1 引言

　　本文在光學(xué)顯微系統(tǒng)和圖像采集系統(tǒng)下獲取了有圖形硅片經(jīng)過相關(guān)處理后圖像[6]，提出了一種基于提取骨架特征的IC晶片冗余物和丟失物缺陷短路電路失效形式識別方法，并通過實(shí)驗(yàn)證明了該方法的可行性。

　　2 識別算法選擇

　　骨架可以理解為圖像的中軸，是描述圖像幾何拓?fù)湫再|(zhì)的重要特征之一。如直線及孤立點(diǎn)的骨架是它自身;長方形的骨架是它的長方向上的中軸線;正方形的骨架是它的中心線;圓的骨架是它的圓心等[7]。

　　圖像采集數(shù)字化后往往會產(chǎn)生誤差，同時不均勻的光照、噪聲干擾也會損壞圖像質(zhì)量，因此，一般都需要通過圖像預(yù)處理來提高圖像質(zhì)量。缺陷的骨架是描述缺陷形狀及識別缺陷的重要特征，在骨架特征提取前需進(jìn)行圖像分割，得到二值化的圖像。受到骨架抽取算法的性質(zhì)及圖像質(zhì)量的影響，初次提取的圖像骨架一般存在噪聲、多余端枝等，需要優(yōu)化骨架。然后，采用基于骨架特征的識別方法實(shí)現(xiàn)缺陷的識別及電路失效形式的確定。

　　3 骨架特征提取與優(yōu)化

　　通常情況下，圖像骨架的抽取過程被稱為對圖像“細(xì)化”的過程。其思想是通過像素的鄰域特性來刪除邊緣點(diǎn)，最后得到單像素的連通邊界[8]。下面分兩種方法對圖像細(xì)化的過程算法進(jìn)行討論：一種是先提取再優(yōu)化骨架;另一種是先通過膨脹和腐蝕等算法處理后再細(xì)化。

　　3.1 特征提取及骨架優(yōu)化

　　抽取圖像骨架的算法很多，本文采用了索引表細(xì)化算法。算法原理是：根據(jù)骨架點(diǎn)判斷依據(jù)設(shè)計表;根據(jù)當(dāng)前像素點(diǎn)的8鄰域點(diǎn)情況查表，以確定該點(diǎn)是否為骨架點(diǎn)。

　　設(shè)(i，j)是圖像要處理的某像素點(diǎn)(即中心點(diǎn))，要根據(jù)該點(diǎn)的8個鄰域點(diǎn)的情況來判斷它是否為骨架點(diǎn)。

　　第(1)，(2)種情況(i，j)是孤立點(diǎn)，其骨架是本身;第(3)種情況(i，j)是連接點(diǎn)，若被刪除則連通部分將斷開;第(6)，(7)種情況(i，j)是內(nèi)部點(diǎn)，如其被刪除則骨架將被掏空，因此在以上幾種情況中(i，j)點(diǎn)不能刪除。而在第(4)，(5)種情況中，(i，j)是三交叉點(diǎn)[5]，被刪除后不會破壞原來的連通性，則可以刪除。根據(jù)骨架點(diǎn)判斷依據(jù)，按照一定的規(guī)則設(shè)計表，由于骨架抽取前，圖像已進(jìn)行了閾值分割，因此，每個元素的取值只有兩種情況：0或1。設(shè)1表示白點(diǎn)，0表示黑點(diǎn)，且當(dāng)前像素點(diǎn)的8個鄰域點(diǎn)與表中8位數(shù)的對應(yīng)關(guān)系如圖6所示。

　　處理圖像從左到右，從上到下進(jìn)行掃描，計算每個非邊界點(diǎn)在表中對應(yīng)的索引，如果是0，則保留，否則刪除該點(diǎn)。如果某次掃描沒有像素點(diǎn)被刪除，則結(jié)束循環(huán)，得到骨架，否則重復(fù)以上操作。

　　①多余像素點(diǎn)刪除

　　根據(jù)前述中的骨架點(diǎn)判斷原則可知，在當(dāng)前像素的8個鄰域中只有第(4)，(5)種情況的中心點(diǎn)可以刪除，把這兩種情況分別旋轉(zhuǎn)90°，180°，270°，得到各個方向情況如圖10所示。

　　如果中心點(diǎn)像素與它8個鄰域點(diǎn)的組合為圖10所示的8種情況之一，刪除該點(diǎn)不會影響原來的連通性。

　　對圖7(c)及8(c)采用多余點(diǎn)刪除原則處理后，得到的圖像如圖11。

　?、诙嘤喽酥h除

　　骨架中多余端枝的存在會影響骨架跟蹤的速度與準(zhǔn)確性，因此，必須去除偶然出現(xiàn)的端枝。通常情況下，多余端枝存在于骨架的三交叉點(diǎn)處，如圖5的第(4)種情況。本文的處理原則是：給定計算像素個數(shù)的初始閾值T0;從當(dāng)前端點(diǎn)出發(fā)，統(tǒng)計經(jīng)過的像素值為0(黑點(diǎn))的像素個數(shù)T;如果T>T0時沒有遇到一個三交叉點(diǎn)，則認(rèn)為該端點(diǎn)沒有多余端枝并改從其他端點(diǎn)出發(fā);反之，如果T初始閾值T0根據(jù)研究對象的性質(zhì)取不同值，本文取值范圍為5～8個像素。對圖11取T0=5，采用多余點(diǎn)刪除原則處理后，得到的圖像如圖12所示。從圖12可知，多余像素點(diǎn)和多余端枝去除后的骨架圖干凈利落，為骨架跟蹤提供了單像素、單方向碼的連通曲線，減少了骨架搜索的計算量，提高了丟失物開路故障識別的效率。

　　3.2 先作膨脹腐蝕運(yùn)算加骨架提取

　　優(yōu)化骨架的另外一種方法先利用域值分割算法分割原IC圖像，然后用數(shù)學(xué)形態(tài)學(xué)開運(yùn)算消除背景噪聲，對開運(yùn)算的結(jié)果再進(jìn)行形態(tài)學(xué)的膨脹和腐蝕算法，消除多余物缺陷中的小洞噪聲，獲得從復(fù)雜背景中分離和抽取多余物缺陷，對分離后的缺陷用形態(tài)學(xué)算子提取輪廓。

　　由于不同冗余物原始圖像的噪聲大小形狀各不相同，濾波工作有較大困難，故對分離出的冗余物缺陷內(nèi)部的小洞噪聲采用形態(tài)學(xué)連續(xù)膨脹運(yùn)算來填補(bǔ)。膨脹運(yùn)算的結(jié)構(gòu)元素選取E=3×3方形結(jié)構(gòu)元素，膨脹后使冗余物成為無噪聲的封閉圖像。

　　為使膨脹后的缺陷與原始缺陷形狀尺寸相等，對膨脹后的結(jié)果圖像再進(jìn)行相同次數(shù)的腐蝕運(yùn)算

　　式中：X是經(jīng)數(shù)字圖像相關(guān)算法處理的圖像;XD為膨脹n次的圖像，XE為XD腐蝕n次的圖像。

　　4 缺陷故障識別

　　對開路缺陷應(yīng)用索引表細(xì)化算法抽取圖像的骨架，采用基于三交叉點(diǎn)的多余點(diǎn)去除原則去掉骨架的多余像素點(diǎn)，并采用閾值法刪除骨架的多余枝端，從而得到單像素單方向碼的連通曲線(骨架)。

　　對短路缺陷的情況按照第二種處理方法后獲得的效果如圖14所示，由圖可知得到的單像素曲線的多余端枝比圖9(c)少很多。因?yàn)樘幚矸椒ǘπ《丛肼曈刑厥獾淖饔?，所以識別采用先用膨脹和腐蝕算法處理圖像，然后再應(yīng)用細(xì)化算法提取骨架，得到單像素曲線。

　　根據(jù)缺陷故障的骨架特征，本文采用鄰域跟蹤法進(jìn)行判斷[8]，即在圖像骨架點(diǎn)的8個鄰域內(nèi)進(jìn)行搜索。如當(dāng)前像素點(diǎn)在任一個鄰域都不存在像素點(diǎn)則跟蹤結(jié)束，并認(rèn)為電路開路，否則繼續(xù)搜索;如果是在當(dāng)前像素點(diǎn)的領(lǐng)域內(nèi)同時存在兩個或兩個方向以上的像素點(diǎn)，則認(rèn)為是短路，并作出標(biāo)識，以便判斷是否電路中存在的交叉連線。骨架跟蹤結(jié)果如圖15所示。具體步驟如下：

　　(1)對骨架圖從上到下從左到右進(jìn)行行掃描，找出第一個且未被標(biāo)志的像素點(diǎn)(黑點(diǎn))作為跟蹤的始端，記為P0繼續(xù)搜索;

　　(2)設(shè)Pi是當(dāng)前像素點(diǎn)，在該點(diǎn)的8個鄰域內(nèi)尋找下一個未被標(biāo)志的像素點(diǎn)標(biāo)志為Pi+1;

　　(3)如未掃描完骨架圖時跟蹤停止，認(rèn)為該條線段是斷開的，反映到原始圖像則該條導(dǎo)線開路;

　　(4)如在掃描骨架的時候發(fā)現(xiàn)當(dāng)前像素點(diǎn)存在兩個方向以上的領(lǐng)域像素點(diǎn)，則認(rèn)為是短路，并作出標(biāo)識，否則重復(fù)步驟(2);

　　(5)重復(fù)步驟(1)，直到不存在未被標(biāo)志的像素點(diǎn)，則結(jié)束跟蹤。對圖7(c)和圖8(c)采用該方法識別結(jié)果分別如圖11(a)與圖11(b)所示。

　　5 結(jié)論

　　本文研究了IC晶片丟失物和冗余物缺陷故障的識別方法。該方法應(yīng)用索引表細(xì)化算法提取圖像骨架，提供了針對三交叉點(diǎn)采用多余點(diǎn)與多余端枝刪除原則得到單像素、單方向碼的骨架和用數(shù)學(xué)形態(tài)學(xué)處理圖像再細(xì)化骨架的兩種方法，指出兩種方法分別用于開路和短路缺陷電路，最后采用鄰域跟蹤法實(shí)現(xiàn)電路開路失效形式的識別。實(shí)驗(yàn)結(jié)果表明了該方法的有效性，從而為IC晶片丟失物缺陷檢測提供了一個新途徑。