1.一种玻璃缺陷分割方法，其特征在于，该方法包括以下步骤：

获取待检测玻璃图像；根据待检测玻璃图像中各像素点的灰度值，得到预设数量个灰度级对应的灰度级区域；所述灰度级区域包括待检测玻璃图像中灰度值为对应灰度级的像素点；

利用密度聚类算法分别对各灰度级区域中的各像素点进行处理，得到各灰度级区域对应的各子灰度区域；

获取所述各子灰度区域对应的轮廓区域和所述各子灰度区域对应的轮廓区域内的填充积液区，所述填充积液区包括子灰度区域对应的轮廓区域内灰度值不属于对应灰度级的像素点，记为积液像素点；根据所述各子灰度区域对应的轮廓区域内的积液像素点的数量和填充积液区对应的平均连通宽度，得到所述各子灰度区域对应的聚合度；将聚合度大于聚合度阈值的子灰度区域记为空间灰度区域；

根据各空间灰度区域对应的灰度共生矩阵，计算任意两个空间灰度区域之间的纹理相似度；根据任意两个空间灰度区域之间的纹理相似度，将各空间灰度区域进行分组，得到各组对应的各聚类区域；

根据各聚类区域，得到待检测玻璃图像中的缺陷区域；

根据所述各子灰度区域对应的轮廓区域内的积液像素点的数量和填充积液区对应的平均连通宽度，得到所述各子灰度区域对应的聚合度，包括：对于任一子灰度区域：

对该子灰度区域进行闭合性检测，若判定该子灰度区域是闭合线结构，则令该子灰度区域对应的聚合度为1；

若判定该子灰度区域不是闭合线结构：获取该子灰度区域对应的轮廓区域内所有像素点的数量；计算该子灰度区域对应的轮廓区域内的积液像素点数量与所述所有像素点的数量之比，记为积液占比；计算1与积液占比之差，将差值作为该子灰度区域对应的填充度；若该子灰度区域对应的填充度小于预设阈值，则将该子灰度区域对应的聚合度设置为0；若该子灰度区域对应的填充度大于等于预设阈值，则计算该子灰度区域对应的填充积液区的平均连通宽度和该子灰度区域对应的填充积液区的不均匀度；根据所述填充度、所述平均连通宽度和所述不均匀度，计算该子灰度区域对应的聚合度；

计算该子灰度区域对应的填充积液区的平均连通宽度，包括：

构建该子灰度区域对应的二值图像；所述二值图像中积液像素点对应的点被标记为1，其他点被标记为0；

采用canny算子对该子灰度区域对应的二值图像进行处理，得到对应的边缘图像；将边缘图像中边缘上的像素点记为边缘像素点；

对于任一边缘像素点：在该边缘像素点梯度方向上寻找与其距离最近的边缘像素点；

若在该边缘像素点梯度方向上找不到与其距离最近的边缘像素点，则将该边缘像素点记为无效边缘点；若在该边缘像素点梯度方向上能找到与其距离最近的边缘像素点，则将该边缘像素点记为目标边缘像素点；计算该目标边缘像素点与其梯度方向上距离最近的边缘像素点的欧式距离，将所述欧式距离作为该目标边缘像素点对应的连通宽度；

将各目标边缘像素点对应的连通宽度从小到大进行排序，获取连通宽度的中值；提取所述中值预设邻域范围内的连通宽度，将提取出来的连通宽度对应的目标边缘像素点记为有效边缘点；

计算各有效边缘点对应的连通宽度的平均值，将所述平均值作为该子灰度区域对应的填充积液区的平均连通宽度。

计算该子灰度区域对应的填充积液区的不均匀度，包括：

将所述二值图像均匀划分，得到多个图像块；

对于任一图像块：计算该图像块中包含的有效边缘点对应的连通宽度的均值，将所述均值作为该图像块包含的填充积液区的平均连通宽度；

根据各图像块包含的填充积液区的平均连通宽度，计算该子灰度区域对应的填充积液区的不均匀度；

所述该子灰度区域对应的填充积液区的不均匀度的计算公式为：

其中，β为该子灰度区域对应的填充积液区的不均匀度，N为图像块的总数量，a为二值图像被划分的行数，b为二值图像被划分的列数，f(i,j)为第i行第j列的图像块包含的填充积液区的平均连通宽度，m为综合连通宽度，np(i,j)为第i行第j列的图像块包含的该子灰度区域对应的像素点的数目，Np为该子灰度区域对应的像素点的总数；

根据所述填充度、所述平均连通宽度和所述不均匀度，计算该子灰度区域对应的聚合度的公式为：其中，δ为该子灰度区域对应的聚合度，c1为第一调节参数，c2为第二调节参数，α为该子灰度区域对应的填充度， 为该子灰度区域对应的填充积液区的平均连通宽度，e为自然常数，β为该子灰度区域对应的填充积液区的不均匀度。

2.根据权利要求1所述的一种玻璃缺陷分割方法，其特征在于，根据待检测玻璃图像中各像素点的灰度值，得到预设数量个灰度级对应的灰度级区域，包括：根据待检测玻璃图像中各像素点的灰度值，统计得到对应的灰度直方图；

根据灰度直方图和多阈值Otsu大津法，将待检测玻璃图像划分为预设数量个灰度级区域。

3.根据权利要求1所述的一种玻璃缺陷分割方法，其特征在于，获取所述各子灰度区域对应的轮廓区域，包括：对于任一灰度级区域对应的任一子灰度区域：

确定该子灰度区域对应的各像素点对应的行坐标中的最大值，记为最大行坐标；确定该子灰度区域对应的各像素点对应的行坐标中的最小值，记为最小行坐标；

对最大行坐标和最小行坐标之间的行进行遍历，获取每一行包含的该子灰度区域对应的像素点中列坐标最大的像素点，记为第一像素点；获取每一行包含的该子灰度区域对应的像素点中列坐标最小的像素点，记为第二像素点；

将每一行对应的第一像素点和第二像素点作为对应行的两个端点；根据每一行对应的第一像素点和第二像素点，得到该子灰度区域对应的轮廓；将所述轮廓包含的区域记为该子灰度区域对应的轮廓区域。

4.根据权利要求1所述的一种玻璃缺陷分割方法，其特征在于，根据各空间灰度区域对应的灰度共生矩阵，计算任意两个空间灰度区域之间的纹理相似度，包括：对于任意两个空间灰度区域：

分别将这两个空间灰度区域记为第一空间灰度区域和第二空间灰度区域；

根据第一空间灰度区域的灰度共生矩阵和第二空间灰度区域的灰度共生矩阵，计算第一空间灰度区域对应的特征值和第二空间灰度区域对应的特征值；所述特征值包括能量、熵值、对比度和逆差矩；

根据第一空间灰度区域对应的特征值，构建第一空间灰度区域对应的纹理特征向量；

根据第二空间灰度区域对应的特征值，构建第二空间灰度区域对应的纹理特征向量；

根据第一空间灰度区域对应的纹理特征向量和第二空间灰度区域对应的纹理特征向量，计算第一空间灰度区域和第二空间灰度区域之间的纹理相似度；

所述第一空间灰度区域和第二空间灰度区域之间的纹理相似度的计算公式为：其中，ρ1,2为第一空间灰度区域和第二空间灰度区域之间的纹理相似度，γ1(1,q)为第一空间灰度区域对应的纹理特征向量中的第q个元素，γ2(1,q)为第二空间灰度区域对应的纹理特征向量中的第q个元素。

5.根据权利要求1所述的一种玻璃缺陷分割方法，其特征在于，根据各聚类区域，得到待检测玻璃图像中的缺陷区域，包括：将各聚类区域对应的像素点数目由小到大排序；将像素点数目最大的聚类区域进行剔除，将剔除了像素点数目最大的聚类区域后的各聚类区域记为目标聚类区域；

利用凸包算法对待检测玻璃图像中的各目标聚类区域进行处理，得到各目标聚类区域对应的凸包区域；

对于任意两个目标聚类区域对应的凸包区域：对这两个目标聚类区域对应的凸包区域求交集，若交集不为空集，则将这两个目标聚类区域的相容度赋值为1；若交集为空集，则将这两个目标聚类区域的相容度赋值为0；

将待检测玻璃图像中相容度为1的两个目标聚类区域进行合并，得到待检测玻璃图像中的缺陷区域。