CN117274267B - 掩膜版图的自动检测方法、装置、处理器以及电子设备 - Google Patents
掩膜版图的自动检测方法、装置、处理器以及电子设备 Download PDFInfo
- Publication number
- CN117274267B CN117274267B CN202311560292.XA CN202311560292A CN117274267B CN 117274267 B CN117274267 B CN 117274267B CN 202311560292 A CN202311560292 A CN 202311560292A CN 117274267 B CN117274267 B CN 117274267B
- Authority
- CN
- China
- Prior art keywords
- predetermined
- determining
- preset
- width
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 34
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种掩膜版图的自动检测方法、装置、处理器以及电子设备，该方法包括：在接收到初始图像的情况下，对初始图像进行二值化处理，得到第一中间图像，初始图像为待测试的掩膜版图的图像，掩膜版图包括多个间隔的掩膜图案；对第一中间图像进行滤波处理，得到第二中间图像；对第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，间距信息包括预定宽度以及预定间距中至少之一，预定宽度为掩膜图案在预定方向上的最小宽度，预定间距为相邻的掩膜图案在预定方向上的最小间隔。本申请解决了现有技术中人工确定版图图片的最小间距，效率较低的问题。
Description
技术领域
本申请涉及半导体技术领域，具体而言，涉及一种掩膜版图的自动检测方法、装置、计算机可读存储介质、处理器以及电子设备。
背景技术
在NTO（New Tape Out，流片）或者RTO（Re- tape Out，重新流片）过程中，光罩公司将光罩的CAD图转换为JDV版图，工程师需要对JDV版图进行line（条）&space（间隙）尺寸验证，量测确定最窄的尺寸数据，该过程是光罩质量卡控的关键环节之一。目前依靠工程师人工随机检测水平和垂直方向尺寸最小的四个位置进行尺寸验证，效率较低，且人工验证的准确度欠佳，存在返工的情况。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种掩膜版图的自动检测方法、装置、计算机可读存储介质、处理器以及电子设备，以解决现有技术中人工确定版图图片的最小间距，效率较低的问题。
根据本发明实施例的一个方面，提供了一种掩膜版图的自动检测方法，包括：在接收到初始图像的情况下，对所述初始图像进行二值化处理，得到第一中间图像，所述初始图像为待测试的掩膜版图的图像，所述掩膜版图包括多个间隔的掩膜图案；对所述第一中间图像进行滤波处理，得到第二中间图像；对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，所述间距信息包括预定宽度以及预定间距中至少之一，所述预定宽度为所述掩膜图案在预定方向上的最小宽度，所述预定间距为相邻的所述掩膜图案在所述预定方向上的最小间隔。
可选地，对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，包括：对所述第二中间图像进行轮廓提取，得到多个所述掩膜图案的轮廓线；根据构成各所述轮廓线的像素点，确定预定序列，所述预定序列包括按照预定顺序排列的多个位置集合，所述预定顺序为多个所述轮廓线的排列顺序，所述位置集合包括顺序构成对应的所述轮廓线的多个像素点的坐标信息；根据所述预定序列，确定所述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据所述横坐标差值以及纵坐标差值，确定所述预定宽度以及所述预定间距中至少之一，所述预定像素点包括：位于同一个所述位置集合中的两个所述像素点、分别位于相邻的两个所述位置集合中的所述像素点。
可选地，根据所述预定序列，确定所述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据所述横坐标差值以及纵坐标差值，确定所述预定宽度以及所述预定间距中至少之一，包括：根据所述预定序列，分别确定各所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第一坐标差值，以及确定各所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第二坐标差值；根据所述预定序列，分别确定各相邻的两个所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第四坐标差值；确定所有的所述第一坐标差值中的最小值为第一宽度，以及确定所有的所述第二坐标差值中的最小值为第二宽度，所述第一宽度以及所述第二宽度构成所述预定宽度；确定所有的所述第三坐标差值中的最小值为第一间距，以及确定所有的所述第四坐标差值中的最小值为第二间距，所述第一间距以及所述第二间距构成所述预定间距。
可选地，在根据所述预定序列，在确定所述预定宽度以及所述预定间距之后，所述方法还包括：在所述初始图像上的对应位置标注所述预定宽度以及所述预定间距。
可选地，在根据所述预定序列，确定所述预定宽度以及所述预定间距之后，所述方法还包括：确定所述预定宽度对应的所述像素点的坐标信息，得到第一坐标集；确定所述预定间距对应的所述像素点的坐标信息，得到第二坐标集；在所述初始图像上生成所述第一坐标集以及所述第二坐标集。
可选地，对所述第一中间图像进行滤波处理，得到第二中间图像，包括：采用十字形模板对所述第一中间图像进行中值滤波处理，得到所述第二中间图像。
根据本发明实施例的另一方面，还提供了一种掩膜版图的自动检测装置，包括：第一处理单元，用于在接收到初始图像的情况下，对所述初始图像进行二值化处理，得到第一中间图像，所述初始图像为待测试的掩膜版图的图像，所述掩膜版图包括多个间隔的掩膜图案；第二处理单元，用于对所述第一中间图像进行滤波处理，得到第二中间图像；提取单元，用于对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，所述间距信息包括预定宽度以及预定间距中至少之一，所述预定宽度为所述掩膜图案在预定方向上的最小宽度，所述预定间距为相邻的所述掩膜图案在所述预定方向上的最小间隔。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的又一方面，还提供了一种电子设备，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
在本发明实施例中，在接收到初始图像的情况下，首先对待测试的掩膜版图的初始图像进行二值化处理，得到第一中间图像；之后，对第一中间图像进行滤波处理，得到第二中间图像；最后对第二中间图像进行轮廓提取，并确定包括预定宽度以及预定间距中至少之一的间距信息，其中，所述预定宽度为所述掩膜图案在预定方向上的最小宽度，所述预定间距为相邻的所述掩膜图案在所述预定方向上的最小间隔。相比现有技术中依靠人工测试掩膜图案的尺寸数据，造成测试效率低下的问题，本申请实现了自动测试掩膜图案的最小宽度数据以及相邻掩膜图案间的最小间隔数据，无需人工测试，保证了测试效率较高。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请的实施例的掩膜版图的自动检测方法的流程示意图；
图2示出了根据本申请的实施例的矩形模板的结构示意图；
图3示出了根据本申请的实施例的十字模板的结构示意图；
图4示出了根据本申请的实施例的第一中间图像的示意图；
图5示出了根据本申请的实施例的通过矩形模板对第一中间图像进行中值滤波后得到的图像示意图；
图6示出了根据本申请的实施例的通过十字模板对第一中间图像进行中值滤波后得到的图像示意图；
图7示出了根据本申请的实施例的十字模板中值滤波的过程示意图；
图8示出了根据本申请的实施例的掩膜版图的自动检测装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是，当元件（诸如层、膜、区域、或衬底）描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中的人工确定版图图片的最小间距，效率较低，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种掩膜版图的自动检测方法、装置、计算机可读存储介质、处理器以及电子设备。
根据本申请的实施例，提供了一种掩膜版图的自动检测方法。
图1是根据本申请实施例的掩膜版图的自动检测方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，在接收到初始图像的情况下，对上述初始图像进行二值化处理，得到第一中间图像，上述初始图像为待测试的掩膜版图的图像，上述掩膜版图包括多个间隔的掩膜图案；
上述实施例中，通过对待测试的掩膜版图的初始图像进行二值化处理，相比初始图像，处理后的第一中间图像的矩阵容量减小了，保证了后续的计算效率较高。
具体地，对上述初始图像进行二值化处理，包括：计算上述初始图像的RGB三通道像素矩阵的平均像素值，作为像素阈值；确定上述初始图像中各像素点的实际像素值是否大于上述像素阈值；在确定上述实际像素值大于上述平均像素值的情况下，将上述实际像素值修改为255；在确定上述实际像素值小于或者等于上述像素阈值的情况下，将上述实际像素值修改为0，得到上述第一中间图像。
本申请的实施例中，上述初始图像为JDV版图。
当然，上述像素阈值并不限于上述的RGB三通道像素矩阵的平均像素值，还可以为其他值，本领域技术人员可以根据实际情况灵活设置。
步骤S102，对上述第一中间图像进行滤波处理，得到第二中间图像；
JDV版图中的黑点一般为胡椒噪点，通过对上述第一中间图像进行滤波，保证了滤波后的上述第二中间图像较为准确，避免了噪点对后续计算的干扰，方便了后续可以根据第二中间图像较为准确地确定预定宽度和/或预定间距。
在实际应用过程中，可以直接调用中值滤波器，使用如图2所示的矩形掩膜，来对上述第一中间图像进行中值滤波处理。
但是，如图4以及图5所示，由于矩形模板会对图像拐角（如图5中虚线圈出的位置）进行圆滑化，会影响预定宽度以及预定间距的检验结构，因此，为了进一步地保证预定宽度和/或预定间距的检测准确性，根据本申请的又一种实施例中，对上述第一中间图像进行滤波处理，得到第二中间图像，包括：采用如图3所示的十字形模板对上述第一中间图像进行中值滤波处理，得到如图6所示的上述第二中间图像，具体滤波过程如图7所示，先用一个奇数点的移动窗口截取第一中间图像的部分像素，得到原像素；之后按照从小到大的顺序对上述原像素进行排序，最后，取排序后的中心点位置的像素值作为滤波输出，将该滤波输出替换为原像素中中心点位置的像素值，得到处理后像素。
比较图5以及图6可以看出，上述实施例通过十字模板进行中值滤波法，可以较好地保护图像轮廓拐角处的像素。
步骤S103，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，上述间距信息包括预定宽度以及预定间距中至少之一，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。
本申请实施例中，使用OpenCV（跨平台计算机视觉和机器学习软件库）图像处理技术，来对上述第二中间图像进行轮廓提取。
本申请的又一种实施例中，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，包括：对上述第二中间图像进行轮廓提取，得到多个上述掩膜图案的轮廓线；根据构成各上述轮廓线的像素点，确定预定序列，上述预定序列包括按照预定顺序排列的多个位置集合，上述预定顺序为多个上述轮廓线的排列顺序，上述位置集合包括顺序构成对应的上述轮廓线的多个像素点的坐标信息；根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，上述预定像素点包括：位于同一个上述位置集合中的两个上述像素点、分别位于相邻的两个上述位置集合中的上述像素点。先进行轮廓识别，再确定轮廓上各像素点的坐标，将图像问题转化为坐标运算问题，进一步地保证了掩膜版图的边距检测效率较高。并且相比人为确定最小的尺寸位置并量测的方式，本申请的上述测试方法准确度更高。
上述的构成顺序可以为沿轮廓线的顺时针方向，各像素点的构成顺序，也可以为沿轮廓线的逆时针方向，各像素点的构成顺序。
当然，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息的方式并不限于上述的方式，再一种实施例中，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，包括：对上述第二中间图像进行轮廓提取，得到多个上述掩膜图案的轮廓线；根据构成各上述轮廓线的像素点，确定上述第二中间图像中各上述像素点的预定坐标信息，上述预定坐标信息包括表征上述像素点所属轮廓线所在位置的第一下标信息，以及表征上述像素点在上述轮廓线中的位置的第二下标信息；根据多个上述预定坐标信息，确定所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，上述预定像素点包括：位于同一个上述位置集合中的两个上述像素点、分别位于相邻的两个上述位置集合中的上述像素点。
另外，根据构成各上述轮廓线的像素点，确定上述第二中间图像中各上述像素点的预定坐标信息，包括：获取各上述轮廓线上的像素点的初始坐标信息（X，Y）；根据上述轮廓线的排列顺序，生成各上述轮廓线的第一排列序号[0，1，2，3，……，k]；根据各上述像素点在上述轮廓线上的排列顺序，生成上述轮廓线对应的各上述像素点的第一排列序号[1，2，3，……，m]；将上述第一排列序号添加至对应的上述初始坐标信息的第一下标位，并将上述第二排列序号添加至对应的上述初始坐标信息的第二下标位，得到多个上述预定坐标信息（X01，Y01）、……、（Xkm，Ykm）。
本申请的另一种实施例中，在根据构成各上述轮廓线的像素点，确定预定序列之后，在根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值之前，上述方法还可以包括：滤除上述轮廓线的开口对应的点坐标。
为了进一步地保证较为准确且较为快速地确定上述预定宽度和/或上述预定间距，本申请的实施例中，根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，包括：根据上述预定序列，分别确定各上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第一坐标差值，以及确定各上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第二坐标差值，也就是说，在上述预定像素点包括位于同一个上述位置集合中的两个上述像素点的情况下，确定各个上述位置集合中，纵坐标相同的任意两个上述像素点的横坐标差值，得到第二中间图像中所有的上述横坐标差值，以及确定各个上述位置集合中，横坐标相同的任意两个上述像素点的纵坐标差值，得到第二中间图像中所有的上述纵坐标差值；根据上述预定序列，分别确定各相邻的两个上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第四坐标差值，也就是说，在上述预定像素点包括分别位于相邻的两个上述位置集合中的上述像素点的情况下，确定位于任意相邻的位置集合中、且纵坐标相同的两个像素点的横坐标差值，得到第二中间图像中所有的上述横坐标差值，以及确定位于任意相邻的位置集合中、且横坐标相同的两个像素点的纵坐标差值，得到第二中间图像中所有的上述纵坐标差值；确定所有的上述第一坐标差值中的最小值为第一宽度，以及确定所有的上述第二坐标差值中的最小值为第二宽度，上述第一宽度以及上述第二宽度构成上述预定宽度；确定所有的上述第三坐标差值中的最小值为第一间距，以及确定所有的上述第四坐标差值中的最小值为第二间距，上述第一间距以及上述第二间距构成上述预定间距。上述实施例中，将掩膜图案的尺寸测量转化为轮廓内点距离的计算，相邻的掩膜图案的间隔尺寸测量转化为轮廓间点距离的计算，针对性计算水平及竖直方向点距离，且只对不同线段中的坐标进行遍历寻找最小边距，进一步地减少了运算量，进一步地保证了检测效率较高，同时进一步地保证了检测结果较为准确可靠。
为了进一步地保证检测高效性，又一种实施例中，根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，包括：根据上述预定序列，分别确定各上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第一坐标差值，以及确定各上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第二坐标差值；确定所有的上述第一坐标差值中的最小值为第一宽度，以及确定所有的上述第二坐标差值中的最小值为第二宽度，上述第一宽度以及上述第二宽度构成上述预定宽度。上述实施例，将将掩膜图案的尺寸测量转化为轮廓内点水平距离以及竖直距离的计算，进一步地保证了检测效率较高，同时进一步地保证了检测结果较为准确可靠。
再一种具体的实施例中，根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，包括：根据上述预定序列，分别确定各相邻的两个上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第四坐标差值；确定所有的上述第三坐标差值中的最小值为第一间距，以及确定所有的上述第四坐标差值中的最小值为第二间距，上述第一间距以及上述第二间距构成上述预定间距。将相邻的掩膜图案的间隔尺寸测量转化为轮廓间点的水平距离和竖直距离的计算，且只对不同线段中的坐标进行遍历寻找最小边距，进一步地减少了运算量，进一步地保证了检测效率较高，检测结果较为准确。
需要说明的是，上述预定方向包括相互垂直的水平方向（即X轴方向）以及竖直方向（即Y轴方向），上述第一宽度为掩膜图案在X轴方向上的最小宽度，上述第二宽度为掩膜图案在Y轴方向上的最小宽度，上述第一间距为相邻的两个掩膜图案沿X轴方向的最小间隔，上述第二间距为相邻的两个掩膜图案沿Y轴方向的最小间隔。
根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一的具体实现方式可以为：
步骤1）、第二宽度L1：coor_index.index(k)≤i＜coor_index.index(k+1)
第二间距S1：i∉coor_ index(k)，其中，i代表第i个索引，k代表第k个轮廓线。
步骤2）、minDis=预设值，若minDis＞[abs(Yki－Ykj)Xki=Xkj]，则minDis=[abs(Yki－Ykj)Xki=Xkj]；
步骤3）、循环执行步骤1）和步骤2），直至遍历完所有的坐标信息；
同理，计算第一宽度以及第一间距，得到预定宽度以及预定间距。
具体地，在根据上述预定序列，在确定上述预定宽度以及上述预定间距之后，上述方法还包括：在上述初始图像上的对应位置标注上述预定宽度以及上述预定间距。这样方便了工作人员查看检测结果，同时方便了后续的尺寸核对工作。
为了进一步地方便工作人员查看，再一种实施例中，在根据上述预定序列，确定上述预定宽度以及上述预定间距之后，上述方法还包括：确定上述预定宽度对应的上述像素点的坐标信息，得到第一坐标集；确定上述预定间距对应的上述像素点的坐标信息，得到第二坐标集；在上述初始图像上生成上述第一坐标集以及上述第二坐标集。
本申请的上述掩膜版图的自动检测方法中，在接收到初始图像的情况下，首先对待测试的掩膜版图的初始图像进行二值化处理，得到第一中间图像；之后，对第一中间图像进行滤波处理，得到第二中间图像；最后对第二中间图像进行轮廓提取，并确定包括预定宽度以及预定间距中至少之一的间距信息，其中，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。相比现有技术中依靠人工测试掩膜图案的尺寸数据，造成测试效率低下的问题，本申请实现了自动测试掩膜图案的最小宽度数据以及相邻掩膜图案间的最小间隔数据，无需人工测试，保证了测试效率较高。
在实际应用过程中，工程师手动标注检查一层版图图像约需2h，使用本申请的上述方法自动计算一层版图图像的尺寸数据约需4min，效率大大提升了。另外，当前工程师标注后需他人二次检测，且存在返工等情况，通过本申请的上述方法降低工作负担，提高了工作效益。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种掩膜版图的自动检测装置，需要说明的是，本申请实施例的掩膜版图的自动检测装置可以用于执行本申请实施例所提供的用于掩膜版图的自动检测方法。以下对本申请实施例提供的掩膜版图的自动检测装置进行介绍。
图8是根据本申请实施例的掩膜版图的自动检测装置的示意图。如图8所示，该装置包括：
第一处理单元10，用于在接收到初始图像的情况下，对上述初始图像进行二值化处理，得到第一中间图像，上述初始图像为待测试的掩膜版图的图像，上述掩膜版图包括多个间隔的掩膜图案；
上述实施例中，通过对待测试的掩膜版图的初始图像进行二值化处理，相比初始图像，处理后的第一中间图像的矩阵容量减小了，保证了后续的计算效率较高。
具体地，上述第一处理单元包括：计算模块，用于计算上述初始图像的RGB三通道像素矩阵的平均像素值，作为像素阈值；第一确定模块，用于确定上述初始图像中各像素点的实际像素值是否大于上述像素阈值；第一修改模块，用于在确定上述实际像素值大于上述平均像素值的情况下，将上述实际像素值修改为255；第二修改模块，用于在确定上述实际像素值小于或者等于上述像素阈值的情况下，将上述实际像素值修改为0，得到上述第一中间图像。
本申请的实施例中，上述初始图像为JDV版图。
当然，上述像素阈值并不限于上述的RGB三通道像素矩阵的平均像素值，还可以为其他值，本领域技术人员可以根据实际情况灵活设置。
第二处理单元20，用于对上述第一中间图像进行滤波处理，得到第二中间图像；
JDV版图中的黑点一般为胡椒噪点，通过对上述第一中间图像进行滤波，保证了滤波后的上述第二中间图像较为准确，避免了噪点对后续计算的干扰，方便了后续可以根据第二中间图像较为准确地确定预定宽度和/或预定间距。
在实际应用过程中，可以直接调用中值滤波器，使用如图2所示的矩形掩膜，来对上述第一中间图像进行中值滤波处理。
但是，如图4以及图5所示，由于矩形模板会对图像拐角（如图5中虚线圈出的位置）进行圆滑化，会影响预定宽度以及预定间距的检验结构，因此，为了进一步地保证预定宽度和/或预定间距的检测准确性，根据本申请的又一种实施例中，上述第二处理单元包括：滤波模块，用于采用如图3所示的十字形模板对上述第一中间图像进行中值滤波处理，得到如图6所示的上述第二中间图像，具体滤波过程如图7所示，先用一个奇数点的移动窗口截取第一中间图像的部分像素，得到原像素；之后按照从小到大的顺序对上述原像素进行排序，最后，取排序后的中心点位置的像素值作为滤波输出，将该滤波输出替换为原像素中中心点位置的像素值，得到处理后像素。
比较图5以及图6可以看出，上述实施例通过十字模板进行中值滤波法，可以较好地保护图像轮廓拐角处的像素。
提取单元30，用于对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，上述间距信息包括预定宽度以及预定间距中至少之一，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。
本申请实施例中，使用OpenCV图像处理技术，来对上述第二中间图像进行轮廓提取。
本申请的又一种实施例中，上述提取单元包括：第一提取模块，用于对上述第二中间图像进行轮廓提取，得到多个上述掩膜图案的轮廓线；第二确定模块，用于根据构成各上述轮廓线的像素点，确定预定序列，上述预定序列包括按照预定顺序排列的多个位置集合，上述预定顺序为多个上述轮廓线的排列顺序，上述位置集合包括顺序构成对应的上述轮廓线的多个像素点的坐标信息；第三确定模块，用于根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，上述预定像素点包括：位于同一个上述位置集合中的两个上述像素点、分别位于相邻的两个上述位置集合中的上述像素点。先进行轮廓识别，再确定轮廓上各像素点的坐标，将图像问题转化为坐标运算问题，进一步地保证了掩膜版图的边距检测效率较高。并且相比人为确定最小的尺寸位置并量测的方式，本申请的上述测试方法准确度更高。
上述的构成顺序可以为沿轮廓线的顺时针方向，各像素点的构成顺序，也可以为沿轮廓线的逆时针方向，各像素点的构成顺序。
当然，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息的方式并不限于上述的方式，再一种实施例中，上述提取单元还包括：第二提取模块，用于对上述第二中间图像进行轮廓提取，得到多个上述掩膜图案的轮廓线；第四确定模块，用于根据构成各上述轮廓线的像素点，确定上述第二中间图像中各上述像素点的预定坐标信息，上述预定坐标信息包括表征上述像素点所属轮廓线所在位置的第一下标信息，以及表征上述像素点在上述轮廓线中的位置的第二下标信息；第五确定模块，用于根据多个上述预定坐标信息，确定所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一，上述预定像素点包括：位于同一个上述位置集合中的两个上述像素点、分别位于相邻的两个上述位置集合中的上述像素点。
另外，上述第四确定模块包括：获取模块，用于获取各上述轮廓线上的像素点的初始坐标信息（X，Y）；根据上述轮廓线的排列顺序，生成各上述轮廓线的第一排列序号[0，1，2，3，……，k]；第一生成模块，用于根据各上述像素点在上述轮廓线上的排列顺序，生成上述轮廓线对应的各上述像素点的第一排列序号[1，2，3，……，m]；添加模块，用于将上述第一排列序号添加至对应的上述初始坐标信息的第一下标位，并将上述第二排列序号添加至对应的上述初始坐标信息的第二下标位，得到多个上述预定坐标信息（X01，Y01）、……、（Xkm，Ykm）。
本申请的另一种实施例中，上述装置还可以包括：滤除单元，用于在根据构成各上述轮廓线的像素点，确定预定序列之后，在根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值之前，滤除上述轮廓线的开口对应的点坐标。
为了进一步地保证较为准确且较为快速地确定上述预定宽度和/或上述预定间距，本申请的实施例中，上述第三确定模块包括：第一确定子模块，用于根据上述预定序列，分别确定各上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第一坐标差值，以及确定各上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第二坐标差值，也就是说，在上述预定像素点包括位于同一个上述位置集合中的两个上述像素点的情况下，确定各个上述位置集合中，纵坐标相同的任意两个上述像素点的横坐标差值，得到第二中间图像中所有的上述横坐标差值，以及确定各个上述位置集合中，横坐标相同的任意两个上述像素点的纵坐标差值，得到第二中间图像中所有的上述纵坐标差值；第二确定子模块，用于根据上述预定序列，分别确定各相邻的两个上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第四坐标差值，也就是说，在上述预定像素点包括分别位于相邻的两个上述位置集合中的上述像素点的情况下，确定位于任意相邻的位置集合中、且纵坐标相同的两个像素点的横坐标差值，得到第二中间图像中所有的上述横坐标差值，以及确定位于任意相邻的位置集合中、且横坐标相同的两个像素点的纵坐标差值，得到第二中间图像中所有的上述纵坐标差值；第三确定子模块，用于确定所有的上述第一坐标差值中的最小值为第一宽度，以及确定所有的上述第二坐标差值中的最小值为第二宽度，上述第一宽度以及上述第二宽度构成上述预定宽度；第四确定子模块，用于确定所有的上述第三坐标差值中的最小值为第一间距，以及确定所有的上述第四坐标差值中的最小值为第二间距，上述第一间距以及上述第二间距构成上述预定间距。上述实施例中，将掩膜图案的尺寸测量转化为轮廓内点距离的计算，相邻的掩膜图案的间隔尺寸测量转化为轮廓间点距离的计算，针对性计算水平及竖直方向点距离，且只对不同线段中的坐标进行遍历寻找最小边距，进一步地减少了运算量，进一步地保证了检测效率较高，同时进一步地保证了检测结果较为准确可靠。
为了进一步地保证检测高效性，又一种实施例中，上述第三确定模块包括：第一确定子模块，用于根据上述预定序列，分别确定各上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第一坐标差值，以及确定各上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第二坐标差值；第三确定子模块，用于确定所有的上述第一坐标差值中的最小值为第一宽度，以及确定所有的上述第二坐标差值中的最小值为第二宽度，上述第一宽度以及上述第二宽度构成上述预定宽度。上述实施例，将将掩膜图案的尺寸测量转化为轮廓内点水平距离以及竖直距离的计算，进一步地保证了检测效率较高，同时进一步地保证了检测结果较为准确可靠。
再一种具体的实施例中，根据上述预定序列，上述第三确定模块包括：第二确定子模块，用于根据上述预定序列，分别确定各相邻的两个上述位置集合中，纵坐标相同的所有上述预定像素点的上述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个上述位置集合中，横坐标相同的所有上述预定像素点的上述纵坐标差值，得到多个第四坐标差值；第四确定子模块，用于确定所有的上述第三坐标差值中的最小值为第一间距，以及确定所有的上述第四坐标差值中的最小值为第二间距，上述第一间距以及上述第二间距构成上述预定间距。将相邻的掩膜图案的间隔尺寸测量转化为轮廓间点的水平距离和竖直距离的计算，且只对不同线段中的坐标进行遍历寻找最小边距，进一步地减少了运算量，进一步地保证了检测效率较高，检测结果较为准确。
需要说明的是，上述预定方向包括相互垂直的水平方向（即X轴方向）以及竖直方向（即Y轴方向），上述第一宽度为掩膜图案在X轴方向上的最小宽度，上述第二宽度为掩膜图案在Y轴方向上的最小宽度，上述第一间距为相邻的两个掩膜图案沿X轴方向的最小间隔，上述第二间距为相邻的两个掩膜图案沿Y轴方向的最小间隔。
根据上述预定序列，确定上述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据上述横坐标差值以及纵坐标差值，确定上述预定宽度以及上述预定间距中至少之一的具体实现方式可以为：
步骤1）、第二宽度L1：coor_index.index(k)≤i＜coor_index.index(k+1)
第二间距S1：i∉coor_ index(k)，其中，i代表第i个索引，k代表第k个轮廓线。
步骤2）、minDis=预设值，若minDis＞[abs(Yki－Ykj)Xki=Xkj]，则minDis=[abs(Yki－Ykj)Xki=Xkj]；
步骤3）、循环执行步骤1）和步骤2），直至遍历完所有的坐标信息；
同理，计算第一宽度以及第一间距，得到预定宽度以及预定间距。
具体地，上述装置还包括：标注模块，用于在根据上述预定序列，在确定上述预定宽度以及上述预定间距之后，在上述初始图像上的对应位置标注上述预定宽度以及上述预定间距。这样方便了工作人员查看检测结果，同时方便了后续的尺寸核对工作。
为了进一步地方便工作人员查看，再一种实施例中，上述装置还包括：第六确定模块，用于在根据上述预定序列，确定上述预定宽度以及上述预定间距之后，确定上述预定宽度对应的上述像素点的坐标信息，得到第一坐标集；第七确定模块，确定上述预定间距对应的上述像素点的坐标信息，得到第二坐标集；第二生成模块，用于在上述初始图像上生成上述第一坐标集以及上述第二坐标集。
本申请的上述掩膜版图的自动检测装置中，在接收到初始图像的情况下，通过第一处理单元对待测试的掩膜版图的初始图像进行二值化处理，得到第一中间图像；通过第二处理单元对第一中间图像进行滤波处理，得到第二中间图像；通过提取单元对第二中间图像进行轮廓提取，并确定包括预定宽度以及预定间距中至少之一的间距信息，其中，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。相比现有技术中依靠人工测试掩膜图案的尺寸数据，造成测试效率低下的问题，本申请实现了自动测试掩膜图案的最小宽度数据以及相邻掩膜图案间的最小间隔数据，无需人工测试，保证了测试效率较高。
在实际应用过程中，工程师手动标注检查一层版图图像约需2h，使用本申请的上述装置自动计算一层版图图像的尺寸数据约需4min，效率大大提升了。另外，当前工程师标注后需他人二次检测，且存在返工等情况，通过本申请的上述方法降低工作负担，提高了工作效益。
上述掩膜版图的自动检测装置包括处理器和存储器，上述第一处理单元、上述第二处理单元以及提取单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中人工确定版图图片的最小间距，效率较低的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述掩膜版图的自动检测方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述掩膜版图的自动检测方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，在接收到初始图像的情况下，对上述初始图像进行二值化处理，得到第一中间图像，上述初始图像为待测试的掩膜版图的图像，上述掩膜版图包括多个间隔的掩膜图案；
步骤S102，对上述第一中间图像进行滤波处理，得到第二中间图像；
步骤S103，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，上述间距信息包括预定宽度以及预定间距中至少之一，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，在接收到初始图像的情况下，对上述初始图像进行二值化处理，得到第一中间图像，上述初始图像为待测试的掩膜版图的图像，上述掩膜版图包括多个间隔的掩膜图案；
步骤S102，对上述第一中间图像进行滤波处理，得到第二中间图像；
步骤S103，对上述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，上述间距信息包括预定宽度以及预定间距中至少之一，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上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，在本发明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存在，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，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1）、上述掩膜版图的自动检测方法中，在接收到初始图像的情况下，首先对待测试的掩膜版图的初始图像进行二值化处理，得到第一中间图像；之后，对第一中间图像进行滤波处理，得到第二中间图像；最后对第二中间图像进行轮廓提取，并确定包括预定宽度以及预定间距中至少之一的间距信息，其中，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。相比现有技术中依靠人工测试掩膜图案的尺寸数据，造成测试效率低下的问题，本申请实现了自动测试掩膜图案的最小宽度数据以及相邻掩膜图案间的最小间隔数据，无需人工测试，保证了测试效率较高。
2）、上述掩膜版图的自动检测装置中，在接收到初始图像的情况下，通过第一处理单元对待测试的掩膜版图的初始图像进行二值化处理，得到第一中间图像；通过第二处理单元对第一中间图像进行滤波处理，得到第二中间图像；通过提取单元对第二中间图像进行轮廓提取，并确定包括预定宽度以及预定间距中至少之一的间距信息，其中，上述预定宽度为上述掩膜图案在预定方向上的最小宽度，上述预定间距为相邻的上述掩膜图案在上述预定方向上的最小间隔。相比现有技术中依靠人工测试掩膜图案的尺寸数据，造成测试效率低下的问题，本申请实现了自动测试掩膜图案的最小宽度数据以及相邻掩膜图案间的最小间隔数据，无需人工测试，保证了测试效率较高。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种掩膜版图的自动检测方法，其特征在于，包括：
在接收到初始图像的情况下，对所述初始图像进行二值化处理，得到第一中间图像，所述初始图像为待测试的掩膜版图的图像，所述掩膜版图包括多个间隔的掩膜图案；
对所述第一中间图像进行滤波处理，得到第二中间图像；
对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，所述间距信息包括预定宽度以及预定间距中至少之一，所述预定宽度为所述掩膜图案在预定方向上的最小宽度，所述预定间距为相邻的所述掩膜图案在所述预定方向上的最小间隔；
其中，对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，包括：
对所述第二中间图像进行轮廓提取，得到多个所述掩膜图案的轮廓线；
根据构成各所述轮廓线的像素点，确定预定序列，所述预定序列包括按照预定顺序排列的多个位置集合，所述预定顺序为多个所述轮廓线的排列顺序，所述位置集合包括顺序构成对应的所述轮廓线的多个像素点的坐标信息；
根据所述预定序列，确定所述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据所述横坐标差值以及纵坐标差值，确定所述预定宽度以及所述预定间距中至少之一，所述预定像素点包括：位于同一个所述位置集合中的两个所述像素点、分别位于相邻的两个所述位置集合中的所述像素点；
其中，根据所述预定序列，确定所述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据所述横坐标差值以及纵坐标差值，确定所述预定宽度以及所述预定间距中至少之一，包括：
根据所述预定序列，分别确定各所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第一坐标差值，以及确定各所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第二坐标差值；
根据所述预定序列，分别确定各相邻的两个所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第四坐标差值；
确定所有的所述第一坐标差值中的最小值为第一宽度，以及确定所有的所述第二坐标差值中的最小值为第二宽度，所述第一宽度以及所述第二宽度构成所述预定宽度；
确定所有的所述第三坐标差值中的最小值为第一间距，以及确定所有的所述第四坐标差值中的最小值为第二间距，所述第一间距以及所述第二间距构成所述预定间距。
2.根据权利要求1所述的方法，其特征在于，在根据所述预定序列，在确定所述预定宽度以及所述预定间距之后，所述方法还包括：
在所述初始图像上的对应位置标注所述预定宽度以及所述预定间距。
3.根据权利要求1所述的方法，其特征在于，在根据所述预定序列，确定所述预定宽度以及所述预定间距之后，所述方法还包括：
确定所述预定宽度对应的所述像素点的坐标信息，得到第一坐标集；
确定所述预定间距对应的所述像素点的坐标信息，得到第二坐标集；
在所述初始图像上生成所述第一坐标集以及所述第二坐标集。
4.根据权利要求1所述的方法，其特征在于，对所述第一中间图像进行滤波处理，得到第二中间图像，包括：
采用十字形模板对所述第一中间图像进行中值滤波处理，得到所述第二中间图像。
5.一种掩膜版图的自动检测装置，其特征在于，包括：
第一处理单元，用于在接收到初始图像的情况下，对所述初始图像进行二值化处理，得到第一中间图像，所述初始图像为待测试的掩膜版图的图像，所述掩膜版图包括多个间隔的掩膜图案；
第二处理单元，用于对所述第一中间图像进行滤波处理，得到第二中间图像；
提取单元，用于对所述第二中间图像进行轮廓提取，并根据轮廓提取结果，确定间距信息，所述间距信息包括预定宽度以及预定间距中至少之一，所述预定宽度为所述掩膜图案在预定方向上的最小宽度，所述预定间距为相邻的所述掩膜图案在所述预定方向上的最小间隔；
其中，所述提取单元包括：
第一提取模块，用于对所述第二中间图像进行轮廓提取，得到多个所述掩膜图案的轮廓线；
第二确定模块，用于根据构成各所述轮廓线的像素点，确定预定序列，所述预定序列包括按照预定顺序排列的多个位置集合，所述预定顺序为多个所述轮廓线的排列顺序，所述位置集合包括顺序构成对应的所述轮廓线的多个像素点的坐标信息；
第三确定模块，用于根据所述预定序列，确定所述预定序列中所有的预定像素点的横坐标差值以及纵坐标差值，并根据所述横坐标差值以及纵坐标差值，确定所述预定宽度以及所述预定间距中至少之一，所述预定像素点包括：位于同一个所述位置集合中的两个所述像素点、分别位于相邻的两个所述位置集合中的所述像素点；
其中，所述第三确定模块包括：
第一确定子模块，用于根据所述预定序列，分别确定各所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第一坐标差值，以及确定各所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第二坐标差值；
第二确定子模块，用于根据所述预定序列，分别确定各相邻的两个所述位置集合中，纵坐标相同的所有所述预定像素点的所述横坐标差值，得到多个第三坐标差值，以及确定各相邻的两个所述位置集合中，横坐标相同的所有所述预定像素点的所述纵坐标差值，得到多个第四坐标差值；
第三确定子模块，用于确定所有的所述第一坐标差值中的最小值为第一宽度，以及确定所有的所述第二坐标差值中的最小值为第二宽度，所述第一宽度以及所述第二宽度构成所述预定宽度；
第四确定子模块，用于确定所有的所述第三坐标差值中的最小值为第一间距，以及确定所有的所述第四坐标差值中的最小值为第二间距，所述第一间距以及所述第二间距构成所述预定间距。
6.根据权利要求5所述的装置，其特征在于，还包括：
标注模块，用于在所述初始图像上的对应位置标注所述预定宽度以及所述预定间距。
7.根据权利要求5所述的装置，其特征在于，还包括：
第六确定模块，用于确定所述预定宽度对应的所述像素点的坐标信息，得到第一坐标集；
第七确定模块，用于确定所述预定间距对应的所述像素点的坐标信息，得到第二坐标集；
第二生成模块，用于在所述初始图像上生成所述第一坐标集以及所述第二坐标集。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至4中任意一项所述的方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至4中任意一项所述的方法。
10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至4中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560292.XA CN117274267B (zh) | 2023-11-22 | 2023-11-22 | 掩膜版图的自动检测方法、装置、处理器以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560292.XA CN117274267B (zh) | 2023-11-22 | 2023-11-22 | 掩膜版图的自动检测方法、装置、处理器以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274267A CN117274267A (zh) | 2023-12-22 |
| CN117274267B true CN117274267B (zh) | 2024-04-05 |
Family
ID=89212816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311560292.XA Active CN117274267B (zh) | 2023-11-22 | 2023-11-22 | 掩膜版图的自动检测方法、装置、处理器以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274267B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5933527A (en) * | 1995-06-22 | 1999-08-03 | Seiko Epson Corporation | Facial image processing method and apparatus |
| CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
| CN103593849A (zh) * | 2013-11-26 | 2014-02-19 | 北京建筑大学 | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 |
| CN104317159A (zh) * | 2010-03-03 | 2015-01-28 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
| CN105717740A (zh) * | 2016-04-21 | 2016-06-29 | 上海华力微电子有限公司 | 一种基于meef的opc验证方法 |
| JP2017223578A (ja) * | 2016-06-16 | 2017-12-21 | 株式会社Ｓｏｋｅｎ | 路面検出装置 |
| CN113450336A (zh) * | 2021-07-01 | 2021-09-28 | 维柯基科技(上海)有限公司 | 一种多孔荧光微阵列图像的处理方法、装置、计算机设备及计算机可读存储介质 |
| CN113515007A (zh) * | 2020-04-10 | 2021-10-19 | 长鑫存储技术有限公司 | 掩膜版及掩膜版质量测试方法 |
| CN114167681A (zh) * | 2020-09-10 | 2022-03-11 | 中芯国际集成电路制造(上海)有限公司 | 缺陷检测方法、掩膜版制作方法及半导体结构形成方法 |
| CN115311298A (zh) * | 2022-10-12 | 2022-11-08 | 南通舒芯居纺织品有限公司 | 一种纺织品质量检测方法 |
| CN115629516A (zh) * | 2022-11-03 | 2023-01-20 | 东方晶源微电子科技(上海)有限公司 | 版图提取方法、版图提取系统及计算机介质 |
| CN115641325A (zh) * | 2022-11-08 | 2023-01-24 | 福州海狸家口腔科技有限公司 | 一种口扫牙模的牙齿宽度计算方法、存储介质和电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240228B (zh) * | 2013-06-24 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种应用于网站的特定图片的检测方法及装置 |
| CN105528606B (zh) * | 2015-10-30 | 2019-08-06 | 小米科技有限责任公司 | 区域识别方法及装置 |
-
2023
- 2023-11-22 CN CN202311560292.XA patent/CN117274267B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5933527A (en) * | 1995-06-22 | 1999-08-03 | Seiko Epson Corporation | Facial image processing method and apparatus |
| CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
| CN104317159A (zh) * | 2010-03-03 | 2015-01-28 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
| CN103593849A (zh) * | 2013-11-26 | 2014-02-19 | 北京建筑大学 | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 |
| CN105717740A (zh) * | 2016-04-21 | 2016-06-29 | 上海华力微电子有限公司 | 一种基于meef的opc验证方法 |
| JP2017223578A (ja) * | 2016-06-16 | 2017-12-21 | 株式会社Ｓｏｋｅｎ | 路面検出装置 |
| CN113515007A (zh) * | 2020-04-10 | 2021-10-19 | 长鑫存储技术有限公司 | 掩膜版及掩膜版质量测试方法 |
| CN114167681A (zh) * | 2020-09-10 | 2022-03-11 | 中芯国际集成电路制造(上海)有限公司 | 缺陷检测方法、掩膜版制作方法及半导体结构形成方法 |
| CN113450336A (zh) * | 2021-07-01 | 2021-09-28 | 维柯基科技(上海)有限公司 | 一种多孔荧光微阵列图像的处理方法、装置、计算机设备及计算机可读存储介质 |
| CN115311298A (zh) * | 2022-10-12 | 2022-11-08 | 南通舒芯居纺织品有限公司 | 一种纺织品质量检测方法 |
| CN115629516A (zh) * | 2022-11-03 | 2023-01-20 | 东方晶源微电子科技(上海)有限公司 | 版图提取方法、版图提取系统及计算机介质 |
| CN115641325A (zh) * | 2022-11-08 | 2023-01-24 | 福州海狸家口腔科技有限公司 | 一种口扫牙模的牙齿宽度计算方法、存储介质和电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| Automated dimensional quality assessment of precast concrete panels using terrestrial laser scanning;Min-Koo Kim, et.al;《Automation in construction》;20140101;第45卷;第163-177页 * |
| 基于头部特征提取的人体检测与跟踪及其应用;于海滨;《中国博士学位论文全文数据库 (信息科技辑)》;20080215(第2期);第I138-11页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274267A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6879431B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| Farid | Exposing digital forgeries in scientific images | |
| US11315229B2 (en) | Method for training defect detector | |
| JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
| CN110378254B (zh) | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 | |
| TWI765442B (zh) | 瑕疵等級判定的方法及存儲介質 | |
| CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
| CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
| CN109461133A (zh) | 桥梁螺栓脱落检测方法及终端设备 | |
| CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 | |
| CN116168351A (zh) | 电力设备巡检方法及装置 | |
| CN111784672A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
| CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
| CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
| CN117274267B (zh) | 掩膜版图的自动检测方法、装置、处理器以及电子设备 | |
| CN114445499A (zh) | 棋盘格角点自动提取方法、系统、设备及介质 | |
| CN117011233A (zh) | 气泡检测方法、装置以及存储介质 | |
| CN116402771A (zh) | 缺陷检测方法、装置和模型训练方法、装置 | |
| CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN113012137B (zh) | 一种面板缺陷检查方法、系统、终端设备及存储介质 | |
| JP2001099625A (ja) | パターン検査装置およびパターン検査方法 | |
| CN108776146B (zh) | 丝印线条的检测方法及装置 | |
| CN111768357A (zh) | 一种图像检测的方法及装置 | |
| CN117237298B (zh) | 一种印花面料疵点检验方法、装置及计算设备 | |
| TWI770529B (zh) | 訓練缺陷偵測器的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |