一种义齿耐磨性检测装置

摘要

本发明涉及耐磨性能检测技术领域，具体涉及一种义齿耐磨性检测装置。该装置采集摩擦测试中待检测义齿的连续多帧的表面图像。获得表面图像上子区域在每个预设分析方向下的梯度图像，根据相邻帧梯度图像之间的变化特征和子区域中分析方向垂直方向下直线信息的连续性获得子区域在分析方向下的摩擦纹理概率，进而确定摩擦区域以及摩擦纹理，根据摩擦纹理获得待检测义齿的耐磨性。本发明通过准确提取出摩擦纹理进行耐磨性的检测，避免了其他纹理信息对检测结果准确性的影响。

权利要求

1.一种义齿耐磨性检测装置，其特征在于，所述装置包括摩擦装置本体、图像采集模块和耐磨性分析模块；

摩擦装置本体用于，对待检测义齿进行摩擦测试；

图像采集模块用于，采集所述摩擦测试过程中所述待检测义齿的连续多帧表面图像；

耐磨性分析模块用于，将每个表面图像划分多个子区域；获得每个子区域在不同预设分析方向下的梯度图像；在相同分析方向下，获得每个子区域与下一帧的相同位置的子区域之间梯度图像的变化特征，获得对应分析方向的垂直方向下每个子区域中的直线信息，根据所述直线信息的连续性和所述变化特征获得对应子区域在所述分析方向下的摩擦纹理概率；根据每个分析方向下的所述摩擦纹理概率对子区域进行筛选，获得每个表面图像上的摩擦区域以及摩擦纹理，根据所述摩擦纹理获得待检测义齿的耐磨性；

所述变化特征的获取方法包括：

获取所述梯度图像的梯度共生矩阵；将每个子区域与相邻帧相同位置的子区域之间梯度共生矩阵中的点对进行匹配，获得匹配点对，根据匹配点对中两个点对的差异获得所述变化特征；

所述根据匹配点对中两个点对的差异获得所述变化特征包括：

选择点对中最小的元素作为特征元素，获得每个所述梯度共生矩阵的特征元素序列，将每个子区域与相邻帧相同位置子区域之间的所述特征元素序列利用KM匹配算法进行匹配，获得特征元素匹配组；

特征元素匹配组对应的点对为所述匹配点对，将所述匹配点对中前一帧的点对作为第一点对，后一帧的点对作为第二点对，计算所述第一点对中非特征元素与所述第二点对中的非特征元素之间的差值，获得第一差值特征量，将负值的第一差值特征量的频率作为所述变化特征；

所述获得对应分析方向的垂直方向下每个子区域中的直线信息包括：

在所述分析方向的垂直方向上利用霍夫直线检测算法获得所述直线信息；

所述直线信息的连续性的获取方法包括：

在霍夫空间中，统计每条正弦曲线与纵坐标轴的交点，获得交点数量，根据所述交点在所述纵坐标轴上坐标值获得交点密度；

在相邻帧之间，获得后一帧与前一帧之间所述交点数量的差值并归一化，获得第一连续性，获得后一帧与前一帧之间所述交点密度的差值并归一化，获得第二连续性；将所述第一连续性和所述第二连续性相乘获得所述直线信息的所述连续性；

所述摩擦纹理概率的获取方法包括：

将所述连续性和所变化特征的乘积作为对应子区域在所述分析方向下的摩擦纹理概率；

获得每个表面图像上的摩擦区域的方法包括：

将所有分析方向的摩擦纹理概率中的最大值作为对应子区域的参考摩擦纹理概率；若所述参考摩擦纹理概率大于预设概率阈值，则所述子区域为摩擦区域；

所述摩擦纹理的获取方法包括：

在每帧表面图像的摩擦区域中进行边缘检测，获得每条边缘的平均梯度，每条边缘在所有帧表面图像中的平均梯度构成平均梯度序列，获得所述平均梯度序列的前向差分序列，统计所述前向差分序列中正数元素的频率，若所述正数元素的频率大于预设频率阈值，则将对应边缘作为摩擦纹理。

2.根据权利要求1所述的一种义齿耐磨性检测装置，其特征在于，所述图像采集模块采集还包括：采集多个视角下的表面图像，利用Z‑score标准化处理所有所述表面图像。

3.根据权利要求1所述的一种义齿耐磨性检测装置，其特征在于，所述耐磨性的获取方法包括：获得每帧表面图像中的所述摩擦纹理，在最后一帧表面图像中将所有摩擦纹理对应的像素点作为待分析像素点，获得所述待分析像素点的灰度共生矩阵，将所述灰度共生矩阵的熵值进行负相关映射并归一化，获得所述耐磨性。

说明书

一种义齿耐磨性检测装置

技术领域

[0001] 本发明涉及耐磨性能检测技术领域，具体涉及一种义齿耐磨性检测装置。

背景技术

[0002] 义齿是由医师技术人员根据患者牙齿具体情况进行定制而成，耐磨性是影响义齿寿命的重要因素，因此在义齿制作完成后需要义齿耐磨性检测装置对义齿进行耐磨性检测，进而判断是否存在质量缺陷。

[0003] 通常耐磨性检测装置会利用摩擦装置对义齿表面进行摩擦，若义齿耐磨性不足，则在表面会形成摩擦纹理，进而可根据摩擦纹理的产生情况判断义齿的耐磨性。但是对于义齿而言，其摩擦面表面存在自身纹理，并且因为材料为光滑材料，表面还会存在光线产生的噪声纹理边缘，现有技术中直接根据表面上的纹理进行耐磨性分析会存在较大的误差，无法准确对义齿耐磨性进行检测。

发明内容

[0004] 为了解决现有技术中无法准确识别出摩擦纹理进而无法准确对义齿耐磨性进行检测的技术问题，本发明的目的在于提供一种义齿耐磨性检测装置，所采用的技术方案具体如下：

[0005] 本发明提出了一种义齿耐磨性检测装置，所述装置包括摩擦装置本体、图像采集模块和耐磨性分析模块；

[0006] 摩擦装置本体用于，对待检测义齿进行摩擦测试；

[0007] 图像采集模块用于，采集所述摩擦测试过程中所述待检测义齿的连续多帧表面图像；

[0008] 耐磨性分析模块用于，将每个表面图像划分多个子区域；获得每个子区域在不同预设分析方向下的梯度图像；在相同分析方向下，获得每个子区域与下一帧的相同位置的子区域之间梯度图像的变化特征，获得对应分析方向的垂直方向下每个子区域中的直线信息，根据所述直线信息的连续性和所述变化特征获得对应子区域在所述分析方向下的摩擦纹理概率；根据每个分析方向下的所述摩擦纹理概率对子区域进行筛选，获得每个表面图像上的摩擦区域以及摩擦纹理，根据所述摩擦纹理获得待检测义齿的耐磨性。

[0009] 进一步地，所述图像采集模块采集还包括：采集多个视角下的表面图像，利用Z‑score标准化处理所有所述表面图像。

[0010] 进一步地，所述变化特征的获取方法包括：

[0011] 获取所述梯度图像的梯度共生矩阵；将每个子区域与相邻帧相同位置的子区域之间梯度共生矩阵中的点对进行匹配，获得匹配点对，根据匹配点对中两个点对的差异获得所述变化特征。

[0012] 进一步地，所述根据匹配点对中两个点对的差异获得所述变化特征包括：

[0013] 选择点对中最小的元素作为特征元素，获得每个所述梯度共生矩阵的特征元素序列，将每个子区域与相邻帧相同位置子区域之间的所述特征元素序列利用KM匹配算法进行匹配，获得特征元素匹配组；

[0014] 特征元素匹配组对应的点对为所述匹配点对，将所述匹配点对中前一帧的点对作为第一点对，后一帧的点对作为第二点对，计算所述第一点对中非特征元素与所述第二点对中的非特征元素之间的差值，获得第一差值特征量，将负值的第一差值特征量的频率作为所述变化特征。

[0015] 进一步地，所述获得对应分析方向的垂直方向下每个子区域中的直线信息包括：

[0016] 在所述分析方向的垂直方向上利用霍夫直线检测算法获得所述直线信息。

[0017] 进一步地，所述直线信息的连续性的获取方法包括：

[0018] 在霍夫空间中，统计每条正弦曲线与纵坐标轴的交点，获得交点数量，根据所述交点在所述纵坐标轴上坐标值获得交点密度；

[0019] 在相邻帧之间，获得后一帧与前一帧之间所述交点数量的差值并归一化，获得第一连续性，获得后一帧与前一帧之间所述交点密度的差值并归一化，获得第二连续性；将所述第一连续性和所述第二连续性相乘获得所述直线信息的所述连续性。

[0020] 进一步地，所述摩擦纹理概率的获取方法包括：

[0021] 将所述连续性和所变化特征的乘积作为对应子区域在所述分析方向下的摩擦纹理概率。

[0022] 进一步地，所述获得每个表面图像上的摩擦区域的方法包括：

[0023] 将所有分析方向的摩擦纹理概率中的最大值作为对应子区域的参考摩擦纹理概率；若所述参考摩擦纹理概率大于预设概率阈值，则所述子区域为摩擦区域。

[0024] 进一步地，所述摩擦纹理的获取方法包括：

[0025] 在每帧表面图像的摩擦区域中进行边缘检测，获得每条边缘的平均梯度，每条边缘在所有帧表面图像中的平均梯度构成平均梯度序列，获得所述平均梯度序列的前向差分序列，统计所述前向差分序列中正数元素的频率，若所述正数元素的频率大于预设频率阈值，则将对应边缘作为摩擦纹理。

[0026] 进一步地，所述耐磨性的获取方法包括：

[0027] 获得每帧表面图像中的所述摩擦纹理，在最后一帧表面图像中将所有摩擦纹理对应的像素点作为待分析像素点，获得所述待分析像素点的灰度共生矩阵，将所述灰度共生矩阵的熵值进行负相关映射并归一化，获得所述耐磨性。

[0028] 本发明具有如下有益效果：

[0029] 本发明考虑到随着摩擦的进行，义齿表面的摩擦纹理应当是逐渐变深，并且其他非摩擦纹理应当不存在变化，因此对于每个子区域分析其与相邻帧相同位置子区域之间的梯度图像的变化特征，即变化特征越大说明在该方向下越存在摩擦纹理；进一步考虑到随着摩擦的进行，摩擦纹理应当逐渐清晰，而分析方向表示梯度变化方向，若存在摩擦纹理，则分析方向的垂直方向应当为边缘走势方向，因此分析对应分析方向的垂直方向下每个子区域中的直线信息，根据直线信息的连续性和变化特征获得摩擦纹理概率，进而确定准确的摩擦区域以及摩擦纹理，仅对摩擦纹理进行分析，避免了其他类型的纹理造成的影响，进而获得准确的义齿的耐磨性。

附图说明

[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

[0031] 图1为本发明一个实施例所提供的一种义齿耐磨性检测装置结构示意图；

[0032] 图2为本发明一个实施例所提供的一种子区域摩擦前的示意图；

[0033] 图3为本发明一个实施例所提供的一种子区域摩擦后的示意图。

具体实施方式

[0034] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种义齿耐磨性检测装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0035] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0036] 下面结合附图具体的说明本发明所提供的一种义齿耐磨性检测装置的具体方案。

[0037] 请参阅图1，其示出了本发明一个实施例提供的一种义齿耐磨性检测装置结构示意图，该装置包括摩擦装置本体101、图像采集模块102和耐磨性分析模块103。

[0038] 摩擦装置本体101用于对待检测义齿进行摩擦测试，可选用现有技术中常见的义齿耐磨性检测装置本体，例如公开号为CN218075287U的一种定制式义齿表面性能检测装置，具体结构和组成为本领域技术人员熟知的技术手段，在此不做赘述。

[0039] 图像采集模块102用于采集摩擦测试过程中待检测义齿的连续多帧表面图像。

[0040] 优选地，在本发明一个实施例中，在实际采集过程中图像采集模块102可包含多个视角下的摄像头，进而采集多个视角下的表面图像，在后续过程中可针对每个视角进行针对性分析，因为每个视角下的表面图像分析方法相同，在此不做赘述，后续描述过程中仅以一个时间下的连续多帧表面图像的处理方法进行举例说明。采集到多个视角下的表面图像之后，可利用Z‑score标准化处理所有所述表面图像，使得每张表面图像均存在一个相同的亮度和对比度分布。Z‑score标准化为本领域技术人员熟知的技术手段，具体过程不再赘述，在此仅简述本发明实施例中的简要步骤：对各个角度采集的表面图像计算全局平均，计算所有图像中像素的平均亮度值和标准差；通过减去平均值除以标准差来调整每个表面图像，实现对每个表面图像的标准化。

[0041] 在本发明一个实施例中，摩擦测试过程持续五分钟，每隔一分钟采集一次图像，即存在五张连续帧的表面图像。

[0042] 耐磨性分析模块103用于将每个表面图像划分多个子区域；获得每个子区域在不同预设分析方向下的梯度图像；在相同分析方向下，获得每个子区域与下一帧的相同位置的子区域之间梯度图像的变化特征，获得对应分析方向的垂直方向下每个子区域中的直线信息，根据直线信息的连续性和变化特征获得对应子区域在分析方向下的摩擦纹理概率；根据每个分析方向下的摩擦纹理概率对子区域进行筛选，获得每个表面图像上的摩擦区域以及摩擦纹理，根据摩擦纹理获得待检测义齿的耐磨性。

[0043] 具体地，考虑到在一张表面图像中可能存在仅有某些局部区域存在摩擦纹理，若直接对表面图像进行全局分析会使得分析过程中这类局部区域中的纹理信息因为整体信息的影响被忽略掉，因此耐磨性分析模块103首先将表面图像划分出多个子区域，在后续过程中针对每个子区域进行分析，判断子区域是否为存在摩擦纹理的摩擦区域。在本发明一个实施例中，利用7×7大小的滑窗遍历表面图像，滑窗每次滑动产生的滑窗区域即为一个子区域。

[0044] 因为纹理边缘在图像中与非纹理边缘区域而言明显的特征差别为梯度信息的差别，对于一张图像而言，其表面的摩擦方向也是不确定的，因此耐磨性分析模块103首先预设多个不同的分析方向，获得每个子区域在每个分析方向下的梯度图像。在后续分析过程中，对于相同分析方向，获得每个子区域与相邻帧的相同位置的子区域之间梯度图像的变化特征，因为摩擦测试过程为一个时序过程，若摩擦过程中义齿表面存在摩擦纹理，则随着摩擦测试的进行，摩擦纹理应当逐渐加深，其梯度信息会越来越明显，灰度值与其他区域灰度值之间的差异会越来越明显，请参阅图2，其示出了本发明一个实施例所提供的一种子区域摩擦前的示意图，请参阅图3，其示出了本发明一个实施例所提供的一种子区域摩擦后的示意图。在图2和图3中箭头方向即为分析方向，图2中灰度值为40、41和40的像素点即为摩擦纹理像素点，在图3中摩擦纹理像素点因为摩擦的影响，导致灰度值进一步变小，灰度值分别变为20、19和20，则梯度会进一步发生明显变化。因此对于相邻两帧的相同位置的子区域而言，其梯度图像的变化特征越大，说明在该分析方向下该子区域对应中存在摩擦纹理的概率越大。

[0045] 优选地，在本发明一个实施例中，变化特征的获取方法包括：

[0046] 获取梯度图像的梯度共生矩阵。梯度共生矩阵能够通过统计像素点对分布的特征将梯度图像中的具体信息进行量化，方便计算变化特征。将每个子区域与相邻帧相同位置的子区域之间梯度共生矩阵中的点对进行匹配，获得匹配点对，通过对点对的匹配能够进一步量化计算变化特征的对象，进而更快速准确的获得变化特征。根据匹配点对中两个点对的差异获得变化特征。需要说明的是，梯度共生矩阵获取方法与灰度共生矩阵的获取方法相同，具体为本领域技术人员熟知的技术手段，在此不做赘述。

[0047] 优选地，在本发明一个实施例中，获得匹配点对之后为了进一步确定具体的变化特征，考虑到对于摩擦纹理而言，后一帧与前一帧的梯度共生矩阵之间的点对中较大元素可能为纹理边缘元素，其变化应当较大，而较小元素可能为非纹理边缘元素，其变化较小或者不变。因此选择点对中最小的元素作为特征元素，以特征元素为基准进行点对的匹配，首先统计每个梯度共生矩阵中的特征元素序列，即将每个点对中的最小元素提取出来获得特征元素序列。进而将每个子区域与相邻帧相同位置子区域之间的所述特征元素序列利用KM匹配算法进行匹配，获得特征元素匹配组。需要说明的是，KM匹配算法为本领域技术人员熟知的技术手段，在本发明实施例中，将两个特征元素序列分别作为一侧的节点，两侧节点之间均具有边值，边值为两个节点对应数据值的相似度，根据最大匹配原则获得互相匹配的特征元素匹配组，特征元素匹配组中的两个元素为特征元素，每个特征元素对应一个点对，进而获得匹配点对。

[0048] 需要说明的是，KM匹配算法为本领域技术人员熟知的技术手段，具体算法实现过程不再赘述，在本发明实施例中数据值的相似度为两个数据值之间较小数值与较大数值的比值，即比值越接近于1说明两个数值越相似。

[0049] 进一步定义匹配点对中前一帧的点对作为第一点对，后一帧的点对作为第二点对，计算所述第一点对中非特征元素与所述第二点对中的非特征元素之间的差值，获得第一差值特征量。如果第一差值特征量为正值，则说明随着摩擦测试过程进行对应像素点的梯度值在减小，并非摩擦纹理；如果第一差值特征量为负值，则说明随着摩擦测试过程的进行，对应像素点的梯度值在不断增大，对应像素点大概率为摩擦纹理。因此将负值的第一差值特征量的频率作为变化特征。

[0050] 进一步考虑到对于摩擦纹理的边缘而言，随着摩擦测试的进行，该边缘会越来越清晰，因此在边缘方向上，图像中所体现出的直线信息的连续性会越来越强，直到获得一条连续清晰的纹理边缘。由于分析方向可视为梯度方向，梯度方向为像素点灰度值的变化方向，而边缘方向为梯度方向的垂直方向，因此获得对应分析方向的垂直方向下每个子区域中的直线信息，获得直线信息的连续性，根据直线信息的连续性和变化特征即可获得对应子区域在分析方向下的摩擦纹理概率。即直线信息的连续性越强、变化特征越强，说明子区域中在分析方向下存在的摩擦纹理概率越大。

[0051] 优选地，在本发明一个实施例中，在分析方向的垂直方向上利用霍夫直线检测算法获得直线信息。需要说明的是霍夫直线检测算法为本领域技术人员熟知的技术手段，该算法可将原始图像坐标系中的直线信息和像素点信息转换至参数空间中，通过设置霍夫直线检测的角度为分析方向垂直方向的角度即可获得霍夫空间中对应的信息分布情况。原始图像中直线上的每个点在霍夫空间中为一条正弦曲线，通过多条正弦曲线之间的分布即可确定对应直线信息的连续性，具体霍夫直线检测算法为本领域技术人员熟知的技术手段，在此不做赘述。

[0052] 优选地，在本发明一个实施例中，考虑到霍夫直线检测无法直接识别直线是间断还是连续，统计每条正弦曲线与纵坐标轴的交点，获得交点数量。因为在进行霍夫直线检测过程时是固定了角度参数，因此获得的交点数量越多说明直线上的像素点数量越多，则连续性越强；进一步根据交点在纵坐标轴上的坐标获得交点密度，因为霍夫空间的纵坐标表示原点到点的距离，而在直线的形成过程中，因为直线上的点是连续的，因此纵坐标轴上会逐渐形成等间隔的交点，因此根据纵坐标获得的密度越大说明存在越来越多的等间隔的像素点，则直线上的连续性越大。因此在相邻帧之间，获得后一帧与前一帧之间交点数量的差值并归一化，获得第一连续性，即差值越大说明交点数量在增大，则直线的第一连续性越大，直线越属于摩擦纹理直线；获得后一帧与前一帧之间交点密度的差值并归一化，获得第二连续性，即差值越大说明交点密度在增大，则直线第二连续性越大，直线越属于摩擦纹理直线；将第一连续性和第二连续性相乘获得直线信息的连续性。

[0053] 需要说明的是，本发明实施例中所使用的归一化方法可为最大最小值归一化方法，也可以为双曲正切函数映射的方法，具体归一化方法可选用现有技术中的归一化方法，在此不做限定及赘述。

[0054] 优选地，因为连续性越大、变化特征越大说明子区域在对应分析方向下存在摩擦纹理的概率越大，因此将连续性和所变化特征的乘积作为对应子区域在分析方向下的摩擦纹理概率。

[0055] 耐磨性分析模块103在获得子区域在每个分析方向下的摩擦纹理概率后即可根据摩擦纹理概率对子区域进行筛选，需要说明的是，在本发明实施例中需要对每帧表面图像中的子区域均进行分析，分析每帧表面图像与下一帧表面图像中之间的信息变化确定摩擦区域以及摩擦纹理，因此连续多帧表面图像中的最后一帧不参与图像处理过程，因此除了最后一帧表面图像而言，每帧表面图像中均可筛选出摩擦区域，进而确定摩擦纹理，则在最后一帧表面图像上结合之前每帧图像中的摩擦纹理，获得最后一帧表面图像上的摩擦纹理即可获得待检测义齿的耐磨性。

[0056] 优选地，在本发明一个实施例中获得每个表面图像上的摩擦区域的方法包括：

[0057] 将所有分析方向的摩擦纹理概率中的最大值作为对应子区域的参考摩擦纹理概率；若所述参考摩擦纹理概率大于预设概率阈值，则所述子区域为摩擦区域。在本发明一个实施例中，概率阈值设置为0.7。

[0058] 优选地，在本发明一个实施例中，摩擦纹理的获取方法包括：

[0059] 在每帧表面图像的摩擦区域中进行边缘检测，获得每条边缘的平均梯度，对于一条边缘而言，在表面图像中均存在对应位置的边缘，每条边缘在所有帧表面图像中的平均梯度构成平均梯度序列。需要说明的是，因为摩擦纹理边缘生成的时间可能不同，例如某条摩擦纹理边缘在第一帧生成，则在后续每帧表面图像中均存在对应边缘的信息，而另外一条边缘在第三帧生成，则在前两帧中不存在该边缘的信息，即平均梯度序列之间的长度会相差2。需要说明的是，可采用特征点匹配的算法确定两帧图像之间边缘的匹配关系，即在相邻两帧之间满足匹配关系的边缘可视为同一条边缘，特征点匹配算法为本领域技术人员熟知的技术手段，在此不做赘述。

[0060] 获得平均梯度序列的前向差分序列。需要说明的是，前向差分序列为后一个元素减去前一个元素得到的序列，因此若前向差分序列中的元素为正数，则说明边缘信息随着摩擦测试过程的进行在不断的加深，其为摩擦纹理边缘信息。因此统计前向差分序列中正数元素的频率，若正数元素的频率大于预设频率阈值，则将对应边缘作为摩擦纹理。在本发明一个实施例中频率阈值设置为0.7，边缘检测算法采用canny边缘检测算法。

[0061] 优选地，在本发明一个实施例中，考虑到最后一帧表面图像不存在下一帧表面图像，则将最后一帧表面图像作为分析帧，即在最后一帧表面图像上分析摩擦纹理的程度，进而获得耐磨性，具体为：获得每帧表面图像中的摩擦纹理，在最后一帧表面图像中将所有摩擦纹理对应的像素点作为待分析像素点，获得待分析像素点的灰度共生矩阵，将灰度共生矩阵的熵值进行负相关映射并归一化，获得耐磨性。需要说明的是，灰度共生矩阵的获取方法与其熵值的获取方法均为本领域技术人员熟知的技术手段，在本发明实施例中耐磨性的计算公式可表示为：

[0062] ；其中，为耐磨性，为自然常数，为灰度公式矩阵中的熵，即耐磨性公式利用以自然常数为底数的指数函数将熵进行负相关映射并归一化。在本发明其他实施例中也可采用其他基础数学运算实现负相关映射并归一化，具体不再赘述及限定。

[0063] 通过将耐磨性进行量化，可以方便工作人员对义齿的质量进行评估，工作人员可根据获得的耐磨性将义齿质量进行分级或者判断是否需要重新制作义齿等操作。

[0064] 综上所述，本发明实施例采集摩擦测试中待检测义齿的连续多帧的表面图像。获得表面图像上子区域在每个预设分析方向下的梯度图像，根据相邻帧梯度图像之间的变化特征和子区域中分析方向垂直方向下直线信息的连续性获得子区域在分析方向下的摩擦纹理概率，进而确定摩擦区域以及摩擦纹理，根据摩擦纹理获得待检测义齿的耐磨性。本发明通过准确提取出摩擦纹理进行耐磨性的检测，避免了其他纹理信息对检测结果准确性的影响。

[0065] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0066] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。