CN109903283A - 一种基于图像法向量的掩模图形边缘缺陷检测方法 - Google Patents
一种基于图像法向量的掩模图形边缘缺陷检测方法 Download PDFInfo
- Publication number
- CN109903283A CN109903283A CN201910159111.XA CN201910159111A CN109903283A CN 109903283 A CN109903283 A CN 109903283A CN 201910159111 A CN201910159111 A CN 201910159111A CN 109903283 A CN109903283 A CN 109903283A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- image
- testing image
- standard picture
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于图像法向量的掩模图形边缘缺陷检测方法,包括:计算待测图像和标准图像中非拐角处像素的灰度值和和法向量角度;对待测图像和标准图像同一位置像素的法向量角度进行作差;若法向量角度差值大于预设阈值,则待测图像的该像素存在缺陷。
Description
技术领域
本发明涉及半导体检测技术领域,特别是针对掩模缺陷检测的方法。
背景技术
半导体掩模检测一般常见还是光学图形检测,不管是Die2DB还是Die2Die的方式都涉及相关图形图像学。随着IC制造精度越来越高,线宽也是越来越窄,检测要求自然有更高要求,当涉及到图像与设计图进行对比检测时,由于实际问题,依靠图像的灰度与设计图进行对比时,有些缺陷是难以被察觉的,特别是图形的边缘缺陷,例如边缘凹凸类型的缺陷,其大小已经小于一个像素大小;如果通过提高分辨率,会带来数倍数据量提升,会增加高昂的硬件成本,同时也会降低产能;所以如何在不增加硬件成本的情况下,提高图形边缘的缺陷分辨率,也是本领域技术人员迫切需要解决的核心技术问题之一。
发明内容
本发明的目的在于提供一种基于图像法向量的掩模图形边缘缺陷检测方法,包括:计算待测图像和标准图像中非拐角处像素的灰度值;根据每一像素的灰度值获得该像素的法向量角度;对待测图像和标准图像同一位置像素的法向量角度进行作差,若大于一预设阈值则待测图像该像素存在缺陷。
采用上述方法,像素的法向量角度具体获取方法为:以待测图像和标准图像同一位置作为原点建立坐标系;确定图像中每一像素所在象限,以该像素灰度值和正负号作为像素的坐标值;获取坐标原点到像素的法向量角度。
作为本发明的一种改进,在获取法向量角度前先获取图形边缘区,然后获取图形边缘区像素的法向量角度。
本发明以GPU为计算主体,利用图形边缘边的灰度信息,计算边缘各个像素点的法向量,然后与对应设计标准图的边缘的法向量进行对比;如果角度偏差大于一定角度,说明此处边缘不光滑,可以认为此处是有缺陷,具体阈值大小,根据用户工艺要求来设定。
本发明与现有技术相比,具有以下优点:(1)为了保重计算的实时性,本发明采用多GPU并行处理;(2)只要设置一定角度阈值,就可捕获比一个像素更小的边缘缺陷,在边缘缺陷类型中,可做到亚像素级别,在不增加硬件成本的情况下,有效捕获更小缺陷,能给IC制造带来更大经济收益。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1为四个相邻像素灰度值图。
图2为四个像素向量图。
图3为向量计算结果图。
图4为向量最终结果图。
图5为原始像素级边缘向量图。
图6为设计像素级边缘向量图。
图7为原始采集像素级灰度图。
图8为设计像素级渲染灰度图。
具体实施方式
实施例一
一种基于图像法向量的掩模图形边缘缺陷检测方法,包括以下步骤:
步骤S101,对待测图像和标准图像进行掩模处理后将每一像素进行灰度处理,若像素中没有被填充则灰度值为0,若全部被填充则灰度值为255,若部分被填充则灰度值为[0,255]之间的数值。
步骤S102,选取待测图像和标准图像中的同一像素作为坐标原点建立一坐标系,分别计算待测图像和标准图像中每一像素的方向向量。
步骤S102中,像素向量的具体计算方法为:
步骤S1021,获取像素在坐标系中所在的象限;
步骤S1022,每一像素的灰度值添加正负号作为坐标值,例如在第二象限中的某像素其灰度值是205,则其在坐标系中的坐标值为(-205,205);
步骤S1023,计算坐标系原点到每一像素的向量。
步骤S103,计算向量与一参考线的角度,并将待测图像各像素的灰度值和相应的向量角度存入A1中,将标准图像各像素的灰度值和相应的向量角度存入B1中,将待测图像和标准图像的拐角标记记录到C1。
步骤S104,将A1和B1中同一位置像素的法向量角度分别作差,若差值大于一阈值,则认为该处是缺陷。
结合图7、图8分别是标准图像和待测图像的像素灰度值,图5、图6分别是对应的标准图和设计图边缘法向量图,根据其向法量角度值的偏差量,捕获出边缘的两处缺陷,分别是图6中的d1,d2位置。
实施例二
一种基于图像法向量的掩模图形边缘缺陷检测方法,包括以下步骤:
步骤S201,对待测图像和标准图像进行掩模处理后将每一像素进行灰度处理,若像素中没有被填充则灰度值为0,若全部被填充则灰度值为255,若部分被填充则灰度值为[0,255]之间的数值。
步骤S202,获取待测图像和标准图像的图形边缘区,具体过程为:
步骤S2021,对灰度值图像划分区域;
步骤S2022,计算每一区域内像素灰度值的最大值和最小值;
步骤S2023,若以区域内像素灰度值的最大值与最小值的差值超过预设阈值,则该区域为图形边缘区。
步骤S202中,以一区域包括四个像素为例,提取该若干个像素灰度值的最大值与最小值,其中分别为第p个坐标系下的相邻得到n个像素的灰度值,附图中以四个像素组成的坐标系为例;若,则认为该坐标系下的四个像素中存在图形边缘区,T为预设阈值。
步骤S203,对步骤S202中的每一区域,建立待测图像和标准图像每一区域的坐标系,如图1所示,分别计算待测图像和标准图像中每一像素的法向量。
结合图2至图4,步骤S203中,以GPU为计算主体,GPU有若干个核心,以一个核对应坐标系下相邻的若干个像素进行法向量计算,具体计算方法为:
步骤S2031,区分每一坐标系下像素所在象限;
步骤S2032,每一像素的灰度值添加正负号作为该坐标系下坐标值,例如在第二象限中的某像素其灰度值是205,则其在坐标系中的坐标值为(-205,205);
步骤S2033,计算坐标系原点到该坐标系下每一像素的法向量。
步骤S204,将待测图像图形边缘区的像素的灰度值和法向量角度存入向量区A2中,将标准图像图形边缘区的像素灰度值和法向量角度存入向量区B2中,将待测图像和标准图像的拐角标记记录到C2。
步骤S204,将A2和B2中同一位置像素的法向量角度分别作差,若差值大于一阈值,则认为该处是缺陷。
结合图7、图8分别是标准图像和待测图像的像素灰度值,图5、图6分别是对应的标准图和设计图边缘法向量图,根据其法向量角度值的偏差量,捕获出边缘的两处缺陷,分别是图6中的d1,d2位置。
Claims (5)
1.一种基于图像法向量的掩模图形边缘缺陷检测方法,其特征在于,包括:
计算待测图像和标准图像中非拐角处像素的灰度值;
根据每一像素的灰度值获得该像素的法向量角度;
对待测图像和标准图像同一位置像素的法向量角度进行作差,
若大于一预设阈值则待测图像该像素存在缺陷。
2.根据权利要求1所述的方法,其特征在于像素的法向量角度具体获取方法为:
以待测图像和标准图像同一位置作为原点建立坐标系;
确定图像中每一像素所在象限,以该像素灰度值和正负号作为像素的坐标值;
获取坐标原点到像素法向量的角度。
3.一种基于图像法向量的掩模图形边缘缺陷检测方法,其特征在于,包括:
计算待测图像和标准图像中非拐角处像素的灰度值;
获取图形边缘区;
根据每一像素的灰度值获得该像素的法向量角度;
对待测图像和标准图像同一位置像素的法向量角度进行作差,
若大于一预设阈值则待测图像该像素存在缺陷。
4.根据权利要求3所述的方法,其特征在于,获取图形边缘的具体过程为:
对灰度值图像划分区域,
计算每一区域内像素灰度值的最大值和最小值,
若以区域内像素灰度值的最大值与最小值的差值超过预设阈值,则该区域为图形边缘区。
5.根据权利要求4所述的方法,其特征在于,像素的法向量具体获取方法为:
分别以待测图像和标准图像的每一区域的的相同位置作为原点建立每一区域的坐标系;
确定每一区域像素在该区域坐标系中的象限,且以像素灰度值和正负号作为像素的坐标值;
获取每一区域坐标原点到该区域像素的法向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910159111.XA CN109903283A (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像法向量的掩模图形边缘缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910159111.XA CN109903283A (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像法向量的掩模图形边缘缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903283A true CN109903283A (zh) | 2019-06-18 |
Family
ID=66946261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910159111.XA Pending CN109903283A (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像法向量的掩模图形边缘缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903283A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766625A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN111079817A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车横跨梁故障图像识别方法 |
CN113686897A (zh) * | 2021-08-05 | 2021-11-23 | 江苏维普光电科技有限公司 | 一种掩模表面颗粒缺陷检测方法 |
CN115641337A (zh) * | 2022-12-23 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 一种线状缺陷检测方法、装置、介质、设备及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4974261A (en) * | 1988-11-15 | 1990-11-27 | Matsushita Electric Works, Ltd. | Optical surface inspection method |
JP2005228062A (ja) * | 2004-02-13 | 2005-08-25 | Omron Corp | 検査方法および検査装置 |
CN101320004A (zh) * | 2008-07-03 | 2008-12-10 | 西北工业大学 | 基于机器视觉的竹条缺陷在线检测方法 |
JP2012085130A (ja) * | 2010-10-13 | 2012-04-26 | Fuji Mach Mfg Co Ltd | 画像処理装置及び画像処理方法 |
WO2014203366A1 (ja) * | 2013-06-20 | 2014-12-24 | 三菱電機株式会社 | 画像処理装置、方法、及びプログラム、並びに画像表示装置 |
CN105573047A (zh) * | 2014-10-10 | 2016-05-11 | 中芯国际集成电路制造(上海)有限公司 | 一种侦测掩膜图形保真度的系统及方法 |
CN107464236A (zh) * | 2017-07-28 | 2017-12-12 | 武汉华星光电半导体显示技术有限公司 | 一种基于aoi的柔性显示基板缺陷判别方法 |
-
2019
- 2019-03-04 CN CN201910159111.XA patent/CN109903283A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4974261A (en) * | 1988-11-15 | 1990-11-27 | Matsushita Electric Works, Ltd. | Optical surface inspection method |
JP2005228062A (ja) * | 2004-02-13 | 2005-08-25 | Omron Corp | 検査方法および検査装置 |
CN101320004A (zh) * | 2008-07-03 | 2008-12-10 | 西北工业大学 | 基于机器视觉的竹条缺陷在线检测方法 |
JP2012085130A (ja) * | 2010-10-13 | 2012-04-26 | Fuji Mach Mfg Co Ltd | 画像処理装置及び画像処理方法 |
WO2014203366A1 (ja) * | 2013-06-20 | 2014-12-24 | 三菱電機株式会社 | 画像処理装置、方法、及びプログラム、並びに画像表示装置 |
CN105573047A (zh) * | 2014-10-10 | 2016-05-11 | 中芯国际集成电路制造(上海)有限公司 | 一种侦测掩膜图形保真度的系统及方法 |
CN107464236A (zh) * | 2017-07-28 | 2017-12-12 | 武汉华星光电半导体显示技术有限公司 | 一种基于aoi的柔性显示基板缺陷判别方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766625A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN110766625B (zh) * | 2019-10-15 | 2022-04-19 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN111079817A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车横跨梁故障图像识别方法 |
CN111079817B (zh) * | 2019-12-12 | 2020-11-27 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车横跨梁故障图像识别方法 |
CN113686897A (zh) * | 2021-08-05 | 2021-11-23 | 江苏维普光电科技有限公司 | 一种掩模表面颗粒缺陷检测方法 |
CN113686897B (zh) * | 2021-08-05 | 2023-11-03 | 江苏维普光电科技有限公司 | 一种掩模表面颗粒缺陷检测方法 |
CN115641337A (zh) * | 2022-12-23 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 一种线状缺陷检测方法、装置、介质、设备及系统 |
CN115641337B (zh) * | 2022-12-23 | 2023-04-07 | 中科慧远视觉技术(北京)有限公司 | 一种线状缺陷检测方法、装置、介质、设备及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903283A (zh) | 一种基于图像法向量的掩模图形边缘缺陷检测方法 | |
CN111028213A (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
US9681047B2 (en) | Image feature extraction method and system | |
WO2019196542A1 (zh) | 一种图像处理的方法及装置 | |
CN107633237B (zh) | 图像背景分割方法、装置、设备及介质 | |
CN109859227A (zh) | 翻拍图像检测方法、装置、计算机设备及存储介质 | |
JP2016513320A (ja) | 少なくとも1つの追加イメージを用いたイメージ改善及びエッジ検証のための方法及び装置 | |
CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
WO2017067287A1 (zh) | 一种指纹识别的方法、装置及终端 | |
CN113592886B (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
WO2020125062A1 (zh) | 一种图像融合方法及相关装置 | |
CN107909085A (zh) | 一种基于Harris算子的图像特征角点提取方法 | |
CN111220235A (zh) | 水位监测方法及装置 | |
JP6185807B2 (ja) | シワ状態分析方法及びシワ状態分析装置 | |
US20120321198A1 (en) | Image processing method and image processing apparatus | |
CN112036232B (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
Lay et al. | Rectification of QR-code images using the parametric cylindrical surface model | |
CN110348353B (zh) | 一种图像处理方法及装置 | |
Wang et al. | LBP-based edge detection method for depth images with low resolutions | |
CN107274456A (zh) | 一种图像格式的识别方法及装置 | |
JP2018109824A (ja) | 電子制御装置、電子制御システムおよび電子制御方法 | |
CN109426775B (zh) | 一种检测人脸图像中网纹的方法、装置及设备 | |
CN111145193B (zh) | 一种自适应全局阈值二值化方法 | |
CN107092912A (zh) | 一种车牌的识别方法和装置 | |
CN112668578A (zh) | 指针式仪表读数方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |