CN104737201A - 单层和/或少层薄膜材料的自动识别 - Google Patents
单层和/或少层薄膜材料的自动识别 Download PDFInfo
- Publication number
- CN104737201A CN104737201A CN201380053502.4A CN201380053502A CN104737201A CN 104737201 A CN104737201 A CN 104737201A CN 201380053502 A CN201380053502 A CN 201380053502A CN 104737201 A CN104737201 A CN 104737201A
- Authority
- CN
- China
- Prior art keywords
- color component
- digital picture
- membraneous material
- color
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
在数字图像(100)中稳定和可靠地识别一个或多个数字表示的单层(101)和/或少层(102)薄膜材料,所述数字图像(100)具有预定数的颜色成分,所述识别通过以下进行-确定(304)数字图像(100)的背景颜色成分的每个颜色成分,和-通过获得每个颜色成分的预定的对比度值(CR;CG;CB)并将给定颜色成分的预先确定的对比度值(CR;CG;CB)与约1的数值差乘以各自的背景颜色成分,来确定或估计(306)数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分,-识别所有颜色成分均在确定或估计的颜色成分的预定范围内的图像的点或部分。
Description
技术领域
本发明涉及一种自动识别数字图像中数字表示的层状薄膜材料(例如单层和/或少层石墨烯)的方法和系统。
少层应理解为包括多达10层或更多。本文中的少层具体地包括单、双、三和四层。
发明背景
石墨烯是包括以蜂窝状网格排布的单层的碳原子的二维材料。它有许多有利的室温性能如导电率几乎是铜的两倍,热导率是银的十倍以上,电子迁移率几乎是硅的30倍,拉伸或杨氏模量约为钢的5倍,和拉伸强度为金刚石的45倍以上。
这些特性使当使用石墨烯的时候许多用途和改进成为可能。
高品质石墨烯可以如通过通常称为微剥离(micro-cleaving)或微机械剥离或各种剥离方法的技术获得。
可替代地,石墨烯可使用化学气相沉积(CVD)方法“生长”。然而,CVD法的缺点是,石墨烯通常在铜或镍上“生长”,然后需要使用所谓的转移技术将其转移到另一个可用基底。而且,以这种方式获得的石墨烯的每个相干面积比较小,也就是CVD法的石墨烯可以被看作包括数量较多的小得多的相邻石墨烯区域。
石墨烯具有仅为0.335nm的厚度,凭借此特征,涉及例如原子力显微镜(AFM),扫描隧道显微镜(STM)或扫描电子显微镜(SEM)等设备的工具经常被用来恰当地和可靠地识别石墨烯。然而,使用这些技术是耗时的,设备也相当昂贵。
此外,由于研究或类似等级的单层微剥离石墨烯在4”晶片或类似的晶片上的覆盖范围通常只有少几千μm2,这样耗时的鉴别方法对于大规模生产或研究使用是不实际的。
可替代地,人工识别石墨烯-这仍在使用-是慢的,乏味和/或容易出错的,特别是对碎片样品。当以正确识别石墨烯所需的适当的分辨率数字化时,人工识别石墨烯的通常时间花费是如约5秒钟pr.数字图像和对于4”晶片为大约6-7小时。
专利申请US 2011/0299720公开了一种自动化的方法,用于确定层状材料样品中的原子平面数。根据一个方面,在特定照射条件下对薄膜材料进行校准,其中层状薄膜材料的层数和颜色组分值范围之间的相关性被确定。随后相关性用于确定包括与校准过程所用的相同材料的另一个样品图像的选择区域的层数。为得到准确的结果,图像需要在与校准过程所使用的相同的照明条件下捕获。
校准使用例如显微拉曼光谱仪和原子力显微镜(AFM)进行。
一旦进行校准,它可以用于其他样品的层检测,只要样品材料和校准材料相同,校准材料和样品材料的基底相同,和照明条件保持不变。
然而,确保照明条件真正保持不变实际上不简单,给定的样品材料将始终有小的变化例如在厚度上,即使横穿样品材料。
因此,在数字图像中识别石墨烯和/或其它的薄膜材料需要自动简单、可靠、稳定和/或有效的方法。
发明目的和简述
目标是能够稳定和可靠地自动识别石墨烯和/或其它薄膜材料。
进一步的目的是能够以简单的和/或有效的方法进行该识别。
根据一个方面,这些目标中的一个或多个至少在一定程度上由在数字图像中自动识别一个或多个数字表示的单层和/或少层薄膜材料的方法实现,所述数字图像具有预先确定数目的颜色成分,并且该方法包括
-确定数字图像的背景颜色成分的每个颜色成分,和
-确定或估计数字图像中待识别的薄膜材料的颜色成分的每个颜色成分,所述
待识别的薄膜材料具有至少为一层的给定层数,
其中,确定或估计数字图像中待识别的薄膜材料的颜色成分的每个颜色成分包括
-获得每个颜色成分预先确定的对比度值,确定或估计待识别的并具有给定层数的薄膜材料的颜色成分的每个颜色成分,通过对于每个颜色成分,将给定颜色成分的预先确定的对比度值与约1的数值差乘以给定颜色成分的背景颜色成分,
且其中所述方法还包括
-识别作为数字图像的点或部分的一个或多个数字表示的单层和/或少层薄膜材料,对于每个颜色成分来说,所述数字图像的颜色成分在待识别的且具有给定层数的薄膜材料的确定或估计的颜色成分的预定范围内。
以这种方式,提供数字图像中层状薄膜材料的稳定和可靠的识别,因为识别是基于背景的实际颜色做出的,然后薄膜材料的实际颜色使用关于对比度的信息导出。
此外,这种识别不需要涉及昂贵和/或耗时设备,如诸如原子力显微镜(AFM)、扫描隧道显微镜(STM)或扫描电子显微镜(SEM)的校准。
此外,此识别在由相对便宜和标准设备获得的数字图像上运行。
这种识别可以用于所有类型的层状薄膜材料,其中给定对比度对应于薄膜材料的给定层,例如单层。对于石墨烯,目前能够区分至少10层。对于其他薄膜材料,有可能区分甚至更多层,当然也可以区分较少层。
但是应当理解,对于给定颜色成分预先确定的对比度值和约1之间的数值差是给定颜色成分预先确定的对比度值和约1之间差的绝对值,即只需要数值差,不需要差的符号和/或区别中的参数的顺序。
使用给定颜色成分预先确定的对比度值和精确地1之间的数值差将理想地给出最精确的结果,但可以理解的是,使用接近1的值仍可能得到可用的结果,其中值应当如何接近1的优选程度可取决于实际应用。使用的不是正好为1的值的例子,例如取决于实际应用,例如是从0.95至1.00的值;从0.90至1.00的值;从1.00至1.05的值;从1.00至1.10的值,例如1.00;0.99;0.98;0.97;0.96;0.95;0.94;0.93;0.92;0.91;0.90;1.01;1.02;1.03;1.04;1.05;1.06;1.07;1.08;1.09;1.10作为具体的例子。再次,取决于实际应用,也可以使用其他值。
在一个实施方案中,所述薄膜材料为石墨烯。
在一个实施方案中,所述薄膜材料为选自如下组中的任一种,
-二硫化钼,
-六方氮化硼,
-Sb2Te3,
-MoTe2,
-WS2,
-MoSe2,
-TaSe2,
-Bi2Te3,
-NbSe2,和
-NiTe2。
但是应该理解的是,其它类型的层状薄膜材料也以类似的方式被识别。
在一个实施方案中,所述数字图像是灰度图像或转换成灰度图像且颜色成分数为一个。
在一个替代实施方案中,所述数字图像是彩色图像且颜色成分数为三个或更多。
在一个实施方案中,所述方法包括:在一系列的数字图像中识别一个或多个数字表示的单层和/或少层薄膜材料,其中对所述系列的每个数字图像进行以下操作或者当所述确定用于所述系列的较后面的数字图像时进行一次以下操作:
-确定数字图像的背景颜色成分的每个颜色成分,和/或
-确定或估计数字图像中待识别的薄膜材料的颜色成分的每个颜色成分。
更精确地,确定每个图像的背景颜色和/或薄膜材料的颜色,但其中之一或两者均只进行一次,对于某些用途使用所确定的值更简单并且可能是完全满足的。
在一个实施方案中,当捕捉数字图像时,数字图像的薄膜材料位于给定的具有预定厚度的基底上,并且其中确定数字图像的背景颜色成分的每个颜色成分包括
-提供作为给定基底的特定类型和厚度的函数的大概范围的背景颜色成分的每个颜色成分的预定信息。
在一个实施方案中,所述方法还包括
-对数字图像应用滤波器,例如中值滤波器,以在确定数字图像的背景颜色成分的每个颜色成分之前去除高频噪声和/或椒盐噪声,
-应用一个或多个扩张步骤,随后应用一个或多个侵蚀步骤以改善用于识别薄膜材料的数字图像的质量,
-应用阈值,其中数字图像的所有像素都被丢弃,除了那些对于每个颜色成分而言,颜色成分在待识别的具有给定层数的薄膜材料的确定或估计的颜色成分的第二预定范围内的像素,和/或
-检测至少一部分数字图像的边缘或轮廓,所述数字图像已被识别为一个或多个数字表示的单层和/或少层薄膜材料。
在一个实施方案中,对于每个颜色成分所得到的预先确定的对比度值按如下推导出:
-给定颜色成分的背景的颜色强度和给定颜色成分的待识别的薄膜材料的颜色强度之间的数值差除以给定颜色成分的背景的颜色强度。
根据另一个方面,本发明还涉及一种用于自动识别数字图像中一个或多个数字表示的单层和/或少层薄膜材料的系统,所述数字图像具有预定数目的颜色成分,其中所述系统包括一个或多个处理单元适于
-确定数字图像的背景颜色成分的每个颜色成分,和
-确定或估计数字图像中待识别的薄膜材料的颜色成分的每个颜色成分,所
述待识别的薄膜材料具有至少为1的给定层数,
其中,一个或多个处理单元适于确定或估计数字图像中待识别的薄膜材料的颜色成分的每个颜色成分,通过
-获得每个颜色成分预先确定的对比度值(CR;CB;CG)和通过以下确定或估
计待识别的且具有给定层数的薄膜材料的颜色成分的每个颜色成分:对于每
个颜色成分,将给定颜色成分预先确定的对比度值(CR;CB;CG)与大约1
的数值差乘以给定颜色成分的背景颜色成分,
且其中所述一个或多个处理单元还适于
-识别作为数字图像的点或部分的一个或多个数字表示的单层和/或少层薄膜材料,对于每个颜色成分来说,所述数字图像的颜色成分在待识别的且具有给定层数的薄膜材料的确定或估计的颜色成分预定范围内。
所述系统及其实施方案对应于所述方法和其实施方案且由于同样的理由具有相同的优点。
附图说明
这些和其他方面通过附图中的示意性实施方案将变得显而易见并得到阐述,其中:
图1示出了包括单层和双层石墨烯的基底的数字图像;
图2示意性示出了薄膜材料识别方法的一个实施方案的流程图;
图3示意性示出了图1的图像获得的每个颜色成分的像素直方图的图表;
图4示意性示出了图1经图像处理(可选)去除所谓椒盐噪声后在图像中没有模糊边缘的图像;
图5a-图5f示意性示出了图1的图像经附加图像处理(可选)的效果;
图6示意性示出了图1在单层石墨烯已经被识别且非石墨烯已经被去除后的图像;
图7示意性示出了图6经一些附加图像处理去除噪声和/或伪影后的图像;
图8示意性示出了图1在双层石墨烯已经被识别且非石墨烯已经被去除后的图像;
图9示意性示出了图8经过一些附加图像处理去除噪声和/或伪影后的图像;
图10示意性示出了处理图1的图像的最终结果,显示识别的单层和双层石墨烯;和
图11示意性示出了用于自动识别数字图像中数字表示的单,双,和/或少层薄膜材料,例如石墨烯的系统的一个实施方案。
具体实施方式
图1示出了包括单层和双层石墨烯的基底的数字图像,其由差不多标准的光学显微镜获得。图中示出了数字表示的基底,其包括(在此特定实例中)单层石墨烯101以及双层102和多层石墨烯103。多层石墨烯也被称为石墨,并且通常认为是具有10层以上的石墨烯。还示出了大片的多层石墨烯投射的阴影105。
这个特定的示例性数字图像100是更大的数字图像的一段或一部分。
图像还示出了(可选)金属索引标记或其他类型的索引标记104,通常物理地呈现在基底上,使得能够当该特定的数字图像100来自更大的整体基底时进行识别。这样的标记104也可有益于能够确定给定项目,例如单层石墨烯区域在基底上的位置。
另外,数字图像可以包括数字表示的纸带残留(tape residue),噪声,划痕和/或其它伪影。
在此特定实例中,基底是在硅Si上的二氧化硅SiO2,具有90纳米的厚度。然而,其他的基底,例如Si上的聚(甲基丙烯酸甲酯)或Si或Al上的Al2O3和/或其他厚度可同样被使用,只要它们提供感兴趣的薄膜的数值上的显著对比。
数字图像,如在图1中所示的那个,可用来识别单、双、三、四和/或少层薄膜材料,例如像石墨烯,如结合图2和其它地方作为一个实例将要更详细描述的。
尽管在此特定实例中的数字图像100包括石墨烯,但应该理解的是,包括其它类型的层状薄膜材料的其它图像也可以以类似的方式进行研究,以识别给定的层状薄膜材料。作为这样的薄膜材料的实例是例如二硫化钼(MoS2)、六边形氮化硼(BN)、Sb2Te3、MoTe2、WS2、MoSe2、TaSe2、Bi2Te3、NbSe2、NiTe2等。
可以看出,单层石墨烯101的颜色接近背景的颜色(即基底的颜色),但仍然可由人眼区分虽然不容易这样做。
图2示意性示出了薄膜材料识别方法的一个实施方案的流程图。示出的是开始于步骤301的流程图300。开始前或开始时,提供或获得数字图像(例如,像图1中所示的)用于为了识别单、双、三、四和/或少层薄膜材料的自动处理。在下文中,SiO2基底上的石墨烯作为实例将被使用。
在步骤302(可选步骤),高频噪声-也常常被称为椒盐噪声-被去除为了获得更均匀的数字图像以实现包括石墨烯的一个或多个区域更可靠的检测。
这可以例如通过应用中值滤波器或类似的滤波器(将每个像素值用周边像素中间值替代,从而有效地去除外围像素)来完成。
中值滤波器可以非常有效地去除椒盐噪声,同时保留边缘的清晰度,因此,特别有益于赋予或提高区域识别的精度和/或随后的边缘检测(如果使用的话)的精度(参见下面的步骤309)和/或其它功能。
应用这种滤波器或功能的实例可例如在图4看出,其示出了中值滤波器被应用于图1的图像后的数字图像100。可以看出,椒盐/高频噪声已被去除或减少,而且图像包含更均匀的颜色。
步骤302后,进行(可选)步骤303,其应用附加的图像处理,以进一步提高识别处理。更具体地,进行一个或多个扩张步骤或类似步骤随后进行一个或多个侵蚀步骤或类似步骤。扩张步骤的数量不必等于侵蚀步骤的数量。
扩张和其对应的-侵蚀-在数学形态学上以其基本形式操作。扩张是给定图像(二进制,灰度,或彩色)用内核或类似物的卷积,通常被称为局部最大值操作。所述操作将所有像素替换为由内核的大小和形状限定的周围像素的最大值。作为一个实例,可以使用正方形3x3像素内核。例如,这已经被用于图5a-5f,应当理解的是,也可以使用其它形状和/或尺寸的内核。
在给定图像较暗和较亮区域之间的边界,应用扩张将扩大亮区域的边界(与减少暗区域的边界相同),从而增加较亮区域的面积,而应用侵蚀则进行相反操作,即扩大暗区域的边界(与减少亮区域的边界相同),从而增加较暗区域的面积。
特别是关于识别石墨烯(或其他薄膜材料),扩张可以用来去除小片、斑点或石墨区域和残留物周围的边缘,因为接近背景颜色具有正像素对比度的像素(即比背景颜色深)将被排除。
图5a-5c中示出了对图4的图像连续多次(在此特定实例中为三次)应用扩张的一个实例。
可以看出,亮区域的边界被扩大,边缘的贡献等大大降低,在本质上进一步“清理”图像以便更精确的处理。
然而,对应于石墨烯的图像的一部分(多部分)在此过程中尺寸也减小。因此,为了更精确地获得石墨烯区域的更精确的界限或边界,随后执行一个或多个侵蚀的应用。
图5d-5f显示了连续多次(在此特定实例中也为三次)应用侵蚀的一个实例。
可以看出,暗区的边界被扩大。
应用扩张一次或多次,随后应用侵蚀一次或多次将(平衡但不一定相等时)减少或去除图像较小的和较暗的部分或元素,然后放大较大的部分或元素差不多回到其原始尺寸,其中被去除的部分或元素将无法恢复。该本质上进一步“清理”图像而不去除和/或改变图像的石墨烯部分的大体的颜色和/或边缘信息。
(可选)步骤303后,进行步骤304,其中特定背景的实际颜色,即特定基底的实际颜色被确定。
它可以简单地引诱记录所用基底的参照图像的背景颜色,然后从用于识别的待处理的一个或多个晶片图像简单地减去参照图像,如RGB值(或相似的另一颜色空间)或灰度值。
然而,当获得包括石墨烯(或其它薄膜材料)的基底的数字图像时,背景颜色在整个例如4”的晶片上发生变化。差别相当明显,并且可以由基底厚度、光源照明强度、显微镜/图像捕获设备的快门时间、和/或由于晶片翘曲度的散焦等小的变化引起。
优选地,对于用于识别的待处理的每个图像分别确定其背景颜色,例如,作为系列图像分析的一部分,以提供特定背景的实际颜色。可替代地,背景颜色可以被一次确定并且用于后续的图像,这是更简单的,但不够精确。
确定背景颜色一种简单而有效的方法是简单地使用给定厚度的给定基底的背景颜色大概范围的预定信息。
该一个或多个类型的基底的预定信息可以为例如物理存储在适当的电子内存(memory)和/或存储(storage)中(参见例如图11中203),以在需要时检索或使用。
对于图1中的特定实例,每个原色成分R(红),G(绿),和B(蓝)的颜色成分的值是已知的例如为约175±10、145±10、140±10。对于灰度处理,单颜色成分值是已知的为约150±10。但是应当理解,每个原色可以使用其它区间代替,例如140±5、140±15等。范围不宜太窄(可能丢弃背景像素)或过宽(就失去有用的信息而言不再是个问题,不过仅仅是浪费处理时间和/或精力)。
还应当理解,也可使用不是RGB的其它颜色空间或模型,例如像HSL(色度、饱和度、亮度)、HSV(色度、饱和度、值)、HIS(色度、饱和度和强度)等。
使用每个原色成分的色成分值区间和像素直方图(或灰度图像的单颜色成分区间和直方图),可确定特定图像的实际的背景颜色成分值(或灰度值),如通过对于每个颜色成分(或灰度值)在预定范围内确定总体最优值,假设背景色将是图像更为主导的颜色。这个假设对于生成以这种方式在基底上定位的材料的这种图像是安全的。可替代地,用于确定背景颜色的其他方法可能是同样有效的。
这是如示于图3中,其示出使用RGB颜色空间的R(401)、G(402)、和B(403)中的每一个的像素直方图。可以很容易地看出,背景颜色(每个像素直方图中最右边的虚线)远占主导地位。
作为一种替代,不需要颜色成分值的期望值和范围,从而导致需要在所有可得值中确定每个颜色成分的总体最优值。这对于所有其他实施方案将同样有效,但只是需要更多的处理时间和/或精力。
从数字图像导出一个或多个像素直方图是相当直截了当的和众所周知的。
当已经确定背景颜色的特定颜色成分值时,随后确定石墨烯的特定颜色。
这在本实施方案中通过首先在步骤305,例如从适当的内存和/或存储(参见例如图11中203)获得一个或多个预定对比度值来实现。对于灰度图像仅获得单一对比度值,而对于例如使用R,G,B颜色成分的彩色图像则获得三个不同的对比度值。但是应该理解的是,其他非RGB的颜色模式/空间可以使用,并且颜色成分数可不同于三个。
对比度可以按如下计算:背景的颜色强度(由颜色成分的值表示)和感兴趣的石墨烯的颜色强度之差除以背景的颜色强度,即
这也同样适用于每个颜色成分,例如
本发明人已经认识到并显示数字图像中给定类型的石墨烯(即单、双、三、四、或少层石墨烯)的对比度-对于有石墨烯沉积的给定厚度的基底-是恒定的(小的公差内)-甚至对于不同的颜色空间/模式-并且同样,石墨烯的每个颜色成分的对比度是恒定的(小的公差内)且由基底(和其厚度)唯一确定。
给定层的石墨烯的对比度可区别地不同于另一个给定层的石墨烯的对比度,例如单层石墨烯的对比度不同于双层石墨烯的对比度,双层石墨烯的对比度不同于三层石墨烯的对比度等等。双层石墨烯的对比度是单层石墨烯的对比度的2倍左右,而三层石墨烯的对比度是单层石墨烯等的对比度的3倍左右等。
这使得容易并有效的区分和从而分别识别包括石墨的不同层的石墨烯。
例如,在90nm SiO2基底上单层石墨烯的数字彩色图像的R,G,B的对比度[CR;CG;CB]为约[9%;11%;8%]。由于小的变动和误差它可以改变一点。本发明人已例如通过实验测得对比度为如大约[8.6%;10.5%;8.1%]以及其他实例。
对比度值(例如,对于每个颜色成分)对于给定的基底可以简单地测量一次作为基底类型和其厚度的函数,然后存储在适当的内存和/或存储中(参见例如图11中203),以便以后使用。
确定具有给定厚度的给定基底的对比度值的一种方法是例如用光学显微镜手动找到一片石墨烯,捕捉该片的图像并测量对比度。或者人们可以通过考虑层状薄膜中的光传播例如通过使用菲涅耳方程并将其转换为适当的颜色空间计算对比度。
这个预定后,对于具有相同厚度的同一基底就没有必要重新测量避免需要进一步校准。
随后,对于给定层的石墨烯的每个颜色成分的特定值可使用每个颜色成分这种预定的对比度值[CR;CG;CB]和也是每个成分的确定的背景颜色(在步骤304确定的)确定。
这在步骤306进行,其中识别的背景颜色成分,每个乘以1减去所讨论的石墨烯的同一颜色成分的对比度(或所讨论的石墨烯的同一颜色成分的对比度减去1的绝对值)的结果。应该理解的是,使用接近1的值仍可能得到可用的结果。值应该如何接近1的优选程度可取决于实际应用。不是正好为1的可使用的值的例子-例如,根据实际应用-是例如从0.95至1.00的值;从0.90至1.00的值;从1.00至1.05的值;从1.00至1.10的值,例如1.00;0.99;0.98;0.97;0.96;0.95;0.94;0.93;0.92;0.91;0.90;1.01;1.02;1.03;1.04;1.05;1.06;1.07;1.08;1.09;1.10作为具体的例子。再次,取决于实际应用也可以使用其他值。
例如,对于单层石墨烯,其中红色成分的背景颜色强度已被确定为175和预定的红色对比度值CR已被检索为9%,结果将是175×(1-9%)等于约159,表示单层石墨烯的红色成分在实际图像中具有约159的值。这对应于在图3的红色直方图中看到的159左右的像素值的峰值。以类似的方式,确定绿色和蓝色的值。
当这些值被确定时,确定给定图像中具有给定层数的给定类型的石墨烯实际的(或其非常良好的估计)颜色。包含具有那个特定层数(至少为1)的特定类型的石墨烯的面积或区域随后可容易地识别,例如简单地通过寻找具有相同颜色成分值的图像的部分-优选在给定范围内。这可以例如对于每个颜色成分简单地在图像中搜索具有相应值(例如,在一定范围内)的像素进行。
作为一个实例继续上述,如果单层石墨烯的红色成分具有159的值,然后所有具有红色值的像素在例如159±5范围内(对于绿色和蓝色也满足具有合适范围内的值)被确定为包含单层石墨烯。
如果其他类型的石墨烯,例如双层石墨烯,也在图像中被识别,可以以相同的方式使用对于特定类型的石墨烯预定的对比度进行推导。
然而,简单地搜索像素不是有效的。可替代地,相关的像素可以根据将在下面进行说明的(可选)步骤307和308确定。
已经确定特定类型的石墨烯的颜色值后,在步骤307中应用阈值,其中丢弃所有像素(例如,设置为黑色)除了具有相应于特定类型的石墨烯的值附近的合适的相对小范围的值的像素。剩余像素随后可设定为另一种颜色,例如白色。这方面的示范性结果可见于图6中对于单层石墨烯的结果。
重要的是要注意,所述阈值一起应用于RGB这三种颜色。如果给定的RGB像素与像素对比度的符合(即在相关值范围内)无论如何均小于所有三种颜色,则将其丢弃。对三种颜色使用约束条件导致比在灰度图像中高得多的精确度,在灰度图像中三种RGB颜色简化为单一灰度颜色,例如根据灰色强度=0.3×红色强度+0.59×绿色强度+0.11×蓝色强度或类似的。
然而,该方法仍然可以用于灰度图像-然而精度不高-由此阈值仅应用于单一的灰度颜色。
如果几个类型的石墨烯被确定,那么对于它们的每一个可以给出其独特的颜色,例如单层石墨烯可设定为白色,双层石墨烯可设定为一个给定的灰色阴影等,图8示出了双层石墨烯的实例。
然而,所获得的阈值图像可能仍包含一些伪影和噪声-如还可以在图6和图8中看出的。这可以被去除,例如根据(可选)步骤308,其执行一个或多个侵蚀步骤,随后执行一个或多个扩张步骤。
可替代地,可以应用其它的过滤器实现同样的效果。
这有效地去除了非石墨烯像素残余。而联合的侵蚀和扩张步骤主要用于保留石墨烯的面积和形状,应当注意的是,薄的特征也将被消除。然而,这通常不是问题,因为石墨烯的薄区域(薄的特征事实上应代表这个)通常没有兴趣作进一步处理。
图7和图9分别示出图6和图8应用侵蚀、随后扩张后的图像,石墨烯的面积可以清楚地看到,并照此已被有效地确定。
该程序现在可以结束。然而,在一些实施方案中,可以(可选地)应用如步骤309中的进一步的功能,取决于其用途。这些功能可以例如包括应用适当的边缘或轮廓检测算法,例如使能够导出更多关于石墨烯的给定区域的量化信息。
当给定石墨区域的轮廓/所有边缘已经确定,计算一个或多个参数,如面积、周长、圆度、伪长度、伪宽度等是简单的。圆度代表实际周长与具有相同面积的圆的周长的比。伪长度是具有给定面积和周长的矩形的长度,而伪宽度是伪长度除以面积。
这样的参数在表征石墨烯区域是有用的。特别是面积和圆度对于检测适当的石墨烯区域(例如用于以电子束光刻进行后处理以用于需要一定的长度和宽度的Hall-bar设备或其他用途)是重要的参数或约束。
石墨烯区域在基底或晶片上的位置可以使用图像的索引标记确定。该位置信息可以例如(连同其它相关参数)用于CAD程序或类似地,使能够自动优化设备在识别的石墨烯区域的布置。这可包括识别转移过程前或后或过程中在Cu、Ni、SiC、Ru、Ir或类似材料上生长的石墨烯单个区域的位置和/或方向。
图10示出处理图1的图像的最终结果,示出识别的单层和双层的石墨烯。
任选的步骤应理解为,在进行识别的过程中它们不需要出现,尽管它们可以出现,与出现但不被调用不同。
一个图像被处理和一个或多个例如不同的层状石墨烯区域已/已被识别后,如果适用该方法可循环回步骤301或302并处理另一图像。这可以例如继续进行,直至晶片或类似的所有图像已被处理,也可以继续进行更多的晶片。
应该理解的是,步骤304和305的执行顺序例如可以转换甚至并行完成。作为另一替代方案,步骤302可以在步骤303之后进行。
图3示意性示出了由图1中所述单层和双层石墨烯附近区域获得的每个颜色成分的像素直方图的图表,使信息更清楚。或者,它们可导出整个图像。示出的是颜色成分R(401)、G(402)和B(403)中的每一个的像素直方图。最右边的虚线为背景颜色,中间虚线为单层石墨烯,而左侧虚线为双层石墨烯。
图4示意性示出了图1经(可选)图像处理去除所谓椒盐噪声后的图像,在图像中没有模糊边缘。示出的是处理的数字图像100。
图5a-5f示意性示出了图1图像的(可选)附加图像处理的效果。
图5a-5c示出了应用三次扩张的效果(每图应用一次)。
图5d-5f示出了应用三次侵蚀的效果(每图应用一次)。
图6示意性示出了图1在单层石墨烯已被识别且非石墨烯已被去除后一些伪影和噪声仍然存在的图像。
图7示意性示出了图6经过一些附加的图像处理去除噪声和/或伪影后的图像。
图8示意性示出了图1在双层石墨烯已经被识别且非石墨烯已经被去除后的图像;
图9示意性示出了图8经过一些附加图像处理去除噪声和/或伪影后的图像;
图10示意性示出了处理图1的图像的最终结果,显示识别的单层和双层石墨烯。
图4-10的内容和操作已经结合图2的流程图更详细地进行了解释。
图11示意性示出了用于自动识别数字图像中数字表示的单,双,和/或少层薄膜材料(例如石墨烯)的系统的一个实施方案。示出的是系统200,其包括至少一个处理单元201,该处理单元经由一个或多个通信和/或数据总线202连接到内存和/或存储203,可选的通信元件204例如经由网络、因特网、Wi-Fi连接、和/或类似物用于通信,和(可选的)显示器205。
系统200可以是差不多标准的计算系统,如个人电脑、笔记本电脑、平板电脑等,或适当地编程以执行如整个说明书的实施方案中描述的方法或程序和其变型的任何其他合适的系统。
系统200可选地还包括图像捕获装置206用于获得像图1中所示的图像。可替代地,这样的图像可以简单地提供给系统200。
在权利要求中,置于括号之间的任何标号不应被理解为限制该权利要求。词语“包括”不排除在权利要求中列出的元素或步骤以外的元素或步骤的存在。元素之前的单词“一(a)”或“一(an)”不排除存在多个这样的元素。
相互不同的从属权利要求中引用的某些措施的单纯事实并不表示这些措施的组合不能被有利地使用。
本发明所公开的各种实施方案和/或它们的元素可以在不脱离本发明的主旨的范围内进行组合对本领域技术人员将是显而易见的。
Claims (16)
1.一种自动识别数字图像(100)中一个或多个数字表示的单层(101)和/或少层(102)薄膜材料的方法,所述数字图像(100)具有预定数目的颜色成分,所述方法包括
-确定(304)数字图像(100)的背景颜色成分的每个颜色成分,和
-确定或估计(306)数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分,所述待识别的薄膜材料具有至少为一层的给定层数,
其中,确定或估计(306)数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分包括
-获得每个颜色成分的预先确定的对比度值,确定或估计待识别的并具有给定层数的薄膜材料的颜色成分的每个颜色成分,通过对于每个颜色成分,将给定颜色成分的预先确定的对比度值与约1的数值差乘以给定颜色成分的背景颜色成分,
且其中所述方法还包括
-识别(307)作为数字图像(100)的点或部分的一个或多个数字表示的单层(101)和/或少层(102)薄膜材料,对于每个颜色成分来说,所述数字图像的颜色成分在待识别的且给定层数的薄膜材料的确定或估计的颜色成分的预定范围内。
2.根据权利要求1所述的方法,其中所述薄膜材料为石墨烯。
3.根据权利要求1所述的方法,其中所述薄膜材料为选自如下组中的任一种,
-二硫化钼,
-六方氮化硼,
-Sb2Te3,
-MoTe2,
-WS2,
-MoSe2,
-TaSe2,
-Bi2Te3,
-NbSe2,和
-NiTe2。
4.根据权利要求1-3之一所述的方法,其中
-数字图像(100)是灰度图像或转换成灰度图像且颜色成分数为一个,或
-数字图像(100)是彩色图像且颜色成分数为三个或更多。
5.根据权利要求1-4之一所述的方法,所述方法包括在一系列的数字图像(100)中识别一个或多个数字表示的单层(101)和/或少层(102)薄膜材料,其中对所述系列的每个数字图像进行以下操作或者当所述确定用于所述系列的较后面的数字图像时进行一次以下操作
-确定(304)数字图像(100)的背景颜色成分的每个颜色成分,和/或
-确定或估计(306)数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分。
6.根据权利要求1-5之一所述的方法,其中当捕捉数字图像时,数字图像(100)的薄膜材料位于具有预定厚度的给定的基底上,并且其中确定(304)数字图像(100)的背景颜色成分的每个颜色成分包括
-提供作为给定基底的特定类型和厚度的函数的大概范围的背景颜色成分的每个颜色成分的预定信息。
7.根据权利要求1-6之一所述的方法,其中所述方法还包括
-对数字图像(100)应用滤波器(302),例如中值滤波器,以在确定(304)数字图像(100)的背景颜色成分的每个颜色成分之前去除高频噪声和/或椒盐噪声,
-应用(303)一个或多个扩张步骤,随后应用一个或多个侵蚀步骤,以改善用于识别薄膜材料的数字图像(100)的质量,
-应用阈值(307),其中数字图像(100)的所有像素都被丢弃,除了那些对于每个颜色成分而言,颜色成分在待识别的具有给定层数的薄膜材料的确定或估计的颜色成分的第二预定范围内的像素,和/或
-检测至少一部分数字图像(100)的边缘或轮廓(309),所述数字图像已被识别为一个或多个数字表示的单层(101)和/或少层(102)薄膜材料。
8.根据权利要求1-7之一所述的方法,其中对于每个颜色成分所得到的预先确定的对比度值按如下推导:
-给定颜色成分的背景的颜色强度和给定颜色成分的待识别的薄膜材料的颜色强度之间的数值差除以给定颜色成分的背景的颜色强度。
9.一种用于自动识别数字图像(100)中一个或多个数字表示的单层(101)和/或少层(102)薄膜材料的系统(200),所述数字图像(100)具有预定数的颜色成分,其中所述系统包括一个或多个处理单元(201)适于
-确定数字图像(100)的背景颜色成分的每个颜色成分,和
-确定或估计数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分,所述待识别的薄膜材料具有至少为1的给定层数,
其中,一个或多个处理单元(201)适于确定或估计数字图像(100)中待识别的薄膜材料的颜色成分的每个颜色成分,通过
-获得每个颜色成分预先确定的对比度值和确定或估计待识别的且具有给定层数的薄膜材料的颜色成分的每个颜色成分,通过对于每个颜色成分,将给定颜色成分预先确定的对比度值与大约1的数值差乘以给定颜色成分的背景颜色成分,
且其中所述一个或多个处理单元(201)还适于
-识别作为数字图像(100)的点或部分的一个或多个数字表示的单层(101)和/或少层(102)薄膜材料,对于每个颜色成分来说,所述数字图像的颜色成分在待识别的且具有给定层数的薄膜材料的确定或估计的颜色成分的预定范围内。
10.根据权利要求9所述的系统,其中所述薄膜材料为石墨烯。
11.根据权利要求9所述的系统,其中所述薄膜材料为选自如下组中的任一种,
-二硫化钼,
-六方氮化硼,
-Sb2Te3,
-MoTe2,
-WS2,
-MoSe2,
-TaSe2,
-Bi2Te3,
-NbSe2,和
-NiTe2。
12.根据权利要求9-11之一所述的系统,其中
-数字图像(100)是灰度图像或转换成灰度图像且颜色成分数为一个,或
-数字图像(100)是彩色图像且颜色成分数为三个或更多。
13.根据权利要求9-12之一所述的系统,所述系统适于在一系列的数字图像(100)中识别一个或多个数字表示的单层(101)和/或少层(102)薄膜材料,其中对所述系列的每个数字图像进行以下操作或者当所述确定用于所述系列的较后面的数字图像时进行一次以下操作
-确定数字图像(100)的背景颜色成分的每个颜色成分,和/或
-确定或估计数字图像(100)中待识别的薄膜材料中颜色成分的每个颜色成分。
14.根据权利要求9-13之一所述的系统,其中当捕捉数字图像时,数字图像(100)的薄膜材料位于具有预定厚度的给定基底上,并且其中一个或多个处理单元(201)适于通过以下确定数字图像(100)的背景颜色成分的每个颜色成分
-提供作为给定基底的特定类型和厚度的函数的大概范围的背景颜色成分的每个颜色成分的预定信息。
15.根据权利要求9-14之一所述的系统,其中所述系统还包括
-对数字图像(100)应用滤波器,例如中值滤波器,以在确定数字图像(100)的背景颜色成分的每个颜色成分之前去除高频噪声和/或椒盐噪声,
-应用一个或多个扩张步骤随后应用一个或多个侵蚀步骤以改善用于识别薄膜材料的数字图像(100)的质量,
-应用阈值,其中数字图像(100)的所有像素都被丢弃,除了那些对于每个颜色成分而言,颜色成分在待识别的具有给定层数的薄膜材料确定或估计的颜色成分第二预定的范围内的像素,和/或
-检测至少一部分数字图像(100)的边缘或轮廓,所述数字图像已被识别为一个或多个数字表示的单层(101)和/或少层(102)薄膜材料。
16.根据权利要求9-15之一所述的系统,其中对于每个颜色成分所得到的预先确定的对比度值按如下推导:
-给定颜色成分的背景的颜色强度和给定颜色成分的待识别的薄膜材料的颜色强度之间的数值差除以给定颜色成分的背景的颜色强度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12180234.2 | 2012-08-13 | ||
EP12180234 | 2012-08-13 | ||
PCT/DK2013/050264 WO2014026692A1 (en) | 2012-08-13 | 2013-08-13 | Automatic identification of single- and/or few-layer thin-film material |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104737201A true CN104737201A (zh) | 2015-06-24 |
Family
ID=47002592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380053502.4A Pending CN104737201A (zh) | 2012-08-13 | 2013-08-13 | 单层和/或少层薄膜材料的自动识别 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9251601B2 (zh) |
EP (1) | EP2883207B8 (zh) |
KR (1) | KR20150045464A (zh) |
CN (1) | CN104737201A (zh) |
ES (1) | ES2642350T3 (zh) |
WO (1) | WO2014026692A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10989668B2 (en) * | 2016-06-27 | 2021-04-27 | The Regents Of The University Of California | Method for direct optical visualization of graphene and its nanoscale defects on transparent substrates |
US20200160089A1 (en) * | 2018-11-15 | 2020-05-21 | International Business Machines Corporation | Visual pattern recognition with selective illumination for assisted inspection |
WO2020195215A1 (ja) * | 2019-03-25 | 2020-10-01 | 日本電気株式会社 | 画像処理装置および画像処理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6236459B1 (en) * | 1998-11-05 | 2001-05-22 | University Of Miami | Thin film measuring device and method |
CN1774721A (zh) * | 2003-04-16 | 2006-05-17 | 热生物之星公司 | 阵列元件的检测、解析及识别 |
JP2010043987A (ja) * | 2008-08-14 | 2010-02-25 | National Institute Of Advanced Industrial & Technology | グラフェン又は超薄膜グラファイトの厚さ検出方法および厚さ検出システム |
US20110299720A1 (en) * | 2010-03-18 | 2011-12-08 | The Regents Of The University Of California | Systems and methods for material layer identification through image processing |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9105403B2 (en) | 2008-01-14 | 2015-08-11 | The Regents Of The University Of California | High-throughput solution processing of large scale graphene and device applications |
US8426120B2 (en) | 2009-09-29 | 2013-04-23 | Northwestern University | High-throughput imaging of graphene based sheets by fluorescence quenching microscopy and applications of same |
-
2013
- 2013-08-13 WO PCT/DK2013/050264 patent/WO2014026692A1/en active Application Filing
- 2013-08-13 KR KR1020157006430A patent/KR20150045464A/ko not_active Application Discontinuation
- 2013-08-13 CN CN201380053502.4A patent/CN104737201A/zh active Pending
- 2013-08-13 US US14/419,869 patent/US9251601B2/en not_active Expired - Fee Related
- 2013-08-13 EP EP13755943.1A patent/EP2883207B8/en not_active Not-in-force
- 2013-08-13 ES ES13755943.1T patent/ES2642350T3/es active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6236459B1 (en) * | 1998-11-05 | 2001-05-22 | University Of Miami | Thin film measuring device and method |
CN1774721A (zh) * | 2003-04-16 | 2006-05-17 | 热生物之星公司 | 阵列元件的检测、解析及识别 |
JP2010043987A (ja) * | 2008-08-14 | 2010-02-25 | National Institute Of Advanced Industrial & Technology | グラフェン又は超薄膜グラファイトの厚さ検出方法および厚さ検出システム |
US20110299720A1 (en) * | 2010-03-18 | 2011-12-08 | The Regents Of The University Of California | Systems and methods for material layer identification through image processing |
Non-Patent Citations (2)
Title |
---|
《环境科学大辞典》编委会: "《环境科学大辞典(修订版)》", 30 September 2008, 中国环境科学出版社 * |
傅德胜,寿亦禾: "《图形图像处理学》", 31 January 2002, 东南大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
KR20150045464A (ko) | 2015-04-28 |
EP2883207B8 (en) | 2017-08-02 |
EP2883207B1 (en) | 2017-05-10 |
US20150199826A1 (en) | 2015-07-16 |
US9251601B2 (en) | 2016-02-02 |
ES2642350T3 (es) | 2017-11-16 |
WO2014026692A1 (en) | 2014-02-20 |
EP2883207A1 (en) | 2015-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5997185B2 (ja) | 明細書微生物増殖を分析する方法およびソフトウェア | |
JP4997252B2 (ja) | 画像内の照明域を識別する方法 | |
Jones et al. | Understanding multispectral imaging of cultural heritage: Determining best practice in MSI analysis of historical artefacts | |
JP2018525746A5 (zh) | ||
WO2015076406A1 (ja) | 骨粗鬆症診断支援装置 | |
CN114494259A (zh) | 一种基于人工智能的布匹缺陷检测方法 | |
JP2010535579A (ja) | 酢酸加工された子宮頸部上皮内腫瘍に関するコンピュータ画像解析 | |
CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
US20190180432A1 (en) | Color Quality Assessment Based on Multispectral Imaging | |
CN113723573A (zh) | 基于自适应比例学习的肿瘤组织病理分类系统及方法 | |
CN107529963B (zh) | 图像处理装置、图像处理方法和存储介质 | |
TW201220039A (en) | Inspection recipe generation and inspection based on an inspection recipe | |
JP2011180120A (ja) | 防水シート診断方法および診断装置 | |
JP2012142935A (ja) | 夜景光源検知装置及び夜景光源検知方法 | |
CN113256572B (zh) | 基于修复和选择性增强的胃镜图像分析系统、方法及设备 | |
CN104737201A (zh) | 单层和/或少层薄膜材料的自动识别 | |
CN110910367A (zh) | 生物反应器细胞培养质量评价方法 | |
WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
CN113657335A (zh) | 基于hsv颜色空间的矿相识别方法 | |
CN109242850A (zh) | 采用鲁棒局部各向异性聚类模型的磁共振图像修正方法 | |
JP2008535519A (ja) | 細胞の構造及びその構成要素を分析する方法 | |
Salih et al. | Adaptive local exposure based region determination for non-uniform illumination and low contrast images | |
JP2002090308A (ja) | 画像処理を用いた鋼材表面の劣化度評価システム | |
JP2021064215A (ja) | 表面性状検査装置及び表面性状検査方法 | |
CN107704864A (zh) | 基于图像对象性语义检测的显著目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150624 |
|
WD01 | Invention patent application deemed withdrawn after publication |