CN106407538A - 基于Hadoop的位图版图向CIF版图转换方法 - Google Patents
基于Hadoop的位图版图向CIF版图转换方法 Download PDFInfo
- Publication number
- CN106407538A CN106407538A CN201610808010.7A CN201610808010A CN106407538A CN 106407538 A CN106407538 A CN 106407538A CN 201610808010 A CN201610808010 A CN 201610808010A CN 106407538 A CN106407538 A CN 106407538A
- Authority
- CN
- China
- Prior art keywords
- domain
- bitmap
- cif
- image
- coordinate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 34
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 239000012141 concentrate Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000003708 edge detection Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Architecture (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于Hadoop的位图版图向CIF版图转换方法，实现步骤为：(1)读取位图；(2)预处理位图；(3)上传二值图像集；(4)分块存储二值图像集；(5)位图版图转换集成电路中的CIF版图；(6)提交任务。本发明相比现有技术对位图版图向CIF版图转换方法，具有使用普通的硬件计算机，就能完成大规模位图版图向集成电路版图的CIF版图的稳定转换的优点，该方法可以提高大规模位图版图向集成电路版图的CIF版图的转换效率，解决在单机串行转换效率不高的问题。本发明可用于对位图版图向CIF版图转换。
Description
技术领域
本发明属于计算机技术领域，更进一步涉及集成电路和计算机分布式数据处理技术领域中的一种基于分布式处理框架Hadoop的位图版图向集成电路版图的加州理工中介格式CIF(Caltech Intermediate Form)版图转换方法。本发明应用分布式文件系统HDFS(Hadoop Distributed File System)对输入位图版图进行分布式的存储及应用映射-化简(MapReduce)架构对位图版图进行像素信息提取和转换等操作，可用于高效率地把大规模位图版图转换为集成电路版图的加州理工中介格式CIF文件版图。
背景技术
随着集成电路产业的快速发展，超大规模的集成电路应运而生。在集成电路的生产制造中，因为设计或者工艺上的不足，总有一些集成电路无法达到设计的要求甚至无法正常工作，最终导致成品率的下降，因此集成电路的成品率一直是生产制造业关心的问题。而关键面积是衡量集成电路成品率的一个重要指标。版图中的线网和随机缺陷轮廓大多数是非规则形状的，在平面位图版图上可以更加直观的计算线网的关键面积及优化随机缺陷。因此将集成电路版图的加州理工中介格式CIF文件版图转换为位图版图，对位图版图进行计算版图关键面积以及对关键面积进行优化，优化完成后，需要将位图版图转换为集成电路版图的加州理工中介格式CIF文件版图。
Changjiang Li，Junping Wang，Dan Xu，Yanhong Gao在“A study on optimizedlayout transformation algorithm”(Anti-Counterfeiting,Security andIdentification(ASID)，2013IEEE International Conference on.IEEE,2013:1-4.)论文中提出一种将位图转换为集成电路版图的加州理工中介格式CIF文件的方法。该方法的基本思想是读入含有版图线网信息的位图，通过产生很多矩形去拟合位图图像，将位图中的图像用矩形“拼合”出来，并把这些矩形转换成集成电路版图的加州理工中介格式CIF文件版图，从而完成位图图像向集成电路版图的加州理工中介格式CIF文件版图的转换。该方法的不足之处是矩形拟合过程会产生特别多的矩形，随着位图规模的增大，该方法很耗机器内存和CPU等资源，需要硬件配置很高的计算机才能稳定转换。
王俊平、赵腾伟、贾博文等人在“基于图像边缘检测的版图图像转化为CIF文件方法”(申请号：201510231126.4，公开号：104794308A)专利中提出来了一种将位图版图转换为集成电路版图的加州理工中介格式CIF文件版图的方法。其主要实现步骤是：1.将版图图像转化成二值图；2.打通二值图中的孔洞；3.对打通孔洞后的二值图进行边缘提取；4.根据边缘提取结果计算图像的顶点，并优化顶点信息；5.根据图形顶点信息匹配图像形状，并根据集成电路版图的加州理工中介格式CIF格式规则将其转换为集成电路版图的加州理工中介格式CIF格式指令；6.将所有集成电路版图的加州理工中介格式CIF命令写入集成电路版图的加州理工中介格式CIF文件版图中。该方法存在的不足之处是，在单机上对于少量的位图版图可以进行高效地串行转换，但是对于位图版图数量规模的扩大，单机转换效率不高。
发明内容
本发明的目的在于克服上述现有技术的不足，提出一种基于Hadoop的位图版图向CIF版图转换方法，该方法可以提高大规模位图版图向为集成电路版图的加州理工中介格式CIF文件版图的转换效率，解决在单机串行转换时效率低的问题。
实现本发明目的的具体步骤如下：
(1)读取位图：
使用编辑器Eclipse，加载待处理的位图图像集中的全部位图，得到位图版图；
(2)预处理位图版图：
(2a)将位图版图的二值化阈值Th设置为200；
(2b)从位图版图中随机选取一张位图版图，利用二值化阈值Th，将所选取的位图版图转换成二值图像；
(2c)将二值图像以X_Y_Z.bmp格式保存，其中，X表示位图版图所在的集成电路的层数，Y表示位图版图位于第Y行，Z表示位图版图位于第Z列；
(2d)判断是否选取完所有的位图图版，若是，则将所有的二值图像组成二值图像集，执行步骤(3)，否则，执行步骤(2b)；
(3)上传二值图像集：
(3a)通过操作系统Linux终端，使用分布式处理框架Hadoop集群的启动命令，启动分布式处理框架Hadoop集群；
(3b)将二值图像集，通过操作系统Linux终端上传到分布式文件系统HDFS中；
(4)分块存储二值图像集：
(4a)分布式文件系统HDFS对上传到该系统中的二值图像集进行分块；
(4b)将分块平均地存储在分布式处理框架hadoop集群中的各个数据节点中；
(5)位图版图转换集成电路中的CIF版图：
(5a)设置映射Map：
(5a1)使用组合图像输入格式CombineFileImageInputFormat对二值图像集进行处理，得到键值key1/value1；
(5a2)将键key1转换为图像处理库JavaCV图像IplImage中的数据Ipl1；
(5a3)读取数据Ipl1，采用图像边缘检测方法，得到位图版图中的线网顶点信息坐标集V2；
(5a4)定义一个整型数组，将二值图像的名字由文本Text类型转换为字符串String类型，得到一个字符串；将字符串在下划线处进行分割，分割成子字符串，将分割后的子字符串转换成整型数字，按照分割前字符串中的先后顺序将整型数字依次存入整型数组中；
(5a5)读取整型数组中第四位数值作为位图版图的横向偏移量offet1，读取整型数组中第五位数值作为位图版图的纵向偏移量offet2；
(5a6)随机读取线网顶点信息坐标集V2中的一个坐标；
(5a7)将坐标的横坐标加上横向偏移量offet1，坐标的纵坐标加上纵向偏移量offet2，得到一个新的坐标；
(5a8)判断线网顶点信息坐标集V2中的坐标是否处理完，若是，得到一个新的线网顶点信息坐标集V3，则执行步骤(5a6)，否则，执行步骤(5a9)；
(5a9)按照集成电路版图CIF格式规则，将线网顶点信息坐标集V3转换为集成电路版图的CIF格式指令，并将生成的指令作为文本Text类型的键key2，以*代表空值，将空值*作为值value2；
(5b)设置化简Reduce：
(5b1)将集成电路版图的CIF文件版图中说明集成电路版图信息的注释语句输出到集成电路版图的CIF文件版图；
(5b2)将键key2输出到集成电路版图的CIF文件版图；
(5b3)将文件结束命令语句添加到集成电路版图的CIF文件版图；
(6)提交任务：
(6a)初始化任务Job；
(6b)将任务job提交到分布式处理框架Hadoop集群中。
本发明与现有的技术相比具有以下优点：
第1，由于本发明使用分布式处理框架hadoop集群中的各个数据节点分块存储二值图像集，只要求使用普通的硬件计算机，克服了现有技术很耗机器内存和CPU等资源，需要硬件配置很高的计算机才能稳定转换的缺点，使得本发明具有，使用普通的硬件计算机，就能完成大规模位图版图向集成电路版图的CIF版图的稳定转换的优点。
第2，由于本发明使用Hadoop集群对位图版图向集成电路版图的CIF版图转换，克服了现有技术中随着位图版图数量规模的扩大，单机串行转换效率不高的缺点，使得本发明提高了大规模位图版图向集成电路版图的CIF版图的转换效率。
附图说明
图1为本发明的流程图；
图2为本发明与现有方法的转换时间比较图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照图1，对本发明的具体实施步骤做进一步的描述。
步骤1，读取位图。
使用编辑器Eclipse，加载待处理的位图图像集中的全部位图，得到位图版图。
步骤2，预处理位图版图。
第1步，将位图版图的二值化阈值Th设置为200。
第2步，从位图版图中随机选取一张位图版图，使用二值化阈值Th，将所选取的位图版图转换成二值图像。
第3步，将二值图像以X_Y_Z.bmp格式保存，其中，X表示位图版图所在的集成电路的层数，Y表示位图版图位于第Y行，Z表示位图版图位于第Z列。
本发明的实施例中，二值图像的名字是“CGP层_3_10.bmp”，本版图所在CGP层，位于所有图像中的第3行第10列。
第4步，判断是否选取完所有的位图图版，若是，则将所有的二值图像组成二值图像集，执行步骤3，否则，执行本步骤的第2步。
步骤3，上传二值图像集。
通过操作系统Linux终端，使用分布式处理框架Hadoop集群的启动命令启动分布式处理框架Hadoop集群。
将二值图像集，通过操作系统Linux终端上传到分布式文件系统HDFS中。
步骤4，分布式处理框架Hadoop集群中的数据节点分块存储二值图像集。
分布式文件系统HDFS对上传到该系统中的二值图像集进行分块，并将分块平均地存储在分布式处理框架Hadoop集群中的各个数据节点中。
步骤5，位图版图转换集成电路中的CIF版图。
第1步，从分布式处理框架hadoop集群中随机选取一个数据节点S1，从二值图像集中随机选取一个二值图像集C1。
第2步，数据节点S1，使用组合文件输入格式CombineFileInputFormat，将二值图像集C1中的数据，划分成大小为64M的文件，得到组合分片CombineFileSplit数据集C2。
第3步，从组合分片CombineFileSplit数据集C2中，随机选取一个组合分片C3。
第4步，通过分布式处理框架Hadoop的路径信息函数getPath，获取得到组合分片C3中的路径信息。
第5步，利用图像像素数据转换函数cvDecodeImage，获取路径信息中分布式处理框架Hadoop图像ImageWritable中的数据Ipl1，将数据Ipl1作为键key1。
第6步，将路径信息中的文件名称作为值value1。
第7步，将键key1转换为图像处理库JavaCV图像IplImage中的数据Ipl1。
第8步，对图像处理库JavaCV图像IplImage中的数据Ipl1进行边缘检测，寻找孔洞信息，打通这些孔洞与外界连通，得到修改后的图像处理库JavaCV图像IplImage中的数据Ipl2，并将打通每个孔洞时操作的位置信息记录到第一链表R；
第9步，对数据Ipl2进行边缘检测，得到数据Ipl2中每个图像的边缘信息，将边缘信息用一条链码表示，存储于第二链表L中；
第10步，将第二链表L中的每条链码转化为行程编码，存储于第三链表E中；
第11步，将第三链表E中的每条行程编码转换为有序坐标集V1，该坐标集包含有一个图形的所有顶点，使用第一链表R中保存的位置信息修改这些顶点坐标，使打开的孔洞闭合，得到坐标集V2；
第12步，定义一个整型数组，将二值图像的名字由文本Text类型转换为字符串String类型，得到一个字符串；将字符串在下划线处进行分割，分割成子字符串，将分割后的子字符串转换成整型数字，按照分割前字符串中的先后顺序将整型数字依次存入整型数组中。
第13步，读取整型数组中第四位数值作为位图版图的横向偏移量offet1，读取整型数组中第五位数值作为位图版图的纵向偏移量offet2。
第14步，随机读取线网顶点信息坐标集V2中的一个坐标。
第15步，将坐标的横坐标加上横向偏移量offet1，坐标的纵坐标加上纵向偏移量offet2，得到一个新的坐标。
第16步，判断线网顶点信息坐标集V2中的坐标是否处理完，若是，得到一个新的线网顶点信息坐标集V3，则执行第14步，否则，执行本步骤的第17步。
第17步，按照集成电路版图CIF格式规则，将线网顶点信息坐标集V3转换为集成电路版图的CIF格式指令，并将生成的指令作为文本Text类型的键key2，以*代表空值，将空值*作为值value2。
第18步，将集成电路版图的CIF文件版图中说明集成电路版图信息的注释语句输出到集成电路版图的CIF文件版图。
第19步，将键key2输出到集成电路版图的CIF文件版图。
第20步，将文件结束命令语句添加到集成电路版图的CIF文件版图。
步骤6，提交任务。
创建一个配置对象configuration，使用配置对象configuration设置单个节点输入分片最小值为64M，设置单个机架输入分片最小值为64M，设置输入分片最大值为64M。
用配置对象configuration创建并初始化任务Job，并为任务Job指定执行地址以及映射Map类和化简Reduce类文件的路径。
将任务job提交到分布式处理框架Hadoop集群中。
本发明的效果可以通过下述仿真实验得到验证。
1.仿真条件：
本发明的仿真是在搭建的分布式处理框架Hadoop集群上进行的。分布式处理框架Hadoop集群包含3个节点：1个主机节点Master和2个从机节点Slave1、Slave2，并通过局域网连接三个节点。
软件环境如下：
Linux环境：CentOS release 6.4。
JDK版本：1.8_77。
Hadoop版本：Hadoop 1.2.1。
Eclipse版本：Eclipse 3.7。
JavaCV版本：JavaCV 1.1
节点的IP地址及硬件配置如下：
表1 Hadoop集群中节点的IP地址及硬件配置一览表
| 机器名称 | IP地址 | CPU |
| Master | 192.168.0.219 | Pentium(R)Dual-Core(R)CPU E6600@3.06GHz |
| Slave1 | 192.168.0.220 | Pentium(R)Dual-Core(R)CPU E6600@3.06GHz |
| Slave2 | 192.168.0.221 | Pentium(R)Dual-Core(R)CPU E6600@3.06GHz |
表1中的Master表示分布式处理框架Hadoop集群中的主机节点，Slave1、Slave2表示分布式处理框架Hadoop集群中的从节点，IP地址表示计算机的网络地址，CPU表示计算机的处理器。
2.仿真内容与结果分析：
采用本发明的基于Hadoop的位图版图向CIF版图转换方法与现有技术的基于图像边缘检测的版图图像转化为CIF文件方法，对位图版图向CIF版图转换时间分别进行仿真。
本发明分别选取五组位图版图，位图版图的数量分别是20张、50张、110张，220张，280张，输出的是集成电路版图的加州理工中介格式CIF文件版图。分别使用现有技术中的基于图像边缘检测的版图图像转化为CIF文件方法和本发明两种方法进行仿真，在两种方法下，对位图版图向CIF版图转换的时间进行统计，最终得到图2，图2中的横坐标表示输入位图版图数量，物理单位为张，纵坐标表示位图版图向CIF版图转换的时间，物理单位为秒s。图2中以圆点标示的虚线表示用本发明的方法对位图版图向CIF版图的转换时间曲线，图2中以十字形标示的实线表示用现有技术中的基于图像边缘检测的版图图像转化为CIF文件方法对位图版图向CIF版图的转换时间曲线。
由图2可见，随着位图版图数量的增大，位图版图向CIF版图转换的时间逐步增多。但是，输入位图版图的数量相同时，比较两根曲线的纵坐标可知，对大量位图版图处理时，本发明对位图版图向CIF版图的转换时间少，且随着位图版图数量的增加，本发明的曲线线性增长越缓慢，说明优越性越突出。
本发明的仿真结果表明：本发明由于是基于Hadoop的位图版图向CIF版图的转换，采用分布式处理系统对大量位图版图进行并行处理，提高了位图版图向CIF版图转换的效率。
Claims (4)
1.一种基于Hadoop的位图版图向CIF版图转换方法，包括如下步骤：
(1)读取位图：
使用编辑器Eclipse，加载待处理的位图图像集中的全部位图，得到位图版图；
(2)预处理位图版图：
(2a)将位图版图的二值化阈值Th设置为200；
(2b)从位图版图中随机选取一张位图版图，利用二值化阈值Th，将所选取的位图版图转换成二值图像；
(2c)将二值图像以X_Y_Z.bmp格式保存，其中，X表示位图版图所在的集成电路的层数，Y表示位图版图位于第Y行，Z表示位图版图位于第Z列；
(2d)判断是否选取完所有的位图图版，若是，则将所有的二值图像组成二值图像集，执行步骤(3)，否则，执行步骤(2b)；
(3)上传二值图像集：
(3a)通过操作系统Linux终端，使用分布式处理框架Hadoop集群的启动命令，启动分布式处理框架Hadoop集群；
(3b)将二值图像集，通过操作系统Linux终端上传到分布式文件系统HDFS中；
(4)分块存储二值图像集：
(4a)分布式文件系统HDFS对上传到该系统中的二值图像集进行分块；
(4b)将分块平均地存储在分布式处理框架hadoop集群中的各个数据节点中；
(5)位图版图转换集成电路中的CIF版图：
(5a)设置映射Map：
(5a1)使用组合图像输入格式CombineFileImageInputFormat对二值图像集进行处理，得到键值key1/value1；
(5a2)将键key1转换为图像处理库JavaCV图像IplImage中的数据Ipl1；
(5a3)读取数据Ipl1，采用图像边缘检测方法，得到位图版图中的线网顶点信息坐标集V2；
(5a4)定义一个整型数组，将二值图像的名字由文本Text类型转换为字符串String类型，得到一个字符串；将字符串在下划线处进行分割，分割成子字符串，将分割后的子字符串转换成整型数字，按照分割前字符串中的先后顺序将整型数字依次存入整型数组中；
(5a5)读取整型数组中第四位数值作为位图版图的横向偏移量offet1，读取整型数组中第五位数值作为位图版图的纵向偏移量offet2；
(5a6)随机读取线网顶点信息坐标集V2中的一个坐标；
(5a7)将坐标的横坐标加上横向偏移量offet1，坐标的纵坐标加上纵向偏移量offet2，得到一个新的坐标；
(5a8)判断线网顶点信息坐标集V2中的坐标是否处理完，若是，得到一个新的线网顶点信息坐标集V3，则执行步骤(5a6)，否则，执行步骤(5a9)；
(5a9)按照集成电路版图CIF格式规则，将线网顶点信息坐标集V3转换为集成电路版图的CIF格式指令，并将生成的指令作为文本Text类型的键key2，以*代表空值，将空值*作为值value2；
(5b)设置化简Reduce：
(5b1)将集成电路版图的CIF文件版图中说明集成电路版图信息的注释语句输出到集成电路版图的CIF文件版图；
(5b2)将键key2输出到集成电路版图的CIF文件版图；
(5b3)将文件结束命令语句添加到集成电路版图的CIF文件版图；
(6)提交任务：
(6a)初始化任务Job；
(6b)将任务job提交到分布式处理框架Hadoop集群中。
2.根据权利要求1所述的基于Hadoop的位图版图向CIF版图转换方法，其特征在于，步骤(5a1)中所述的使用组合图像输入格式CombineFileImageInputFormat对二值图像集进行处理的步骤如下：
第1步，从分布式处理框架hadoop集群中随机选取一个数据节点S1，从二值图像集中随机选取一个二值图像集C1；
第2步，数据节点S1，使用组合文件输入格式CombineFileInputFormat，将二值图像集C1中的数据，划分成大小为64M的文件，得到组合分片CombineFileSplit数据集C2；
第3步，从组合分片CombineFileSplit数据集C2中，随机选取一个组合分片C3；
第4步，通过分布式处理框架Hadoop的路径信息函数getPath，获取得到组合分片C3中的路径信息；
第5步，利用图像像素数据转换函数cvDecodeImage，获取路径信息中分布式处理框架Hadoop图像ImageWritable中的数据Ipl1，将数据Ipl1作为键key1；
第6步，将路径信息中的文件名称作为值value1。
3.根据权利要求1所述的基于Hadoop的位图版图向CIF版图转换方法，其特征在于，步骤(5a3)中所述图像边缘检测方法的具体步骤如下：
第1步，对图像处理库JavaCV图像IplImage中的数据Ipl1进行边缘检测，寻找孔洞信息，打通这些孔洞与外界连通，得到修改后的图像处理库JavaCV图像IplImage中的数据Ipl2，并将打通每个孔洞时操作的位置信息记录到第一链表R；
第2步，对数据Ipl2进行边缘检测，得到数据Ipl2中每个图像的边缘信息，将边缘信息用一条链码表示，存储于第二链表L中；
第3步，将第二链表L中的每条链码转化为行程编码，存储于第三链表E中；
第4步，将第三链表E中的每条行程编码转换为有序坐标集V1，该坐标集包含有一个图形的所有顶点，使用第一链表R中保存的位置信息修改这些顶点坐标，使打开的孔洞闭合，得到坐标集V2。
4.根据权利要求1所述的基于Hadoop的位图版图向CIF版图转换方法，其特征在于，步骤(6a)中所述初始化任务Job的具体步骤如下：
第1步，创建一个配置对象conf；
第2步，用配置对象conf创建任务Job，并为任务Job指定执行地址以及映射Map类和化简Reduce类文件的路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610808010.7A CN106407538B (zh) | 2016-09-08 | 2016-09-08 | 基于Hadoop的位图版图向CIF版图转换方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610808010.7A CN106407538B (zh) | 2016-09-08 | 2016-09-08 | 基于Hadoop的位图版图向CIF版图转换方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106407538A true CN106407538A (zh) | 2017-02-15 |
| CN106407538B CN106407538B (zh) | 2019-04-23 |
Family
ID=57998612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610808010.7A Active CN106407538B (zh) | 2016-09-08 | 2016-09-08 | 基于Hadoop的位图版图向CIF版图转换方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106407538B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067434A (zh) * | 2017-04-25 | 2017-08-18 | 西安电子科技大学 | 基于Hadoop的集成电路短路关键面积提取方法 |
| CN116644703A (zh) * | 2023-05-29 | 2023-08-25 | 合芯科技有限公司 | 一种位图文件的生成方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104750937A (zh) * | 2015-04-08 | 2015-07-01 | 西安电子科技大学 | 基于Hadoop的集成电路版图转换方法 |
| CN104794308A (zh) * | 2015-05-07 | 2015-07-22 | 西安电子科技大学 | 基于图像边缘检测的版图图像转换为cif文件方法 |
| US20160042572A1 (en) * | 2010-04-08 | 2016-02-11 | Disney Enterprises, Inc. | Interactive three dimensional displays on handheld devices |
| WO2015199772A3 (en) * | 2014-03-28 | 2016-03-03 | Konica Minolta Laboratory U.S.A., Inc. | Method and system of stitching aerial data using information from previous aerial images |
-
2016
- 2016-09-08 CN CN201610808010.7A patent/CN106407538B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160042572A1 (en) * | 2010-04-08 | 2016-02-11 | Disney Enterprises, Inc. | Interactive three dimensional displays on handheld devices |
| WO2015199772A3 (en) * | 2014-03-28 | 2016-03-03 | Konica Minolta Laboratory U.S.A., Inc. | Method and system of stitching aerial data using information from previous aerial images |
| CN104750937A (zh) * | 2015-04-08 | 2015-07-01 | 西安电子科技大学 | 基于Hadoop的集成电路版图转换方法 |
| CN104794308A (zh) * | 2015-05-07 | 2015-07-22 | 西安电子科技大学 | 基于图像边缘检测的版图图像转换为cif文件方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李长江: "优化后版图格式转换算法研究", 《中国优秀硕士学位论文全文数据库 信息科技II辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067434A (zh) * | 2017-04-25 | 2017-08-18 | 西安电子科技大学 | 基于Hadoop的集成电路短路关键面积提取方法 |
| CN107067434B (zh) * | 2017-04-25 | 2019-10-11 | 西安电子科技大学 | 基于Hadoop的集成电路短路关键面积提取方法 |
| CN116644703A (zh) * | 2023-05-29 | 2023-08-25 | 合芯科技有限公司 | 一种位图文件的生成方法及装置 |
| CN116644703B (zh) * | 2023-05-29 | 2023-11-24 | 合芯科技有限公司 | 一种位图文件的生成方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106407538B (zh) | 2019-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951926B (zh) | 一种混合架构的深度学习方法及装置 | |
| CN105631426B (zh) | 对图片进行文本检测的方法及装置 | |
| CN108875072B (zh) | 文本分类方法、装置、设备以及存储介质 | |
| CN111615702B (zh) | 一种从图像中提取结构化数据的方法、装置和设备 | |
| CN105719243B (zh) | 图像处理装置和方法 | |
| CN107766932B (zh) | 基于神经网络的图像处理方法及装置 | |
| CN104750937B (zh) | 基于Hadoop的集成电路版图转换方法 | |
| US20210406615A1 (en) | Learning device, classification device, learning method, classification method, learning program, and classification program | |
| US11250199B1 (en) | Methods and systems for generating shape data for electronic designs | |
| WO2020125062A1 (zh) | 一种图像融合方法及相关装置 | |
| CN113076992A (zh) | 一种生活垃圾检测方法及装置 | |
| CN115240201B (zh) | 利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法 | |
| CN109522807A (zh) | 基于自生成特征的卫星影像识别系统、方法及电子设备 | |
| CN107067434B (zh) | 基于Hadoop的集成电路短路关键面积提取方法 | |
| CN106407538A (zh) | 基于Hadoop的位图版图向CIF版图转换方法 | |
| CN112286907A (zh) | 一种数据库配置方法、装置、电子设备和可读存储介质 | |
| CN104408232B (zh) | 一种高层次综合中的组合逻辑优化方法及系统 | |
| CN110210347A (zh) | 一种基于深度学习的彩色套层剪纸智能设计方法 | |
| CN113962917A (zh) | 一种基于掩膜的数据增强方法 | |
| CN109815451A (zh) | 一种pdf生成方法、装置及设备 | |
| CN109712181B (zh) | 集成电路版图线网上开路关键面积的提取方法 | |
| CN112433812A (zh) | 一种虚拟机跨集群迁移方法、系统、设备及计算机介质 | |
| US20220343144A1 (en) | Server and accelerator for neural network computations | |
| CN115965987A (zh) | 基于异构架构的表格文字结构化识别方法 | |
| CN114066788B (zh) | 一种平衡的实例分割数据合成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |