[0023] 步驟S2：根據(jù)骨關節(jié)X光圖像中的像素點灰度分布與梯度分布，獲得骨關節(jié)X光圖像中每個像素點的骨關節(jié)表面邊緣系數(shù)；根據(jù)骨關節(jié)表面邊緣系數(shù)獲得骨關節(jié)區(qū)域；獲得骨關節(jié)區(qū)域中的所有邊緣區(qū)域；根據(jù)骨關節(jié)區(qū)域中邊緣像素點的位置分布與梯度分布，獲得骨關節(jié)區(qū)域中每個邊緣區(qū)域的弱邊緣系數(shù)。 [0024] 在現(xiàn)實情況中，骨關節(jié)區(qū)域與其他組織之間有一定粘連，為了對骨關節(jié)內(nèi)的微小骨折區(qū)域進行研究，首先獲取骨關節(jié)區(qū)域，由于骨關節(jié)X光圖像中骨關節(jié)區(qū)域與其他組織之間有明顯邊界，所以本發(fā)明實施例中，首先對骨關節(jié)區(qū)域的邊界進行定位，由于骨關節(jié)區(qū)域邊界的邊緣像素點與其他組織的像素點的灰度和梯度均有較大差異，所以根據(jù)骨關節(jié)X光圖像中的像素點灰度分布與梯度分布，獲得骨關節(jié)X光圖像中每個像素點的骨關節(jié)表面邊緣系數(shù)。 [0025] 優(yōu)選地，本發(fā)明一個實施例中，骨關節(jié)表面邊緣系數(shù)的獲取方法包括：根據(jù)骨關節(jié)表面邊緣系數(shù)計算公式獲取骨關節(jié)表面邊緣系數(shù)，骨關節(jié)表面邊緣系數(shù)計算公式如下所示： 式中， 表示骨關節(jié)X光圖像中第 個 像素點的骨關節(jié)表面邊緣系數(shù)； 表示骨關節(jié)X光圖像中第 個像素點的梯度值；表示骨關節(jié)X光圖像中每個像素點預設鄰域內(nèi)其他像素點的數(shù)量； 表示骨關節(jié)X光圖像中第個像素點的灰度值； 表示骨關節(jié)X光圖像中第 個像素點的預設鄰域內(nèi)第 個像素點的灰度值； 表示骨關節(jié)X光圖像中第 個像素點與預設鄰域內(nèi)所有像素點的灰度值差值標準差； 表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)。 [0026] 在骨關節(jié)表面邊緣系數(shù)計算公式中，第 個像素點與預設鄰域內(nèi)每個其他像素點之間的平均灰度差異 越大，說明第 個像素點越有可能是邊緣像素點， 此時若預設鄰域內(nèi)其他像素點的灰度值分布 越穩(wěn)定，則第 個像素點為邊緣像素點的可能性越大，即第 個像素點的骨關節(jié)表面邊緣系數(shù)越大；若第 個像素點的灰度值越接近255.越可能說明第 個像素點是構成骨關節(jié)表面的像素點，此時，第 個像素點的骨關節(jié)表面邊緣系數(shù)越大。 [0027] 本發(fā)明一個實施例中，預設鄰域設置為每個像素點與周圍8個像素點所組成的區(qū)域，且下文不做特殊說明，預設鄰域均按照相同條件進行構建。需要說明的是，在本發(fā)明其他實施例中，預設鄰域可以自行設置，在此不做限定。 [0028] 根據(jù)像素點的骨關節(jié)表面邊緣系數(shù)對像素點進行篩選，獲得骨關節(jié)區(qū)域，優(yōu)選地，本發(fā)明一個實施例中，骨關節(jié)區(qū)域的獲取方法包括：將骨關節(jié)表面邊緣系數(shù)大于預設第一閾值的像素點作為骨關節(jié)表面像素點；將所有骨關節(jié)表面像素點組成的區(qū)域作為骨關節(jié)區(qū)域。 [0029] 本發(fā)明一個實施例中，預設第一閾值設置為0.8。需要說明的是，在本發(fā)明其他實施例中，預設第一閾值可以自行設置，在此不做限定。 [0030] 由于微小骨折大多為細小的縫隙，在骨關節(jié)X光圖像中特征并不明顯，邊緣比較模糊，將骨關節(jié)邊緣作為強邊緣，則細小骨折的邊緣更傾向于是弱邊緣，所以在本發(fā)明實施例中，對骨關節(jié)區(qū)域內(nèi)的強邊緣進行削弱，對弱邊緣進行增強，被增強的弱邊緣中存在微小骨折的骨折線。由于在通常情況下，弱邊緣的邊緣像素點的梯度方向并不一致，且像素點并不清晰，所以根據(jù)骨關節(jié)區(qū)域中邊緣像素點的位置分布與梯度分布，獲得骨關節(jié)區(qū)域中邊緣區(qū)域的弱邊緣系數(shù)。 [0031] 優(yōu)選地，本發(fā)明一個實施例中，弱邊緣系數(shù)的獲取方法包括：根據(jù)邊緣檢測算法獲取骨關節(jié)區(qū)域內(nèi)所有邊緣像素點組成的所有邊緣區(qū)域，本發(fā)明一個實施例中，采用canny邊緣檢測算法獲得骨關節(jié)區(qū)域的邊緣像素點，將所有邊緣像素點組成的區(qū)域作為邊緣區(qū)域。 [0032] 對每個邊緣區(qū)域進行分析，根據(jù)弱邊緣系數(shù)計算公式獲取弱邊緣系數(shù)，弱邊緣系數(shù)計算公式如下所示： 式中， 表示骨關節(jié)區(qū) 域中邊緣區(qū)域的弱邊緣系數(shù)； 表示邊緣區(qū)域中梯度方向相同且連續(xù)的最大像素點數(shù)量； 表示邊緣區(qū)域中邊緣像素點的數(shù)量； 表示邊緣區(qū)域中除梯度方向相同且連續(xù)的像素點以外的其他像素點的梯度值均值；表示邊緣區(qū)域中邊緣起始點的橫坐標； 表示邊緣區(qū)域中邊緣起始點的縱坐標； 表示邊緣區(qū)域中邊緣結束點的橫坐標； 表示邊緣區(qū)域中邊緣結束點的縱坐標； 表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)。 [0033] 在弱邊緣系數(shù)計算公式中，邊緣區(qū)域理想狀態(tài)為一條直線，即邊緣區(qū)域的像素點數(shù)量的數(shù)值逼近于 的直線距離，所以 越接近于1，說明 邊緣區(qū)域的像素點數(shù)量數(shù)值越接近于 ，此時 越小，邊緣區(qū) 域越有可能是強邊緣，所以當 越大時，邊緣區(qū)域越有可能是弱邊緣，即邊緣區(qū)域的弱邊緣系數(shù)越大；邊緣區(qū)域中梯度方向一致且連續(xù)的像素點數(shù)量越多時，說明該邊緣區(qū)域越有可能是強邊緣，而 越小，說明方向一致且連續(xù)的像素點，且邊緣區(qū)域中除梯度方向相同且連續(xù)的像素點以外的其他像素點的梯度值均值越小，說明該邊緣區(qū)域的像素點的梯度值普遍偏小，此時邊緣區(qū)域的越有可能是弱邊緣，即邊緣區(qū)域的弱邊緣系數(shù)越大。

8.一種基于邊緣檢測的骨關節(jié)X光片微小骨折自動識別系統(tǒng)，所述系統(tǒng)包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1 7任意一項所述一種基于邊緣檢測的骨關~ 節(jié)X光片微小骨折自動識別方法的步驟。