1.一种基于颅骨CBCT图像的修复导板生成方法，其特征在于，所述方法包括以下步骤：S100，光学扫描获得三维头颅模型，建立投影图像及CBCT文件序列；

S200，通过Marching Cube、区域增长算法解析CBCT文件序列；

S300，通过OpenCV边缘提取方法检测颅骨缺损边缘点云，并利用点云中的对称点生成镜像；

S400，计算镜像中缺损区域的曲率，该曲率包括高斯曲率、主曲率；

S500，基于S400中的曲率执行区域增长算法形成首期修复导板；

S600，基于Poisson方程补洞平滑方法对首期修复导板边缘进行优化，形成最终的修复导板。

2.根据权利要求1所述的基于颅骨CBCT图像的修复导板生成方法，其特征在于，所述Marching Cube的解析过程包括以下步骤：S201，将原始数据经过预处理之后，读入指定的数组中；

S202，从网格数据体中提取一个单元体，成为当前单元体，同时获取该单元体的所有信息，其信息包括边界的顶点函数值、和单元体的点云坐标位置；

S203，将当前单元体中顶点的函数值与给定等值面值C进行比较，得出该单元体的状态表；

S204，根据当前单元体的状态表索引，找出与等值面相交的单元体棱边，并采用线性插值的方法，计算出各个交点的位置坐标；

S205，利用中心差分法，求出当前单元体中顶点的法向量，再采用线性插值的方法，得到三角面片各个顶点的法向量；

S206，根据各个三角面片顶点的坐标，顶点法向量进行等值面图象的绘制。

3.根据权利要求1或2所述的基于颅骨CBCT图像的修复导板生成方法，其特征在于，所述S200中执行区域增长算法时，包括将阈值控制在770‑25584区间，重建出3D模型查看CBCT主要的解剖结构。

4.根据权利要求1或2所述的基于颅骨CBCT图像的修复导板生成方法，其特征在于，所述S300中的OpenCV边缘提取方法包括以下过程：通过离散化的高斯函数产生一组归一化的高斯核，而后基于高斯核函数对图像数据中灰度矩阵的每一点进行加权求和；

通过增强算法对图像数据中灰度点邻域强度值有显著变化的点进行凸显；

通过阈值化方法对噪音边缘点进行剔除。

5.根据权利要求1或2所述的基于颅骨CBCT图像的修复导板生成方法，其特征在于，所述S500包括区域增长算法，其步骤如下：S501，选取种子点p(x0，y0)，用堆栈表示种子区域，将种子点push到种子堆栈中；

S502，将种子堆栈中第一个种子点pop出堆栈，并以该点为中心，遍历该中心8邻域像素；

S503，判断遍历像素点是否已经在种子区域中，如果否，则判断遍历像素点是否满足相邻种子点相似性，如果该像素点(x，y)满足相似性，则将(x，y)push到堆栈中；

S504，重复S502‑S503，直至种子堆栈为空。