1.一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述方法包括：获取患者腿部CT影像的灰度图像；

在所述灰度图像中，确定每个像素点的邻域块；根据每个像素点与所述灰度图像的全局灰度特征之间的灰度差异，以及每个像素点对应的邻域块中像素点之间的灰度差异，得到每个像素点的初始修正参数；

将所述灰度图像中的任意一个像素点作为待测像素点，根据待测像素点与每个预设方向上的其他像素点之间的灰度渐变情况，得到待测像素点在每个预设方向上的灰度渐变特征值，根据待测像素点与每个预设方向上的其他像素点之间的灰度差异情况，得到待测像素点在每个预设方向上的灰度差异特征值；根据待测像素点在不同的预设方向上的灰度渐变特征值之间的差异以及不同预设方向上的灰度差异特征值之间的差异，得到待测像素点的高级修正参数；

根据每个像素点的初始修正参数和高级修正参数获取每个像素点的自适应分割阈值；

根据所述灰度图像中所有像素点的自适应分割阈值进行图像分割，得到腿骨区域。

2.根据权利要求1所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述确定每个像素点的邻域块，包括：以每个像素点为中心，构建预设尺寸的邻域块，其中，预设尺寸设置为5×5。

3.根据权利要求2所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述初始修正参数的获取方法包括：获取所述灰度图像中所有像素点的灰度值均值，作为全局灰度特征值；

在任意一个邻域块中，将中心像素点的灰度值与所述全局灰度特征值的比值作为中心像素点的灰度表现值；将中心像素点与每个邻域像素点的灰度值差异作为灰度差异因子，将中心像素点对应的所有灰度差异因子的和值进行负相关映射并归一化后的值，作为中心像素点的灰度表现值的可信因子；

将中心像素点对应的可信因子与灰度表现值的乘积进行负相关映射并归一化后的值，作为中心像素点的初始修正参数。

4.根据权利要求1所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述灰度渐变特征值的获取方法包括：以待测像素点为起点，在每个预设方向上做射线，在每条射线上除待测像素点之外的其他像素点中，将灰度值大于预设常数的像素点作为对比点；计算每个对比点与待测像素点之间的欧氏距离，作为距离因子，将对比点按照对应的距离因子的大小进行升序排列，得到排序序列；

计算每个所述排序序列中任意两个相邻对比点之间的灰度值差异，作为灰度变化因子；将每个所述排序序列对应的所有灰度变化因子的累加值进行负相关映射并归一化后的值，作为待测像素点在每个预设方向上的灰度变化特征值；

计算每个所述排序序列中任意两个相邻对比点之间的灰度值差值，作为灰度递减因子；将所述排序序列对应的所有灰度递减因子的累加值进行归一化操作，得到待测像素点在每个预设方向上的灰度递减特征值；

将待测像素点在每个预设方向上的灰度变化特征值与灰度递减特征值的乘积，作为待测像素点在每个预设方向上的灰度渐变特征值。

5.根据权利要求1所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述预设方向的总数为2，且一个为水平向右方向，一个为水平向左方向。

6.根据权利要求4所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述灰度差异特征值的获取方法包括：在每个预设方向上，计算待测像素点对应的所有对比点的灰度值的均值与待测像素点的灰度值之间的差异，作为待测像素点在每个预设方向上的灰度差异特征值。

7.根据权利要求5所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述高级修正参数的获取方法包括：将待测像素点在两个预设方向上的灰度渐变特征值的差异作为第一调整因子；将待测像素点在两个预设方向上的灰度差异特征值的差异作为第二调整因子；

将待测像素点对应的第一调整因子与第二调整因子的乘积进行归一化后的值，作为待测像素点的高级修正参数。

8.根据权利要求2所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述自适应分割阈值的获取方法包括：在以每个像素点为中心的邻域块中，根据所有像素点的灰度值得到中心像素点的初始分割阈值；

将每个像素点的初始分割阈值、初始修正参数以及高级修正参数三者的乘积作为每个像素点的自适应分割阈值。

9.根据权利要求8所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述初始分割阈值的获取方法包括：在以每个像素点为中心的邻域块中，计算邻域块中所有像素点的灰度值均值，作为中心像素点的初始分割阈值。

10.根据权利要求1所述的一种基于局部阈值的骨科腿骨智能识别分割方法，其特征在于，所述腿骨区域的获取方法包括：在所述灰度图像中，当像素点的灰度值大于或等于所述自适应分割阈值时，将像素点作为前景区域中的像素点，当像素点的灰度值小于所述自适应分割阈值时，将像素点作为背景区域中的像素点；

将所述前景区域作为所述腿骨区域。