三獲取模塊1004將目標圖像轉換為對亮度檢測較為敏感的預設顏色空間，第四獲取模塊1005再依據所述亮度灰度圖像以及所述第一掩?；叶葓D像，得到第二掩?；叶葓D像，第五獲取模塊1006依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像，最后，第六獲取模塊1007依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像，第三掩?；叶葓D像中牙齒部分的像素值已經與其他位置處的像素值有了明顯的區(qū)別，第二確定模塊1008將所述第三掩?；叶葓D像中像素值大于等于第三預設值的像素點組成的區(qū)域作為牙齒區(qū)域。從而實現了快速且準確的識別出牙齒區(qū)域的目的。

可以理解的是，在識別出牙齒后，可以對識別的牙齒進行美白，可選的，牙齒識別裝置還可以包括：第七獲取模塊、第八獲取模塊以及轉換模塊，其中：

第七獲取模塊，用于將亮度灰度圖像中各個像素的像素值依據預設映射函數進行映射，獲得調亮圖像，所述預設映射函數為單調遞增函數。

第七獲取模塊包括：第一獲取單元，用于依據預設映射函數f(x_i,j)＝255-(255-x_i,j)²/255，獲得調亮圖像；其中，f(x_i,j)為所述調亮圖像中像素點(i,j)的像素值，x_i,j為所述亮度灰度圖像中像素點(i,j)的像素值。

需要注意的是，上述公式并不構成對本發(fā)明的限定，本領域技術人員可以根據本發(fā)明提供的技術思想結合實際應用需求自行設計。

第八獲取模塊，用于將所述第三掩?；叶葓D像作為蒙版，將調亮圖像置于所述亮度灰度圖像上，獲得最終亮度灰度圖像。

第八獲取模塊包括：第二獲取單元，用于依據Sr′_CYi，j＝Sr_CYi，j×(1-Mask_i，j′/255)+Sr′_CYi，j×(Mask_i，j″/255)，獲得最終亮度灰度圖像；其中，Sr″_CYi,j為所述最終亮度灰度圖像中像素點(i,j)的像素值，Sr_CYi,j為所述調亮圖像中像素點(i,j)的像素值，Mask_i,j”為所述第三掩?；叶葓D像中像素點(i,j)的像素值。

轉換模塊，用于將所述最終亮度灰度圖像、色度圖像以及飽和度圖像分別作為所述預設顏色空間的三個通道的灰度圖像，轉回RGB顏色空間。

可以理解的是，待識別的圖像中人的嘴唇可能是緊閉的，即沒有露出牙齒，此時不需要進行牙齒美白，也不需要進行牙齒識別，可選的，牙齒識別裝置還可以包括：第三確定模塊以及第九獲取模塊，其中：

第三確定模塊，用于依據所述嘴唇特征點的坐標，確定嘴唇狀態(tài)，所述嘴唇狀態(tài)包括閉合狀態(tài)和開啟狀態(tài)。

具體的，計算嘴唇外輪廓特征點包圍面積Sout和嘴唇內輪廓特征點包圍面積Sin。

計算嘴唇外輪廓特征點包圍面積Sout和嘴唇內輪廓特征點包圍面積Sin的比值rate＝Sin/Sout。

如果rate值小于預設閾值threshold,則判斷嘴唇閉合，無須進行牙齒美白操作，也無需識別牙齒。

如果rate值大于預設閾值threshold,則判斷嘴唇開啟，準備進行識別牙齒的操作。

預設閾值threshold根據具體的嘴唇特征點算法而定，例如可以為threshold＝0.16。

第九獲取模塊，用于當所述嘴唇狀態(tài)為開啟狀態(tài)時，執(zhí)行步驟從待識別的圖像中，獲取嘴唇特征點的坐標。

可選的，牙齒識別裝置中的第一確定模塊1002包括：

第三獲取單元，用于獲取所述嘴唇內輪廓特征點的坐標的外接矩形的坐標。

第四獲取單元，用于將所述外接矩形的坐標外擴預設系數，獲得所述外接矩形的外擴坐標。

第四獲取單元包括：第一獲取子單元，用于依據Pnew＝P×(1-rate)+Pcenter×rate，獲得所述外接矩形的外擴坐標；其中，P為所述外接矩形的坐標，Pcenter為所述外接矩形的質心，Pnew為所述外接矩形的外擴坐標，rate為所述預設系數，rate小于0。

第一確定單元，用于將所述外擴坐標包圍的圖像確定為所述目標圖像。

本申請實施例還提供了一種牙齒識別系統(tǒng)，包括：處理器和存儲器，處理器和存儲器通過通信總線相連。

存儲器，用于存儲所述處理器可執(zhí)行指令。

所述處理器被配置為：

從待識別的圖像中，獲取嘴唇特征點的坐標，所述嘴唇特征點的坐標包括嘴唇外輪廓特征點的坐標，以及嘴唇內輪廓特征點的坐標；

依據所述嘴唇內輪廓特征點的坐標，確定包括牙齒的目標圖像；

將所述目標圖像中所述嘴唇內輪廓特征點的坐標包圍的嘴唇內部圖像的各個像素的像素值設置為255，以及所述目標圖像中嘴唇外部圖像的各個像素的像素值設置為0，得到第一掩模灰度圖像；

將所述目標圖像從RGB顏色空間轉換為預設顏色空間，獲得與所述預設顏色空間的亮度通道、色度通道和飽和度通道分別對應的亮度灰度圖像、色度圖像和飽和度圖像；

依據所述亮度灰度圖像以及所述第一掩模灰度圖像，得到第二掩模灰度圖像；

依據所述色度圖像以及所述飽和度圖像，獲得嘴唇概率圖像；

依據所述第二掩?；叶葓D像以及所述嘴唇概率圖，獲得第三掩?；叶葓D像；

將所述第三掩模灰度圖像中像素值大于等于第三預設值的像素點組成的區(qū)域，確定為牙齒區(qū)域。

需要說明的是，本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。

對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現或使用本發(fā)明。對這些實施例的多種修改對本領域的專業(yè)技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。