CN114485411A - 影像分析方法与影像分析系统 - Google Patents
影像分析方法与影像分析系统 Download PDFInfo
- Publication number
- CN114485411A CN114485411A CN202111057652.5A CN202111057652A CN114485411A CN 114485411 A CN114485411 A CN 114485411A CN 202111057652 A CN202111057652 A CN 202111057652A CN 114485411 A CN114485411 A CN 114485411A
- Authority
- CN
- China
- Prior art keywords
- layer
- light
- dark
- image
- pixels
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 51
- 238000003703 image analysis method Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种影像分析方法包括以下步骤:取得由电子显微镜提供的多层结构影像,并且透过显示装置显示多层结构影像,其中多层结构影像为灰阶影像;设定量测线段于多层结构影像上,其中量测线段朝第一方向延伸;沿着量测线段侦测多层结构影像在对应于量测线段上的灰阶分布;以及分析灰阶分布,以依据阈值范围来决定多层结构影像中的多个深色层厚度以及多个浅色层厚度。本发明的影像分析方法与影像分析系统可自动地量测多层结构影像的每一层的厚度。
Description
技术领域
本发明涉及一种分析方法,且特别是有关于一种影像分析方法与影像分析系统。
背景技术
在半导体制程当中,元件的尺寸会影响电性的变化。因此,在尺寸的要求方面,往往需要十分地精确。在量测半导体元件时,通常是利用例如穿透式电子显微镜、扫描式电子显微镜等具有放大检视功能的电子显微镜。然而,在利用电子显微镜对元件的影像进行尺寸的量测时,往往是透过手动的方式逐一去设定各个区域的边缘点,以取得各个区域的尺寸,所花费的时间较为冗长。有鉴于此,以下将提出几个实施例的解决方案。
发明内容
本发明是针对一种影像分析方法与影像分析系统,可根据设定的量测线段而自动地量测多层结构影像的每一层的厚度。
根据本发明的实施例,本发明的影像分析方法包括以下步骤:取得由电子显微镜提供的多层结构影像,并且透过显示装置显示多层结构影像,其中多层结构影像为灰阶影像;设定量测线段于多层结构影像上,其中量测线段朝第一方向延伸;沿着量测线段侦测多层结构影像在对应于量测线段上的灰阶分布;以及分析灰阶分布,以依据阈值范围来决定多层结构影像中的多个深色层厚度以及多个浅色层厚度。
根据本发明的实施例,本发明的影像分析系统包括电子显微镜、显示装置以及影像分析装置。电子显微镜用以提供多层结构影像。显示装置用以显示多层结构影像。影像分析装置耦接电子显微镜以及显示装置,以取得电子显微镜提供的多层结构影像与输出多层结构影像至显示装置。影像分析装置包括存储装置以及处理器。存储装置包括影像分析模块。处理器耦接存储装置。处理器将多层结构影像输入至影像分析模块。处理器设定量测线段于多层结构影像上,其中量测线段朝第一方向延伸。处理器经由影像分析模块沿着量测线段侦测多层结构影像在对应于量测线段上的灰阶分布。处理器经由影像分析模块分析灰阶分布,以依据阈值范围来决定多层结构影像中的多个深色层厚度以及多个浅色层厚度。
基于上述,本发明的影像分析方法与影像分析系统可根据设定的量测线段而自动地量测多层结构影像的每一层的厚度,从而节省大量手动操作所需的时间。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附图式作详细说明如下。
附图说明
图1是依照本发明一实施例的影像分析系统的示意图;
图2是依照本发明一实施例的影像分析方法的流程图;
图3是依照本发明一实施例的多层结构影像的示意图;
图4是依照本发明一实施例的灰阶分布的示意图;
图5是依照本发明一实施例的显示介面的示意图;
图6是依照本发明一实施例的影像分析方法的流程图;
图7是依照本发明一实施例的多层结构影像的灰阶分布的示意图。
附图标记说明
100:影像分析系统;
101:影像分析装置;
110:处理器;
120:存储装置;
121:影像分析模块;
140:电子显微镜;
150:显示装置;
S210、S220、S230、S240、S250、S610、S620、S630、S640、S650:步骤;
300:多层结构影像;
310-1~310-4、710-1~710-4:深色层图像;
320-1~320-5、720-1~720-3:浅色层图像;
330:量测线段;
340-1~340-7:白色薄层图像;
400:灰阶分布;
461、462、761、762:阈值范围;
500:显示介面;
510:多层结构影像;
520:工具列;
530:量测结果;
700:多层结构影像的灰阶分布;
710a、720a:起点;
710b、720b:终点;
P1:第一方向;
P2:第二方向。
具体实施方式
现将详细地参考本发明的示范性实施例,示范性实施例的实例说明于附图中。只要有可能,相同元件符号在图式和描述中用来表示相同或相似部分。
并且,除非另有定义,本文使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员通常理解的相同的含义。将进一步理解的是,诸如在通常使用的字典中定义的那些术语应当被解释为具有与它们在相关技术和本发明的上下文中的含义一致的含义,并且将不被解释为理想化的或过度正式的意义,除非本文中明确地这样定义。
图1是依照本发明一实施例的影像分析系统的示意图。参考图1,影像分析系统100可包括影像分析装置101、电子显微镜140以及显示装置150。电子显微镜140可用以透过拍摄半导体制程物件(半导体制品),来提供多层结构影像。所述多层结构影像为电子显微镜影像,并且为灰阶影像。所述多层结构影像可包括不同材料的多层半导体结构层,并且所述多层半导体结构层的图像的灰阶分布可依据不同的半导体材料来决定之。
在本实施例中,显示装置150可用以显示多层结构影像。影像分析装置101可耦接电子显微镜140以及显示装置150,以取得电子显微镜140提供的多层结构影像与输出多层结构影像至显示装置150。影像分析装置101可包括处理器110以及存储装置120。存储装置120可包括影像分析模块121。处理器110可耦接存储装置120。在本实施例中,影像分析装置101可为独立的电脑设备或云端伺服器,而本发明并不加以限制。
在本实施例中,处理器110可将多层结构影像输入至影像分析模块121,并且处理器110可设定量测线段于多层结构影像上,其中量测线段朝多层结构的堆叠方向延伸。在本实施例中,处理器110设定量测线段的方式可包括人工设定或自动设定。对此,人工设定可例如是指由影像分析系统100的输入装置提供的设定指令或参数(例如由使用者执行输入操作),来设定量测线段的位置,但本发明不以此为限。自动设定可例如是指由影像分析系统100依据图片的边界范围自动设定或依据预设的条件自动设定,但本发明也不以此为限。
接着,处理器110可经由影像分析模块121沿着量测线段侦测多层结构影像在对应于量测线段上的灰阶分布。并且,处理器110可经由影像分析模块121分析灰阶分布,以依据阈值来决定多层结构影像中的多个深色层厚度以及多个浅色层厚度。如此一来,影像分析系统100可根据设定的量测线段,自动地量测多层结构影像的每一层的厚度,从而节省大量手动操作所需的时间。
在本实施例中,处理器110可例如包括中央处理器(Central Processing Unit,CPU)、微处理器(Microprocessor Control Unit,MCU)或现场可程式闸阵列(FieldProgrammable Gate Array,FPGA),但本发明并不以此为限。
在本实施例中,存储装置120可例如包括随机存取记忆体(Random-AccessMemory;RAM)、唯读记忆体(Read-Only Memory;ROM)、光碟(Optical disc)、磁碟(Magneticdisk)、硬驱动机(Hard drive)、固态驱动机(Solid-state drive)、快闪驱动机(Flashdrive)、安全数位(Security digital;SD)卡、记忆条(Memory stick)、紧密快闪(Compactflash;CF)卡或任何类型的存储设备,但本发明不以此为限。存储装置120可存储影像分析模块121以及各实施例所述的相关影像资料、相关分析结果与数据及显示介面等,以供处理器110读取并执行之。
在本实施例中,电子显微镜140可例如包括扫描式电子显微镜(ScanningElectron Microscope;SEM)、穿透式电子显微镜(Transmission electron microscope;TEM),但本发明不以此为限。在本实施例中,显示装置150可例如包括各种具有显示功能的电子装置。此外,在另一实施例中,显示装置150可设置于影像分析装置101中,使得影像分析装置101可例如是具有显示的功能的电脑设备。
图2是依照本发明一实施例的影像分析方法的流程图。图3是依照本发明一实施例的多层结构影像的示意图。图4是依照本发明一实施例的灰阶分布的示意图。参考图1至图4,在本实施例中,影像分析系统100可执行以下影像分析方法的步骤S210~S250。在步骤S210,影像分析装置101可取得由电子显微镜140提供的多层结构影像300。步骤S220,影像分析装置101可透过显示装置150显示多层结构影像300。在步骤S230,影像分析模块121可设定量测线段330于多层结构影像300上。在步骤S240,影像分析模块121沿着量测线段330侦测多层结构影像300在对应于量测线段330上的灰阶分布400。在步骤S250,影像分析模块121分析灰阶分布400,以依据阈值范围461、462来决定多层结构影像300中的多个深色层厚度以及多个浅色层厚度。
具体而言,多层结构影像300可为灰阶影像,且第一方向P1垂直于第二方向P2。并且,多层结构影像300可包括多个深色层图像310-1~310-4以及多个浅色层图像320-1~320-5,所述多个深色层图像310-1~310-4以及所述多个浅色层图像320-1~320-5沿着第一方向P1上交错排列,所述多个深色层图像310-1~310-4以及所述多个浅色层图像320-1~320-5分别沿着第二方向P2延伸。在本实施例中,多个深色层图像310-1~310-4可为第一类型的半导体材料层,并且所述多个浅色层图像320-1~320-5可为第二类型的半导体材料层,其中第一类型的半导体材料层不同于第二类型的半导体材料层。在本实施例中,多个深色层图像310-1~310-4以及所述多个浅色层图像320-1~320-5之间可分别另外包括多个白色薄层图像340-1~340-7,并且所述多个白色薄层图像340-1~340-7可为不同于第一类型以及第二类型的第三类型的半导体材料层。
参考图1至4,在步骤S230,处理器110可执行影像分析模块121,以设定量测线段330于多层结构影像300上(如前述的人工设定或自动设定)。在步骤S240,处理器110可沿着量测线段330侦测多层结构影像300在对应于量测线段330上的连续的多个像素,以取得所述多个像素的多个灰阶值。并且,处理器110可依据所述多个灰阶值来建立如图4所示的灰阶分布400。在步骤S250,处理器110可分析灰阶分布400,并且依据预设的阈值范围461、462来决定多层结构影像300中的多个深色层厚度以及多个浅色层厚度。对此,如图4所示,灰阶分布400的横轴的值可对应于量测线段330上沿第一方向P1的各个像素,并且纵轴的值可代表多层结构影像300对应于量测线段330上的各个像素的灰阶值。
在本实施例中,阈值范围461(亦称第一阈值范围)可例如被设定为0~15,且阈值范围462(亦称第二阈值范围)可例如被设定为45~90,但本发明不以此为限。也就是说,当某个像素的灰阶值位于0~15之间时,则此某个像素可被视为是深色像素。反之,当另某个像素的灰阶值位于45~90之间时,则此另某个像素可被视为是浅色像素。举例而言,在步骤S250,处理器110可将灰阶值位于阈值范围461之间的像素决定为深色像素。并且,处理器110可将灰阶值位于阈值范围462之间的像素决定为浅色像素。接着,处理器110可统计在量测线段330上对应于各深色层厚度的深色像素的数量或各浅色层厚度或浅色像素的数量,以分别地取得各个深色层厚度或浅色层厚度。也就是说,各深色层厚度对应于各深色层厚度的深色像素的数量,且各浅色层厚度对应于各浅色层厚度的浅色像素的数量。
在本实施例中,当处理器110计算完每一深色层的深色像素的数量以及每一浅色层的浅色像素的数量时,处理器110可即时地换算成对应的厚度参数,以输出量测结果。举例而言,一个像素可对应为1奈米(nanometer)。在一实施例中,假设第6~44个像素为浅色像素,因此处理器110可取得对应于此某一层的浅色层图像的厚度为39奈米(44-6+1=39)。然而,像素与长度的对应关系可经由手动设定或自动侦测来进行调整,本发明并不以此限。
另外,在本实施例中,整体量测结果可如以下表(1)的方式呈现,并显示于显示装置150,但本发明不以此为限。在本实施例中,层编号可表示量测线段330与多层结构影像300中沿着第一方向P1依序交会的多个深色层图像310-1~310-4或多个浅色层图像320-1~320-5的编号。在本实施例中,平均灰阶值可表示量测线段330与多层结构影像300沿着第一方向P1依序交会的深色层图像310-1~310-4或浅色层图像320-1~320-5的对应的多个像素的灰阶值的平均值。在本实施例中,量测厚度可表示对应于层编号的深色层厚度或浅色层厚度。
层编号 | 平均灰阶值 | 量测厚度 |
1 | 8 | 38 |
2 | 80 | 39 |
3 | 5 | 38 |
4 | 83 | 35 |
表(1)
值得注意的是,在一实施例中,多层结构影像300可包括多个不同灰阶值范围的深色层图像310-1~310-4以及浅色层图像320-1~320-5,并且处理器110可对应设置阈值范围461、462或其他阈值范围,以进行厚度的量测。并且,在一实施例中,在多层结构影像300中,多个不同灰阶值范围的深色层图像310-1~310-4以及浅色层图像320-1~320-5沿着第一方向P1上可随机排列,而不仅限于深色层图像310-1~310-4以及浅色层图像320-1~320-5沿着第一方向P1上交错排列。
图5是依照本发明一实施例的显示介面的示意图。参考图3以及图5,显示介面500可包括多层结构影像510、工具列520以及量测结果530。多层结构影像510的描述可参考图3的多层结构影像300,在此不再赘述。在本实施例中,工具列520可包括放大镜、移动显示范围以及设定量测线段等按钮,用以提供使用者进行操作,但本发明不限于此。举例而言,使用者可使用工具列520上的设定量测线段的按钮,来自行设定想要设定的量测线段330。并且,量测结果530可例如包括层(Layer)的编号、以及对应于深色(Dark)层的深色层厚度或对应于浅色(Light)层的浅色层厚度。值得注意的是,量测结果530中将深色层厚度与浅色层厚度各自对应于一个相同的层编号。在另一实施例中,量测结果530可如表(1)的格式,并且层编号仅对应至一个深色层厚度或浅色层厚度。在本实施例中,显示介面500可显示于显示装置150上,以供使用者可即时地检视量测结果530。
图6是依照本发明一实施例的影像分析方法的流程图。参考图1~4以及图6,图2的步骤S250可例如采用图6的方式来实现。在本实施例中,处理器110执行影像分析模块121,以分析灰阶分布400时,可分为如下的4个步骤:步骤S610(寻找深色层厚度或浅色层的起点)、步骤S620(寻找深色层厚度或浅色层厚度的终点)、步骤S630(检查厚度范围)以及步骤S640(检查厚度是否重叠)。
值得注意的是,由于白色薄层图像340-1~340-7的灰阶值会高于深色层图像310-1~310-4以及浅色层图像320-1~320-5的灰阶值。因此,处理器110在分析灰阶分布400时,不论是由白色薄层图像340-1~340-7进入深色层图像310-1~310-4或浅色层图像320-1~320-5,灰阶值都会递减。也就是说,连续两个灰阶值的斜率值会是负值。接着,处理器110只要判断连续的两个灰阶值所形成的区间包括阈值范围461、462的上限值,且连续的第二个灰阶值是否属于深色层图像310-1~310-4的阈值范围461或浅色层图像320-1~320-5的阈值范围462,即可标示出深色层厚度或浅色层厚度的起点。也就是说,处理器110判断连续的两个灰阶值所形成的区间包括阈值范围461的上限值(亦称第一上限值),且判断连续的两个像素的第二个像素为深色像素时,标记对应的连续的两个像素的第二个像素为对应的深色层厚度的深色层起点。类似地,处理器110判断连续的两个灰阶值所形成的区间包括阈值范围462的上限值(亦称第二上限值),且判断连续的两个像素的第二个像素为浅色像素时,标记对应的连续的两个像素的第二个像素为对应的浅色层厚度的浅色层起点。
并且,处理器110在分析灰阶分布400时,不论是由深色层图像310-1~310-4或浅色层图像320-1~320-5进入白色薄层图像340-1~340-7,灰阶值都会递增。也就是说,连续两个灰阶值的斜率值会是正值。接着,处理器110只要判断连续的两个灰阶值所形成的区间包括阈值范围461、462的上限值,且连续的第二个灰阶值是否非属于深色层图像310-1~310-4的阈值范围461或浅色层图像320-1~320-5的阈值范围462,即可标示出深色层厚度或浅色层厚度的终点。也就是说,处理器110判断连续的两个灰阶值所形成的区间包括阈值范围461的第一上限值,且判断连续的两个像素的第一个像素为深色像素时,标记对应的连续的两个像素的第一个像素为对应的深色层厚度的深色层终点。类似地,处理器110判断连续的两个灰阶值所形成的区间包括阈值范围462的亦称第二上限值,且判断连续的两个像素的第一个像素为浅色像素时,标记对应的连续的两个像素的第一个像素为对应的浅色层厚度的浅色层终点。
在本实施例中,处理器110可设置下降临界值,并判断所述斜率值是否小于下降临界值,以标示出深色层厚度或浅色层厚度的起点。在本实施例中,处理器110可设置上升临界值,并判断所述斜率值是否大于上升临界值,以标示出深色层厚度或浅色层厚度的终点。举例而言,下降临界值与上升临界值可均设定为零,但本发明不以此为限。也就是说,处理器110可判断所述斜率值是否为负值(小于零),以标示出深色层厚度或浅色层厚度的起点。并且,处理器110可判断所述斜率值是否正值(大于零),以标示出深色层厚度或浅色层厚度的终点。在一实施例中,下降临界值与上升临界值可依设计需求而分别设定为相同或不同的数值,本发明并不以此为限。
举例而言,在步骤S610中,处理器110在分析灰阶分布400时,可计算连续两个灰阶值的斜率值,并根据所述斜率值的变化以及判断连续的两个灰阶值的第二个灰阶值是否落入深色层图像310-1~310-4对应的阈值范围461或浅色层图像320-1~320-5对应的阈值范围462,以将连续的两个灰阶值的第二个灰阶值对应的像素标示为深色层的起点。也就是说,处理器110判断连续的两个灰阶值所形成的区间是否包括阈值范围461、462的上限值,以标记连续的两个灰阶值的第二个灰阶值对应的像素为深色层或浅色层的起点。
在步骤S620中,处理器110在分析灰阶分布时,可计算连续两个灰阶值的斜率值,并根据所述斜率值的变化以及判断连续的两个灰阶值的第二个灰阶值是否离开深色层图像310-1~310-4对应的阈值范围461或浅色层图像320-1~320-5对应的阈值范围462,以将连续的两个灰阶值的第一个灰阶值对应的像素标示为深色层或浅色层的终点。也就是说,处理器110判断连续的两个灰阶值所形成的区间是否包括阈值范围461、462的上限值,以标记连续的两个灰阶值的第一个灰阶值对应的像素为深色层或浅色层的终点。
接着,在步骤S630中,处理器110分别计算各深色层厚度或浅色层厚度对应的起点与终点间的像素的数量。如此一来,处理器110可根据各深色层厚度或浅色层厚度对应的起点与终点间的像素的数量,计算对应的深色层厚度或浅色层厚度。
并且,处理器110可对像素进行检查,以舍弃不正确的起点。举例而言,处理器110可检查各深色层厚度的起点与终点间的所有像素的灰阶值的平均值是否位于深色层图像310-1~310-4对应的阈值范围461内或检查浅色层厚度对应的起点与终点间的所有像素的灰阶值的平均值是位于浅色层图像320-1~320-5对应的阈值范围462内。在检查的结果正确之后,处理器110才会计算各深色层厚度或浅色层厚度对应的起点与终点间的像素的数量。反之,在检查的结果不正确之后,处理器110可舍弃目前的起点,重新往下判断一个起点当作新的起点。
最后,在步骤S640中,处理器110可检查相邻的深色层厚度或浅色层厚度是否对应到相同的像素,以检查厚度是否重叠,并将重叠的厚度视为是同一深色层厚度或浅色层厚度。也就是说,处理器110检查到相邻的深色层厚度或浅色层厚度对应到相同的像素后,可将相邻的浅色层厚度或深色层厚度合并为单一的浅色层厚度或深色层厚度。如此一来,处理器110可修正因为杂讯的干扰导致深色层或浅色层的重叠,进而得到正确的深色层厚度或浅色层厚度。值得注意的是,在一实施例中,步骤S640可以省略,并直接将步骤S630计算得到的厚度作为深色层厚度或浅色层厚度。
图7是依照本发明一实施例的多层结构影像的灰阶分布的示意图。参考图1以及图7,在本实施例中,多层结构影像的灰阶分布700可仅包括多个深色层图像710-1~710-4以及多个浅色层图像720-1~720-3,并且可不包括如图3的白色薄层图像340-1~340-7。类似于前述的方式,处理器110在判断深色层厚度或浅色层厚度的起点或终点时,可分别地判断连续的第二个灰阶值是否属于深色层图像710-1~710-4的阈值范围761或浅色层图像720-1~720-3的阈值范围762。换句话说,处理器110可判断连续的两个灰阶值所形成的区间是否包括阈值范围761的上限值,以标示出深色层厚度的起点或终点。并且,处理器110可判断连续的两个灰阶值所形成的区间是否包括阈值范围762的上限值,以标示出浅色层厚度的起点或终点。接着,处理器110可根据连续两个像素的第二个像素是进入或离开深色层图像710-1~710-4的阈值范围761或浅色层图像720-1~720-3的阈值范围762,来判断所述起点或终点属于深色层厚度或浅色层厚度。此外,详细的厚度计算方式如同前述,此处不再赘述。
此外,处理器110可根据斜率值的正负来判断深色层厚度或浅色层厚度的起点或终点,但本发明不限于此。具体而言,从深色层进入浅色层时,灰阶值会递增,并且从浅色层进入深色层时,灰阶值会递减。也就是说,处理器110可根据连续两个灰阶值的斜率值来判断连续两个像素的第二个像素属于深色像素或浅色像素。举例而言,处理器110可根据斜率值为负来判断深色层厚度的起点710a的方式,并且处理器110可根据斜率值为正来判断深色层厚度的终点710b。并且,处理器110可根据斜率值为正来判断浅色层厚度的起点720a,并且处理器110可根据斜率值为负来判断深色层厚度的终点720b。
综上所述,本发明的影像分析方法与影像分析系统可根据设定的量测线段而自动且快速地量测多层结构影像的每一层的厚度,从而节省手动逐层单独量测厚度作所需的大量时间。并且,本发明的影像分析方法与影像分析系统可有效避免影像杂讯干扰或材料杂质的影响而可准确地量测多层结构影像中的每一层的厚度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种影像分析方法,其特征在于,包括:
取得由电子显微镜提供的多层结构影像,并且透过显示装置显示所述多层结构影像,其中所述多层结构影像为灰阶影像;
设定量测线段于所述多层结构影像上,其中所述量测线段朝第一方向延伸;
沿着所述量测线段侦测所述多层结构影像在对应于所述量测线段上的灰阶分布;以及
分析所述灰阶分布,以依据阈值范围来决定所述多层结构影像中的多个深色层厚度以及多个浅色层厚度。
2.根据权利要求1所述的影像分析方法,其特征在于,所述多层结构影像包括多个深色层图像以及多个浅色层图像,所述多个深色层图像以及所述多个浅色层图像沿着所述第一方向上交错排列,所述多个深色层图像以及所述多个浅色层图像分别沿着第二方向延伸,其中所述第一方向垂直于所述第二方向。
3.根据权利要求1所述的影像分析方法,其特征在于,所述灰阶分布包括所述多层结构影像对应于所述量测线段上的多个像素的多个灰阶值的分布,并且分析所述灰阶分布包括比较所述多个像素的所述多个灰阶值与所述阈值范围,以决定对应于所述多个深色层厚度的多个深色像素以及对应于所述多个浅色层厚度的多个浅色像素。
4.根据权利要求3所述的影像分析方法,其特征在于,所述阈值范围包括第一阈值范围以及第二阈值范围,其中分析所述灰阶分布包括:
判断所述多个灰阶值属于所述第一阈值范围时,决定所述多个灰阶值对应的所述多个像素属于所述多个深色像素;以及
判断所述多个灰阶值属于所述第二阈值范围时,决定所述多个灰阶值对应的所述像素属于所述多个浅色像素。
5.根据权利要求4所述的影像分析方法,其特征在于,所述多个深色层厚度对应于所述多个深色层厚度的所述深色像素的数量,所述多个浅色层厚度对应于所述多个浅色层厚度的所述浅色像素的数量。
6.根据权利要求4所述的影像分析方法,其特征在于,分析所述灰阶分布包括:
判断连续的两个所述灰阶值所形成的区间包括所述第一阈值范围的第一上限值,且判断连续的两个所述像素的第二个所述像素为所述深色像素时,标记对应的连续的两个所述像素的第二个所述像素为对应的所述深色层厚度的深色层起点;以及
判断连续的两个所述灰阶值所形成的区间包括所述第二阈值范围的第二上限值,且判断连续的两个所述像素的第二个所述像素为所述浅色像素时,标记对应的连续的两个所述像素的第二个所述像素为对应的所述浅色层厚度的浅色层起点。
7.根据权利要求5所述的影像分析方法,其特征在于,分析所述灰阶分布包括:
判断连续的两个所述灰阶值所形成的区间包括所述第一阈值范围的所述第一上限值,且判断连续的两个所述像素的第一个所述像素为所述深色像素时,标记对应的连续的两个所述像素的第一个所述像素为对应的所述深色层厚度的深色层终点;以及
判断连续的两个所述灰阶值所形成的区间包括所述第二阈值范围的所述第二上限值,且判断连续的两个所述像素的第一个所述像素为所述浅色像素时,标记对应的连续的两个所述像素的第一个所述像素为对应的所述浅色层厚度的浅色层终点。
8.根据权利要求7所述的影像分析方法,其特征在于,所述多个深色层厚度对应于所述多个深色层厚度的所述深色层起点与所述深色层终点间的所述深色像素的数量以及所述多个浅色层厚度所述多个浅色层厚度的所述浅色层起点与所述浅色层终点间的所述浅色像素的数量。
9.根据权利要求8所述的影像分析方法,其特征在于,更包括检查到相邻的所述深色层厚度或所述浅色层厚度对应到相同的所述像素后,将相邻的所述浅色层厚度或所述深色层厚度合并为单一的所述浅色层厚度或所述深色层厚度。
10.一种影像分析系统,其特征在于,包括:
电子显微镜,用以提供多层结构影像;
显示装置,用以显示所述多层结构影像;以及
影像分析装置,耦接所述电子显微镜以及所述显示装置,以取得所述电子显微镜提供的所述多层结构影像与输出所述多层结构影像至所述显示装置,所述影像分析装置包括:
存储装置,包括影像分析模块;以及
处理器,耦接所述存储装置,其中
所述处理器将所述多层结构影像输入至所述影像分析模块,
所述处理器设定量测线段于所述多层结构影像上,其中所述量测线段朝所述第一方向延伸,
所述处理器经由所述影像分析模块沿着所述量测线段侦测所述多层结构影像在对应于所述量测线段上的灰阶分布,
所述处理器经由所述影像分析模块分析所述灰阶分布,以依据阈值范围来决定所述多层结构影像中的多个深色层厚度以及多个浅色层厚度。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063113173P | 2020-11-12 | 2020-11-12 | |
US63/113,173 | 2020-11-12 | ||
TW110124775A TW202219900A (zh) | 2020-11-12 | 2021-07-06 | 影像分析方法與影像分析系統 |
TW110124775 | 2021-07-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114485411A true CN114485411A (zh) | 2022-05-13 |
Family
ID=81454793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111057652.5A Pending CN114485411A (zh) | 2020-11-12 | 2021-09-09 | 影像分析方法与影像分析系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220148154A1 (zh) |
CN (1) | CN114485411A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000304709A (ja) * | 1999-04-16 | 2000-11-02 | Nec Corp | 界面遷移領域の測定方法 |
TW201133673A (en) * | 2009-08-17 | 2011-10-01 | Nanda Technologies Gmbh | Methods of inspecting and processing semiconductor wafers |
JP2013195074A (ja) * | 2012-03-15 | 2013-09-30 | Keisoku Res Consultant:Kk | クラック検出方法、クラック表示装置 |
CN106601642A (zh) * | 2015-10-15 | 2017-04-26 | 三星电子株式会社 | 测量厚度的方法、处理图像的方法及执行其的电子系统 |
CN107068102A (zh) * | 2017-05-22 | 2017-08-18 | 惠科股份有限公司 | 一种图像处理方法、图像处理装置及显示装置 |
CN108698411A (zh) * | 2016-02-26 | 2018-10-23 | 凸版印刷株式会社 | 热敏转印用的图像数据的制作方法、图像形成方法以及图像显示设备 |
-
2021
- 2021-09-09 CN CN202111057652.5A patent/CN114485411A/zh active Pending
- 2021-11-08 US US17/520,727 patent/US20220148154A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000304709A (ja) * | 1999-04-16 | 2000-11-02 | Nec Corp | 界面遷移領域の測定方法 |
TW201133673A (en) * | 2009-08-17 | 2011-10-01 | Nanda Technologies Gmbh | Methods of inspecting and processing semiconductor wafers |
JP2013195074A (ja) * | 2012-03-15 | 2013-09-30 | Keisoku Res Consultant:Kk | クラック検出方法、クラック表示装置 |
CN106601642A (zh) * | 2015-10-15 | 2017-04-26 | 三星电子株式会社 | 测量厚度的方法、处理图像的方法及执行其的电子系统 |
CN108698411A (zh) * | 2016-02-26 | 2018-10-23 | 凸版印刷株式会社 | 热敏转印用的图像数据的制作方法、图像形成方法以及图像显示设备 |
CN107068102A (zh) * | 2017-05-22 | 2017-08-18 | 惠科股份有限公司 | 一种图像处理方法、图像处理装置及显示装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220148154A1 (en) | 2022-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798672B (zh) | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 | |
US20230419472A1 (en) | Defect detection method, device and system | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
WO2011125925A1 (ja) | 検査方法およびその装置 | |
JP2013160629A (ja) | 欠陥検査方法、欠陥検査装置、プログラムおよび出力部 | |
JP2008175549A (ja) | 欠陥検出装置および欠陥検出方法 | |
CN108445010B (zh) | 自动光学检测方法及装置 | |
JP2010034138A (ja) | パターン検査装置、パターン検査方法およびプログラム | |
CN115290663A (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN115661115A (zh) | 元器件检测方法、装置、电子设备及存储介质 | |
CN106122430B (zh) | 一种基于特征图像的小模数齿轮边缘检测精度计算方法 | |
CN111833371B (zh) | 一种基于pq-mean稀疏测度的图像边缘检测方法 | |
CN114485411A (zh) | 影像分析方法与影像分析系统 | |
CN102183206B (zh) | 一种pcb板上线路的线宽测量方法 | |
CN108508053B (zh) | 一种系统性极微物理缺陷的检测方法 | |
TWI593958B (zh) | 鑑別光學薄膜缺陷方法 | |
TW202219900A (zh) | 影像分析方法與影像分析系統 | |
KR101692159B1 (ko) | 에지 위치 검출 장치 및 에지 위치 검출 방법 | |
JP4821647B2 (ja) | 電子部品の端子位置検出方法 | |
CN114387249A (zh) | 检测方法及检测装置、设备和存储介质 | |
JP7285902B2 (ja) | 画像解析方法および画像解析システム | |
CN114066890A (zh) | 齿轮缺陷检测方法、装置、计算机设备及存储介质 | |
TW202100990A (zh) | 外觀檢查管理系統、外觀檢查管理裝置、外觀檢查管理方法以及程式 | |
JP3745075B2 (ja) | 膜厚測定装置 | |
CN111325707B (zh) | 一种图像处理方法和系统、检测方法和系统 |
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 |