CN117036364B - 图像处理方法及装置、存储介质、计算设备 - Google Patents

Abstract

本申请提供了一种图像处理方法及装置、存储介质、计算设备，图像处理方法包括：获取第一图像，第一图像包括空隙区域以及基底区域；确定第一图像的灰度分布信息；根据灰度分布信息确定空隙区域以及基底区域；根据空隙区域内的灰度分布信息以及基底区域内的灰度分布信息确定阈值，阈值用于对第一图像进行二值化。本申请能够确定出更加精准的二值化阈值，降低后续缺陷检测过程的误检率。

Description

图像处理方法及装置、存储介质、计算设备

技术领域

本申请涉及半导体技术领域，尤其涉及一种图像处理方法及装置、存储介质、计算设备。

背景技术

在半导体领域，需要对芯片的扫描电子显微镜（SEM）图片进行二值化，以用于缺陷检测。

现有技术中在对图片进行二值化时，通常采用的算法是大律法（OTSU），也可以称为最大类间方差法、最大类间阈值法。其基本原理是，用一个阈值将图像中的数据分为两类，一类中图像的像素点的灰度均小于这个阈值，另一类中的图像的像素点的灰度均大于或者等于该阈值。如果这两个类中像素点的灰度的方差越大，说明获取到的阈值就是最佳的阈值。

但是，现有的OTSU算法是基于图像整体灰度值来确定阈值，导致二值化效果较差。

发明内容

本申请能够确定出更加精准的阈值，降低后续缺陷检测过程的误检率。

为了达到上述目的，本申请提供了以下技术方案：

第一方面，提供了一种图像处理方法，图像处理方法包括：获取第一图像，所述第一图像包括空隙区域以及基底区域；确定所述第一图像的灰度分布信息；根据所述灰度分布信息确定所述空隙区域以及所述基底区域；根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值，所述阈值用于对所述第一图像进行二值化。

可选的，所述获取第一图像包括：获取硅片扫描图片，并按照预设尺寸截取所述硅片扫描图片，以作为所述第一图像；或者，获取参考图像和所述硅片扫描图片，并将所述参考图像与所述硅片扫描图片进行对齐，以得到所述第一图像，其中，所述参考图像为与所述硅片扫描图片对应的设计图形。

可选的，所述参考图像为GDS版图，所述硅片扫描图片为SEM图片，所述将所述参考图像与所述硅片扫描图片进行对齐包括：利用所述GDS版图与所述SEM图片的相似度将所述GDS版图与所述SEM图片进行对齐。

可选的，所述利用所述GDS版图与所述SEM图片的相似度将所述GDS版图与所述SEM图片进行对齐包括：对所述GDS版图以及所述SEM图片分别进行二值化；对二值化后的GDS版图以及二值化后的SEM图片进行图像相似度检测，并根据检测结果对齐所述GDS版图与所述SEM图片。

可选的，所述将所述参考图像与所述硅片扫描图片进行对齐包括：将所述硅片扫描图片中像素的坐标转换为对应的所述参考图像中像素的坐标，以获得所述硅片扫描图片在所述参考图像版图中的初始位置；以所述初始位置为起点，移动所述硅片扫描图片的各个像素坐标在所述参考图像中像素的坐标，基于每一次移动后的像素点计算图像相似度；根据所述图像相似度对齐所述硅片扫描图片与所述参考图像。

可选的，所述基于每一次移动后的像素点计算所述图像相似度包括：针对任意一次移动操作，计算移动后所述硅片扫描图片与所述参考图像对应像素点的方差值，以所述方差值作为所述图像相似度；所述根据所述图像相似度对齐所述硅片扫描图片与所述参考图像，包括：基于所述方差值最小时的位置关系，确定所述硅片扫描图片与所述参考图像位置的对齐。

可选的，所述基于每一次移动后的像素点计算所述图像相似度包括：计算第一特征骨架和第二特征骨架的欧氏距离，以所述欧氏距离作为所述图像相似度，其中，所述第一特征骨架为基于所述硅片扫描图片的灰度边界所确定的图像特征，所述第二特征骨架为基于所述参考图像的灰度边界所确定的图像特征；所述根据所述图像相似度对齐所述硅片扫描图片与所述参考图像，包括：基于所述欧氏距离最小时的位置关系，确定所述硅片扫描图片与所述参考图像位置的对齐。

可选的，所述第一特征骨架和所述第二特征骨架的确定过程包括：分别确定所述硅片扫描图片中黑色区域和白色区域的第一边界，以及所述参考图像中黑色区域和白色区域的第二边界；分别以所述第一边界为中心，在预设半径范围内确定所述硅片扫描图片中的第一缓冲区域，以及以所述第二边界为中心，在所述预设半径范围内确定所述参考图像中的第二缓冲区域；根据所述第一缓冲区域确定所述硅片扫描图片中的第一特征骨架，以及根据所述第二缓冲区域确定所述参考图像中的所述第二特征骨架。

可选的，所述阈值位于第一数值范围与第二数值范围之间，所述第一数值范围为所述空隙区域内各个像素的灰度值所分布的数值范围，所述第二数值范围为所述基底区域内各个像素的灰度值所分布的数值范围。

可选的，所述根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值包括：确定所述空隙区域内各个像素的灰度值第一分布曲线，以及所述基底区域内各个像素的灰度值的第二分布曲线；确定所述第一分布曲线与所述第二分布曲线所形成的至少一个交叉点中距离所述第二分布曲线的峰值最近的交叉点对应的灰度值为所述阈值。

可选的，所述根据所述灰度分布信息确定所述空隙区域以及所述基底区域包括：根据所述灰度分布信息确定所述第一图像中灰度变化率分布信息；根据所述第一图像中灰度变化率分布信息确定所述空隙区域以及所述基底区域。

可选的，所述根据所述第一图像中灰度变化率的分布确定所述空隙区域以及所述基底区域包括：根据所述灰度变化率分布信息确定各个空隙的边界；根据所述空隙的边界对所述第一图像划分得到所述空隙区域以及所述基底区域。

可选的，所述确定所述第一图像的灰度分布信息包括：确定所述第一图像中各个像素的位置以及灰度值的第三分布曲线，以作为所述灰度分布信息。

可选的，所述根据所述灰度分布信息确定所述第一图像中灰度变化率分布信息包括：对所述第三分布曲线进行微分计算，以得到第四分布曲线，所述第四分布曲线表示所述第一图像中的所述灰度变化率分布信息。

可选的，所述根据所述第一图像中灰度变化率分布信息确定所述空隙区域以及所述基底区域包括：确定所述第四分布曲线中目标像素范围内任一像素的位置，以作为所述空隙区域以及所述基底区域的边界，所述目标像素范围由极值对应的第一目标像素点及第二目标像素点来确定，所述第二目标像素点为距离所述极值最近的微分值零对应的像素。

第二方面，本申请还公开一种图像处理装置，图像处理装置包括：获取模块，用于获取第一图像，所述第一图像包括空隙区域以及基底区域；分布确定模块，用于确定所述第一图像的灰度分布信息；区域划分模块，用于根据所述灰度分布信息确定所述空隙区域以及所述基底区域；阈值确定模块，用于根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值，所述阈值用于对所述第一图像进行二值化。

第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器运行以执行第一方面提供的任意一种方法。

第四方面，提供了一种计算设备，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机程序，处理器运行计算机程序以执行第一方面提供的任意一种方法。

第五方面，本申请实施例还提供一种芯片（或者说数据传输装置），该芯片上存储有计算机程序，在计算机程序被芯片执行时，实现上述方法的步骤。

第六方面，本申请实施例还提供一种系统芯片，应用于终端中，所述芯片系统包括至少一个处理器和接口电路，所述接口电路和所述至少一个处理器通过线路互联，所述至少一个处理器用于执行指令，以执行第一方面或第二方面提供的任意一种方法。

与现有技术相比，本申请技术方案具有以下有益效果：

本申请技术方案中，获取第一图像，第一图像包括空隙区域以及基底区域；确定第一图像中相邻像素的灰度值的变化程度的分布；根据灰度值的变化程度的分布确定空隙区域以及基底区域；根据空隙区域内各个像素的灰度值的分布以及基底区域内各个像素的灰度值的分布确定阈值，阈值用于对第一图像进行二值化。本申请技术方案基于第一图像中相邻像素的灰度值的变化程度的分布来区分出空隙区域以及基底区域，能够在确定阈值时避免受到两者混合的干扰，使确定出的阈值能够更加精准地区分出空隙区域以及基底区域，降低后续缺陷检测过程的误检率。

进一步地，获取GDS版图以及SEM图片；利用GDS版图与SEM图片的相似度将GDS版图与SEM图片进行对齐，以得到第一图像。本申请技术方案通过将GDS版图与SEM图片进行对齐，能够使第一图像中反映出图案之间的差异，有助于确定更加精准的阈值，提升图像二值化的准确性，进而提升缺陷检测的准确性。

附图说明

图1是本申请实施例提供的一种图像处理方法的流程图；

图2a是本申请实施例提供的一种GDS版图的示意图；

图2b是本申请实施例提供的一种SEM图片的示意图；

图2c是本申请实施例提供的一种第一图像的示意图；

图3a是本申请实施例提供的一种GDS版图的示意图；

图3b是本申请实施例提供的一种SEM图片的示意图；

图3c是本申请实施例提供的一种在GDS版图中移动SEM图片的各个像素坐标的示意图；

图4a是本申请实施例提供的一种二值化的SEM图片的示意图；

图4b是本申请实施例提供的一种二值化的GDS版图的示意图；

图4c是本申请实施例提供的一种第二缓冲区域的示意图；

图4d是本申请实施例提供的一种第一缓冲区域的示意图；

图4e是本申请实施例提供的一种第二特征骨架的示意图；

图4f是本申请实施例提供的一种第一特征骨架的示意图；

图5是本申请实施例提供的一种第三分布曲线的示意图；

图6是本申请实施例提供的一种第四分布曲线的示意图；

图7a是本申请实施例提供的一种第一图像的示意图；

图7b是本申请实施例提供的一种空隙区域的边界的示意图；

图8是本申请实施例提供的一种第一分布曲线和第二分布曲线的示意图；

图9是本申请实施例提供的一种图像处理方法的具体流程图；

图10是本申请实施例提供的一种图像处理装置的结构示意图；

图11是本申请实施例提供的一种图像处理装置的结构示意图。

具体实施方式

如背景技术中所述，现有的OTSU算法是基于图像整体灰度值来确定阈值，导致二值化效果较差。

本申请技术方案基于第一图像中相邻像素的灰度值的变化程度的分布来区分出空隙区域以及基底区域，能够在确定阈值时避免受到两者混合的干扰，使确定出的阈值能够更加精准地区分出空隙区域以及基底区域，降低后续缺陷检测过程的误检率。

为使本申请的上述目的、特征和优点能够更为明显易懂，下面结合附图对本申请的具体实施例做详细的说明。

参见图1，本申请提供的方法具体包括以下步骤：

步骤101：获取第一图像，所述第一图像包括空隙区域以及基底区域；

步骤102：确定第一图像的灰度分布信息；

步骤103：根据灰度分布信息确定空隙区域以及基底区域；

步骤104：根据空隙区域内的灰度分布信息以及基底区域内的灰度分布信息确定阈值，所述阈值用于对所述第一图像进行二值化。

需要指出的是，本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。

可以理解的是，在具体实施中，所述图像处理方法可以采用软件程序的方式实现，该软件程序运行于芯片或芯片模组内部集成的处理器中。该方法也可以采用软件结合硬件的方式实现，本申请不作限制。

本实施例中的第一图像是灰度图像。第一图像中的各个像素具有灰度值。

在步骤101的一种实施方式中，第一图像可以是扫描硅片获得的图像，该硅片上具有图案（pattern）以及基底，图案包括多个几何图形。硅片上还包括经由半导体工艺形成的空隙(space)、侧角(side angle)等。相应地，第一图像中包括空隙区域以及基底区域。其中，空隙在扫描图像中具有较高的灰度值，侧角在扫描图像中具有较低的灰度值，基底在在扫描图像中具有较低的灰度值。

例如，第一图像为SEM图片或者是经处理后的SEM图片，具体可以是利用线宽扫描电子显微镜针对硅片拍摄以及处理后所得到的。

应当理解的是，还可以借助于任何其他合适的设备，例如其他类型的显微镜来获得针对硅片的扫描图片，本申请对此不作限制。

在步骤101的另一种实施方式中，第一图像为图形数据流(Graphic Data Stream)版图与SEM图片对齐之后的图片。具体地，第一图像表示图案(pattern)区域。

一并参照图2a、图2b和图2c，图2a示出的是GDS版图，图2b示出的是SEM图片，图2c示出的是第一图像。

具体地，GDS版图包括集成电路布图，具体包括多个几何图形。GDS版图能够反映出不同图案之间的差异。通过将GDS版图与SEM图片进行对齐，能够使第一图像中反映出图案之间的差异，有助于在后续步骤中确定更加精准的阈值。

在一个具体实施例中，请参照图3a、图3b和图3c，通过对SEM图片（图3b所示）中各个像素的坐标增加偏移量(offset)，由于SEM图片的尺寸小于GDS的图像尺寸，所以可以将SEM图片中像素的坐标转换为对应的GDS版图（图3a所示）中像素的坐标，以获得SEM图片在GDS版图中的初始位置。以该初始位置为起点，移动SEM图片的各个像素坐标在GDS版图中像素的坐标（图3c所示），每移动一次，计算一次方差。确定方差最小时SEM图片与GDS版图的位置关系，确定SEM图片与GDS版图位置的对齐，以获得第一图像。如图2c所示，图2c示出了SEM图片与GDS版图位置对齐时获得的第一图像。

方差的计算公式如下：

其中，x、y表示SEM图片与GDS版图上的像素点的横坐标和纵坐标，表示GDS版图中的像素值，/>表示SEM图片中的像素值，(0,M)以及(0,N)表示GDS版图中像素的坐标范围。

在另一个具体实施例中，请参照图4a至图4f，将SEM图片和GDS版图进行二值化，如图4a和图4b所示。分别确定SEM图片中黑色区域和白色区域的第一边界，以及GDS版图中黑色区域和白色区域的第二边界。分别以第一边界中各个像素为中心，在预设半径范围内确定SEM图片中的第一缓冲区域，如图4d中阴影部分所示。以及以第二边界中各个像素为中心，在预设半径范围内确定GDS版图中的第二缓冲区域，如图4c中阴影部分所示。根据第一缓冲区域确定SEM图片中的第一特征骨架，例如根据第一缓冲区域的中线以及顶点确定第一特征骨架，也就是说，选取第一缓冲区域的各个顶点，以及第一缓冲区域中沿几何图形长度方向的中线上的各个点，共同形成第一特征骨架，如图4f中黑色线条部分所示。根据第二缓冲区域确定GDS版图中的第二特征骨架，例如根据第二缓冲区域的中线以及顶点确定第二特征骨架，也就是说，选取第二缓冲区域的各个顶点，以及第二缓冲区域中沿几何图形长度方向的中线上的各个点，共同形成第二特征骨架，如图4e中黑色线条部分所示。然后按照前述实施例中的方式移动SEM图片的各个像素坐标在GDS版图中像素的坐标，每移动一次，计算一次第一特征骨架和第二特征骨架的欧氏距离，确定欧氏距离最小时SEM图片与GDS版图的位置关系，确定SEM图片与GDS版图位置的对齐，以获得第一图像。具体地，通过对SEM图片中各个像素的坐标增加偏移量(offset)，将SEM图片中像素的坐标转换为对应的GDS版图中像素的坐标，以获得SEM在GDS版图中的初始位置。以该初始位置为起点，移动SEM图片的各个像素坐标在GDS版图中像素的坐标。

更具体地，欧氏距离的计算公式如下：

其中，表示GDS版图中像素点在x方向上的坐标值，/>表示SEM图片中像素点在x方向上的坐标值，相应地，/>表示GDS版图中像素点在y方向上的坐标值，/>表示SEM图片中像素点在y方向上的坐标值，(0,M)以及(0,N)表示GDS版图中像素的坐标范围。

需要说明的是，在确定第一图像的过程中，可以使用其他任意可实施的替代图像处理算法，本申请对此不作限制。

继续参照图1，在步骤102的具体实施中，可以确定第一图像的灰度分布信息。其中，灰度分布信息可以表示第一图像中各个像素的灰度值的分布。

在一个具体实施例中，确定第一图像中各个像素沿几何图像宽度方向的像素位置以及灰度值的第三分布曲线，以作为灰度分布信息。

更具体地，选定各个像素在竖直方向（y方向）的像素位置，并分别确定第一图像中各个像素在水平方向（也即几何图像宽度方向）的像素位置以及灰度值的第三分布曲线，以作为灰度分布信息。具体请参照图5。图5示出了一种第三分布曲线，其中横坐标表示像素位置，具体可以是像素沿第一图像水平方向的坐标值，纵坐标表示灰度值。其中，各个像素在竖直方向（y方向）的像素位置可以是预先选取的，也可以是按照预设间隔来选取的。

更进一步地，可以基于第一图像的灰度分布信息确定第一图像中灰度变化率分布信息，也即第一图像中相邻像素的灰度值的变化程度及其分布。其中，相邻像素的灰度值的变化程度（也可以称为相邻像素灰度值的变化率），可以表示相邻像素灰度值的差异。由于空隙与基底在材质上的差异以及两者交界处存在侧角，使得两者在灰度图像中的交界处存在明显的灰阶变化，因此通过上述相邻像素灰度值的差异的大小可以确定空隙的边界。

进而在步骤103的具体实施中确定空隙区域以及基底区域。例如，基底或者几何图形在灰度图像中相对较亮，空隙在灰度图像中相对较暗，带来两者在灰度图像中的交界处在灰阶上存在明显的差异。

在一个非限制性的实施例中，为了获得第一图像中相邻像素的灰度值的变化程度的分布，可以采用以下方式：对第三分布曲线进行微分计算，以得到第四分布曲线，第四分布曲线表示第一图像中相邻像素的灰度值的变化程度的分布。

一并参照图5和图6。图6示出了一种第四分布曲线，其中横坐标表示像素位置，具体可以是像素沿第一图像水平方向的坐标值，纵坐标表示微分值。也就是说，第四分布曲线是通过对第三分布曲线进行微分计算得到的。

进一步地，确定第四分布曲线中目标像素范围内任一像素的位置，以作为空隙区域以及基底区域的边界。其中，目标像素范围由极值对应的第一目标像素点及第二目标像素点来确定，所述第二目标像素点为距离所述极值最近的微分值零对应的像素。其中，第四分布曲线中的极值可以是第四分布曲线中的最大值和/或最小值所在位置，也即分别表示第三分布曲线中微分值最大值和/或微分值最小值。

如前所述，空隙区域内像素的灰度值相较于基底区域内像素的灰度值较低，那么在空隙区域与基底区域的边界处会出现明显的灰阶变化。那么，反映在第四分布曲线上，微分值为极大值或极小值对应的像素的位置表示像素灰度值变化最大的位置，距离极大值或极小值最近的微分值为零对应的像素的位置则表示灰度值变化方向发生变化的位置，例如该位置一侧的灰度值沿第一图像x方向减小，该位置另一侧的灰度值沿第一图像x方向增大。空隙区域以及基底区域的边界则处于目标像素范围内（包括目标像素范围的边界）。

更具体地，空隙区域以及基底区域的边界可以是极大值或极小值对应的像素的位置，也可以是距离极大值或极小值最近的微分值为零对应的像素的位置，还可以是两者之间像素的位置，本申请对此不作限制。

继续参照图5和图6，像素位置P1和像素位置P2分别表示微分值为零对应的像素的位置。如图6所示，在像素位置P1和像素位置P2之间，微分值基本为零，从图5中可以看出该区域内像素的灰度值较小且基本无变化，该区域通常为空隙区域。相应地，其他区域为基底区域。像素位置P1和像素位置P2表示空隙区域的边界，也可以称为轮廓。

具体请参照图7a和图7b，以第一图像7a为例，确定出的空隙区域的边界（轮廓）如图7b所示。该边界内的区域为空隙区域，该边界外的区域为基底区域。

通过上述方式可以确定空隙区域的轮廓，从而区分出空隙区域以及基底区域。

继续参照图1，在步骤104的具体实施中，根据空隙区域内的灰度分布信息以及基底区域内的灰度分布信息确定阈值。具体地，由于空隙区域内各个像素的灰度值与基底区域内各个像素的灰度值分布在不同的灰度值区间，因此通过统计两者的分布，找到能够区分两者的灰度值，来作为阈值。通过上述方式确定出的阈值能够更加精准地区分出空隙区域以及基底区域，降低后续缺陷检测过程的误检率。

在一个具体实施例中，可以通过以下方式确定阈值：确定空隙区域内各个像素的灰度值的第一分布曲线，以及基底区域内各个像素的灰度值的第二分布曲线；确定第一分布曲线与第二分布曲线所形成的至少一个交叉点中距离所述第二分布曲线的峰值最近的交叉点对应的灰度值为阈值。

具体请参照图8，曲线Q1表示第一分布曲线，曲线Q2表示第二分布曲线，横坐标为灰度值，纵坐标为具有该像素值的像素数量。如图8中所示，空隙区域内各个像素的灰度值与基底区域内各个像素的灰度值分布在不同的灰度值范围内，那么可以在这两个不同的灰度值范围之间选取阈值。图8中第一分布曲线和第二分布曲线具有一个交叉点，如图8中灰度值T。那么可以选取该交叉点，也即第一分布曲线Q1与第二分布曲线Q2所形成的波谷位置对应的灰度值T为阈值。

进一步地，若第一分布曲线Q1和第二分布曲线Q2具有多个交叉点，那么可以选择多个交叉点中距离第二分布曲线Q2的峰值最近的交叉点对应的灰度值T为阈值。

需要说明的是，图8仅示出了第一分布曲线和第二分布曲线的一种情况，在实际中也可以是曲线Q1表示第二分布曲线，曲线Q2表示第一分布曲线，本申请对此不作限制。

请参照图9，图9示出了一种图像处理方法的具体流程。

在步骤701中，获取GDS版图以及SEM图片。

在步骤702中，利用GDS版图与SEM图片的相似度将GDS版图与SEM图片进行对齐，以得到第一图像。

具体地，对GDS版图以及SEM图片分别进行二值化。例如可以采用OTSU算法对GDS版图以及SEM图片分别进行二值化。对二值化后的GDS版图以及二值化后的SEM图片进行图像相似度检测，以获得GDS版图中与SEM图片中相似度最大的区域。并按照该相似度最大区域对所述SEM图片进行截取，以获得第一图像。

关于图像相似度检测的更多具体实施方式可以参照前述实施例，此处不再赘述。

相对于现有技术，本发明实施例中通过将GDS版图以及SEM图片对齐能够分割出图案区域，并在后续步骤中对图案区域进行阈值确定以及缺陷检测。由于基底区域更容易存在噪声，因此通过分割出图案区域能够使该区域内噪声更少，从而避免噪声对缺陷检测的影响，提升缺陷检测的准确率。

需要说明的是，可以采用任意可实施的图像相似度检测算法来检测图像之间的相似度，本申请对此不作限制。

在步骤703中，确定第一图像中各个像素的位置以及灰度值的第三分布曲线，对第三分布曲线进行微分计算，以得到第四分布曲线。

在步骤704中，确定第四分布曲线中目标像素范围内任一像素的位置，以作为空隙区域以及基底区域的边界。

在步骤705中，确定空隙区域内各个像素的灰度值与其数量的第一分布曲线，以及基底区域内各个像素的灰度值与其数量的第二分布曲线；确定第一分布曲线与第二分布曲线所形成的波谷位置对应的灰度值为阈值。

关于本申请实施例的更多具体实施方式，可以参照前述实施例，此处不在赘述。

请参照图10，本申请还公开了一种图像处理装置。图像处理装置80可以包括：

获取模块801，用于获取第一图像，第一图像包括空隙区域以及基底区域；

分布确定模块802，用于确定第一图像中相邻像素的灰度值的变化程度的分布；

区域划分模块803，用于根据灰度值的变化程度的分布确定空隙区域以及基底区域；

阈值确定模块804，用于根据空隙区域内各个像素的灰度值的分布以及基底区域内各个像素的灰度值的分布确定阈值，阈值用于对第一图像进行二值化。

在具体实施中，上述图像处理装置80可以对应于计算设备中具有图像处理功能的芯片，例如SOC、基带芯片等；或者对应于计算设备中包括具有图像处理功能的芯片模组；或者对应于具有数据处理功能芯片的芯片模组，或者对应于计算设备。

本实施例基于第一图像中相邻像素的灰度值的变化程度的分布来区分出空隙区域以及基底区域，能够在确定阈值时避免受到两者混合的干扰，使确定出的阈值能够更加精准地区分出空隙区域以及基底区域，降低后续缺陷检测过程的误检率。

进一步地，阈值确定模块804确定空隙区域内各个像素的灰度值与其数量的第一分布曲线，以及基底区域内各个像素的灰度值与其数量的第二分布曲线；确定第一分布曲线与第二分布曲线所形成的波谷位置对应的灰度值为阈值。

关于图像处理装置80的其他相关描述可以参照前述实施例中的相关描述，此处不再赘述。

关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件（例如芯片、电路模块等）或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端设备的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端设备内同一组件（例如，芯片、电路模块等）或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端设备内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现。

本申请实施例还公开了一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时可以执行图1或图7中所示方法的步骤。所述存储介质可以包括只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random AccessMemory，RAM）、磁盘或光盘等。存储介质还可以包括非挥发性存储器（non-volatile）或者非瞬态（non-transitory）存储器等。

请参照图11，本申请实施例还提供了一种通信装置的硬件结构示意图。该装置包括处理器901、存储器902和收发器903。

处理器901可以是一个通用中央处理器(central processing unit，CPU)、微处理器、特定应用集成电路(application-specific integrated circuit，ASIC)，或者一个或多个用于控制本申请方案程序执行的集成电路。处理器901也可以包括多个CPU，并且处理器901可以是一个单核(single-CPU)处理器，也可以是多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路或用于处理数据(例如计算机程序指令)的处理核。

存储器902可以是ROM或可存储静态信息和指令的其他类型的静态存储设备、RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，本申请实施例对此不作任何限制。存储器902可以是独立存在(此时，存储器902可以位于该装置外，也可以位于该装置内)，也可以和处理器901集成在一起。其中，存储器902中可以包含计算机程序代码。处理器901用于执行存储器902中存储的计算机程序代码，从而实现本申请实施例提供的方法。

处理器901、存储器902和收发器903通过总线相连接。收发器903用于与其他设备或通信网络通信。可选的，收发器903可以包括发射机和接收机。收发器903中用于实现接收功能的器件可以视为接收机，接收机用于执行本申请实施例中的接收的步骤。收发器903中用于实现发送功能的器件可以视为发射机，发射机用于执行本申请实施例中的发送的步骤。

当图10所示的结构示意图用于示意上述实施例中所涉及的终端设备的结构时，处理器901用于对终端设备的动作进行控制管理，例如，处理器901用于支持终端设备执行图1或图8的各个步骤，和/或本申请实施例中所描述的其他过程中的终端设备执行的动作。处理器901可以通过收发器903与其他网络实体通信，例如，与上述网络设备通信。存储器902用于存储终端设备的程序代码和数据。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/“，表示前后关联对象是一种“或”的关系。

本申请实施例中出现的“多个”是指两个或两个以上。

本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。

本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此不做任何限定。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的部分步骤。

虽然本申请披露如上，但本申请并非限定于此。任何本领域技术人员，在不脱离本申请的精神和范围内，均可作各种更动与修改，因此本申请的保护范围应当以权利要求所限定的范围为准。

Claims (17)

1.一种图像处理方法，其特征在于，包括：

获取第一图像，所述第一图像包括空隙区域以及基底区域；

确定所述第一图像的灰度分布信息；

根据所述灰度分布信息确定所述空隙区域以及所述基底区域；

根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值，所述阈值用于对所述第一图像进行二值化，所述阈值位于第一数值范围与第二数值范围之间，所述第一数值范围为所述空隙区域内各个像素的灰度值所分布的数值范围，所述第二数值范围为所述基底区域内各个像素的灰度值所分布的数值范围。

2.根据权利要求1所述的图像处理方法，其特征在于，所述获取第一图像包括：

获取硅片扫描图片，并按照预设尺寸截取所述硅片扫描图片，以作为所述第一图像；

或者，获取参考图像和所述硅片扫描图片，并将所述参考图像与所述硅片扫描图片进行对齐，以得到所述第一图像，其中，所述参考图像为与所述硅片扫描图片对应的设计图形。

3.根据权利要求2所述的图像处理方法，其特征在于，所述参考图像为GDS版图，所述硅片扫描图片为SEM图片，所述将所述参考图像与所述硅片扫描图片进行对齐包括：

利用所述GDS版图与所述SEM图片的相似度将所述GDS版图与所述SEM图片进行对齐。

4.根据权利要求3所述的图像处理方法，其特征在于，所述利用所述GDS版图与所述SEM图片的相似度将所述GDS版图与所述SEM图片进行对齐包括：

对所述GDS版图以及所述SEM图片分别进行二值化；

对二值化后的GDS版图以及二值化后的SEM图片进行图像相似度检测，并根据检测结果对齐所述GDS版图与所述SEM图片。

5.根据权利要求2所述的图像处理方法，其特征在于，所述将所述参考图像与所述硅片扫描图片进行对齐包括：

将所述硅片扫描图片中像素的坐标转换为对应的所述参考图像中像素的坐标，以获得所述硅片扫描图片在所述参考图像版图中的初始位置；

以所述初始位置为起点，移动所述硅片扫描图片的各个像素坐标在所述参考图像中像素的坐标，基于每一次移动后的像素点计算图像相似度；

根据所述图像相似度对齐所述硅片扫描图片与所述参考图像。

6.根据权利要求5所述的图像处理方法，其特征在于，所述基于每一次移动后的像素点计算所述图像相似度包括：

针对任意一次移动操作，计算移动后所述硅片扫描图片与所述参考图像对应像素点的方差值，以所述方差值作为所述图像相似度；

所述根据所述图像相似度对齐所述硅片扫描图片与所述参考图像，包括：

基于所述方差值最小时的位置关系，确定所述硅片扫描图片与所述参考图像位置的对齐。

7.根据权利要求5所述的图像处理方法，其特征在于，所述基于每一次移动后的像素点计算所述图像相似度包括：

计算第一特征骨架和第二特征骨架的欧氏距离，以所述欧氏距离作为所述图像相似度，其中，所述第一特征骨架为基于所述硅片扫描图片的灰度边界所确定的图像特征，所述第二特征骨架为基于所述参考图像的灰度边界所确定的图像特征；

所述根据所述图像相似度对齐所述硅片扫描图片与所述参考图像，包括：

基于所述欧氏距离最小时的位置关系，确定所述硅片扫描图片与所述参考图像位置的对齐。

8.根据权利要求7所述的图像处理方法，其特征在于，所述第一特征骨架和所述第二特征骨架的确定过程包括：

分别确定所述硅片扫描图片中黑色区域和白色区域的第一边界，以及所述参考图像中黑色区域和白色区域的第二边界；

分别以所述第一边界为中心，在预设半径范围内确定所述硅片扫描图片中的第一缓冲区域，以及以所述第二边界为中心，在所述预设半径范围内确定所述参考图像中的第二缓冲区域；

根据所述第一缓冲区域确定所述硅片扫描图片中的第一特征骨架，以及根据所述第二缓冲区域确定所述参考图像中的所述第二特征骨架。

9.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值包括：

确定所述空隙区域内各个像素的灰度值第一分布曲线，以及所述基底区域内各个像素的灰度值的第二分布曲线；

确定所述第一分布曲线与所述第二分布曲线所形成的至少一个交叉点中距离所述第二分布曲线的峰值最近的交叉点对应的灰度值为所述阈值。

10.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述灰度分布信息确定所述空隙区域以及所述基底区域包括：

根据所述灰度分布信息确定所述第一图像中灰度变化率分布信息；

根据所述第一图像中灰度变化率分布信息确定所述空隙区域以及所述基底区域。

11.根据权利要求10所述的图像处理方法，其特征在于，所述根据所述第一图像中灰度变化率的分布确定所述空隙区域以及所述基底区域包括：

根据所述灰度变化率分布信息确定各个空隙的边界；

根据所述空隙的边界对所述第一图片划分得到所述空隙区域以及所述基底区域。

12.根据权利要求10所述的图像处理方法，其特征在于，所述确定所述第一图像的灰度分布信息包括：

确定所述第一图像中各个像素的位置以及灰度值的第三分布曲线，以作为所述灰度分布信息。

13.根据权利要求12所述的图像处理方法，其特征在于，所述根据所述灰度分布信息确定所述第一图像中灰度变化率分布信息包括：

对所述第三分布曲线进行微分计算，以得到第四分布曲线，所述第四分布曲线表示所述第一图像中的所述灰度变化率分布信息。

14.根据权利要求13所述的图像处理方法，其特征在于，所述根据所述第一图像中灰度变化率分布信息确定所述空隙区域以及所述基底区域包括：

确定所述第四分布曲线中目标像素范围内任一像素的位置，以作为所述空隙区域以及所述基底区域的边界，所述目标像素范围由极值对应的第一目标像素点及第二目标像素点来确定，所述第二目标像素点为距离所述极值最近的微分值零对应的像素。

15.一种图像处理装置，其特征在于，包括：

获取模块，用于获取第一图像，所述第一图像包括空隙区域以及基底区域；

分布确定模块，用于确定所述第一图像的灰度分布信息；

区域划分模块，用于根据所述灰度分布信息确定所述空隙区域以及所述基底区域；

阈值确定模块，用于根据所述空隙区域内的灰度分布信息以及所述基底区域内的灰度分布信息确定阈值，所述阈值用于对所述第一图像进行二值化；

所述阈值位于第一数值范围与第二数值范围之间，所述第一数值范围为所述空隙区域内各个像素的灰度值所分布的数值范围，所述第二数值范围为所述基底区域内各个像素的灰度值所分布的数值范围。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至14任一项所述图像处理方法的步骤。

17.一种计算设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至14任一项所述图像处理方法的步骤。