半导体晶片切割
1.半导体晶片切割
1.1 应用示例目的与思路
- 确定图片的宽和高，以及单个芯片的宽高；
- 创建形状模板和模板匹配；
- 根据匹配的位置计算，并画出切割线。
1.2 应用示例相关算子介绍
(1) rft_generic(Image : ImageFFT : Direction, Norm, ResultType, Width : )
功能：计算输入图像image的快速傅立叶变换。
图形输入参数：Image：输入图像；
图像输出参数：ImageFFT：傅里叶变换图像；
控制输入参数1：Direction：计算正向或反向变换；
Direction = 'to_freq'(正向变换)，ResultType必须设置为’complex’；
Direction='from_freq'(反向变换)；
控制输入参数2：Norm：变换的归一化因子；Default value: 'sqrt'
控制输入参数3：ResultType：输出图像的图像类型；
控制输入参数4：Width：应该为其优化运行时间的图像的宽度；Default value: 512。
(2)correlation_fft(ImageFFT1, ImageFFT2 : ImageCorrelation : : )
功能：计算傅立叶变换后的输入图像ImageFFT1和ImageFFT2在频域中的相关性。
图形输入参数1：ImageFFT1：
图形输入参数2：ImageFFT2：
图形输出参数：ImageCorrelation：频域中输入图像的相关性。
(3)reduce_domain(Image, Region : ImageReduced : : )
功能：从输入图像中扣出指定区域大小的图像。
图形输入参数1：Image：输入图形；
图形输入参数2：Region：指定区域(新的定义域)；
图形输出参数：ImageReduced
(4)local_max_sub_pix(Image : : Filter, Sigma, Threshold : Row, Column)
功能：以亚像素精度从图像image中提取局部最大值。
图形输入参数：Image：
控制输入参数1：Filter：偏导数的计算方法；Default value: 'facet'；
控制输入参数2：Sigma：高斯Sigma。如果Filter是“facet”，Sigma可能为0.0以避免输入图像的平滑；
控制输入参数3：Threshold：Hessian矩阵特征值的最小绝对值；
控制输出参数：(Row, Column)：检测到的最大值的坐标。
(5)gen_image_const( : Image : Type, Width, Height : )
功能：创建指定大小的图像。
图形输出参数：Image：
控制输入参数1：Type：像素类型；Default value: 'byte'(0~255)；
控制输入参数2：(Width, Height)：图像的宽度和高度。
(6)gen_image_proto(Image : ImageCleared : Grayval : )
功能：创建具有恒定灰度值的图像。
图形输入参数：Image：
图形输出参数：ImageCleared：
控制输入参数：Grayval：指定的灰度值。
(7)gen_rectangle2_contour_xld( : : Row, Column, Phi, Length1, Length2 : )
功能：创建任意方向的矩形XLD轮廓(通过传递一个矩形参数元组，可以创建多个XLD轮廓。)
图像输出参数：Rectangle：
图形输入参数1：(Row, Column)：矩形中心的行列坐标；
图形输入参数2：Phi：矩形主轴的方向(水平轴和半长度Length1的边之间的角度(逆时针方向)，单位：弧度)；
图形输入参数3：Length1：矩形宽度的一半；
图形输入参数4：Length2：矩形高度的一半。
(8)gen_rectangle2( : Rectangle : Row, Column, Phi, Length1, Length2 : )
功能：创建任意方向的矩形区域(通过传递一个角点元组可以创建多个区域。)
图像输出参数：Rectangle：
图形输入参数1：(Row, Column)：矩形中心的行列坐标；
图形输入参数2：Phi：矩形主轴的方向(水平轴和半长度Length1的边之间的角度(逆时针方向)，单位：弧度)；
图形输入参数3：Length1：矩形宽度的一半；
图形输入参数4：Length2：矩形高度的一半。
(9)create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
功能：准备一个用于匹配的形状模型。
图形输入参数：Template：输入图像，其定义域将用于创建模型的ROI；
控制输入参数1：NumLevels：金字塔级别的最大值，如果NumLevels设置为“auto”(或0表示向后兼容性)，create_shape_model将自动确定棱锥体级别的数量；
控制输入参数2：(AngleStart,AngleExtent)：旋转角度范围，在该范围内，模型可以出现在图像中；
控制输入参数3：AngleStep：旋转角度的步长；
控制输入参数4：Optimization：用于生成模型的优化类型和可选方法，Default value: 'auto'，可传参数['none','no_pregeneration']；
控制输入参数5：Metric：确定在图像中识别模型的条件，Default value: 'use_polarity'，该参数会影响find_shape_model的运行时间；
控制输入参数6：Contrast：模板图像中对象的对比度的阈值或滞后阈值，以及可选的对象部分的最小尺寸，Default value: 'auto'，可传参数[10,11,4]；
控制输入参数7：MinContrast：搜索图像中对象的最小对比度；
控制输出参数：ModelID：模型的句柄，用于随后对find_shape_model的调用。
(10)find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)
功能：在输入图像image中查找形状模型ModelID的最佳NumMatches实例(匹配项)。
图形输入参数：Image：输入图像；
控制输入参数1：ModelID：模型的句柄；
控制输入参数2：(AngleStart, AngleExtent)：确定搜索模型的旋转范围，该范围最好等于创建模型期间给定的范围；
控制输入参数3：MinScore：设置待查找模型实例的最低分数；
控制输入参数4：NumMatches：要查找的模型实例数(或0表示所有匹配项)；
控制输入参数5：MaxOverlap：该参数决定了两个实例最多可以重叠的分数(即0和1之间的数字)，如果两个实例彼此重叠超过MaxOverlap，则只返回最佳实例。如果MaxOverlap=0，则找到的实例可能根本不重叠，而对于MaxOverlap=1，则返回所有实例；
控制输入参数6：SubPixel：如果不等于“none”，则为亚像素精度，Default value: 'least_squares'。确定是否应以亚像素精度提取实例(即位置和旋转角度)；
控制输入参数7：NumLevels：匹配中使用的金字塔体级别数(如果|NumLevels|=2，则使用最低金字塔体级别)，如果NumLevels设置为0，则使用create_shape_model中指定的金字塔级别数；
控制输入参数8：Greediness：搜索启发式的贪婪度(0：安全但缓慢；1：快速但可能错过匹配)，Default value: 0.9，在几乎所有情况下，对于贪婪度=0.9时，总是可以找到形状模型；
控制输出参数1：(Row, Column)、Angle：在“行”、“列”和“角度”中返回找到的模型实例的位置和旋转；
控制输出参数2：Score：返回找到的每一个实例的分数(0~1小数)，它是衡量模型在图像中可见程度的近似指标(例如，如果模型实例的一半被遮挡，则分数不能超过0.5)。
(11)gen_contour_polygon_xld( : Contour : Row, Col : )
功能：从元组Row和Col中给定的多边形(包括直线)生成xld轮廓。
图形输出参数：Contour：输出的轮廓
控制输入参数：(Row, Col)：输入的行和列元组
1.3 应用示例示例代码
*读取图片
read_image (Wafer_Image, './wafer_dies.png')
*获取图片的宽和高
get_image_size (Wafer_Image, Width, Height)
*傅里叶正向变换
rft_generic (Wafer_Image, ImageFFT, 'to_freq', 'none', 'complex', Width)
*计算傅里叶变换后图像的自相关性
correlation_fft (ImageFFT, ImageFFT, ImageCorrretelation)
*傅里叶逆行变换
rft_generic (ImageCorrretelation, ImageFFT1, 'from_freq', 'n', 'real', Width)
*创建一个平行于坐标轴的矩形区域
gen_rectangle1 (Rectangle, 1, 1, Height/2, Width/2)
*从输入图像中抠出指定区域大小的图像
reduce_domain (ImageFFT1, Rectangle, ImageReduced)
*从图像中提取局部最大值
local_max_sub_pix (ImageReduced, 'gauss', 2, 50000, Row, Col)
*创建指定宽高的图像
gen_image_const (Image, 'byte', Width, Height)
*生成指定灰度值的图像
gen_image_proto (Image, Template, 128)
*芯片间隙线的宽度
LineWidth:=7
*芯片的高度
DieHeight:= 86
*芯片的宽度
DieWidth:= 161
RefRow:= round(0.5*Height)
RefCol:= round(0.5*Width)
LineWidthFraction:=0.6
*创建矩形轮廓
gen_rectangle2_contour_xld (Rectangle1, RefRow, RefCol, 0, 0.5*LineWidthFraction*LineWidth,DieHeight)
paint_xld (Rectangle1, Template, Template, 0)
gen_rectangle2_contour_xld (Rectangle2, RefRow, RefCol, 0, DieWidth,0.5*LineWidthFraction*LineWidth)
paint_xld (Rectangle2, Template, Template, 0)
*创建矩形区域
gen_rectangle2 (ROI, RefRow, RefCol, 0, DieWidth, DieHeight)
reduce_domain (Template, ROI, TemplateReduced)
*创建形状模型
create_shape_model (TemplateReduced, 'auto', 0, 0, 'auto', 'auto', 'ignore_local_polarity', 'auto', 5, ModelID)
*查看模板轮廓
get_shape_model_contours (ModelContours, ModelID, 1)
*模板匹配
find_shape_model (Wafer_Image, ModelID, 0, 0, 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row1, Column1, Angle, Score)
gen_cross_contour_xld (Cross, Row1, Column1, 6, Angle)
*最后根据匹配的位置计算出切割线
Num_Row:=ceil(real(Row1)/real(DieHeight))
Num_Col:=ceil(real(Column1)/real(DieWidth))
NumRowMax:=ceil(real(Height)/real(DieHeight))
NumColMax:=ceil(real(Width)/real(DieWidth))
dev_display (Wafer_Image)
for RowIndex:=-Num_Row to NumRowMax-Num_Row by 1
RowCurrent:=Row1+RowIndex*DieHeight
gen_contour_polygon_xld (CuttingLine, [RowCurrent,RowCurrent], [0,Width-1])
dev_display (CuttingLine)
endfor
for ColIndex:=-Num_Col to NumColMax-Num_Col by 1
ColCurrent:=Column1+ColIndex*DieWidth
gen_contour_polygon_xld (CuttingLine, [0,Height-1], [ColCurrent,ColCurrent])
dev_display (CuttingLine)
endfor
结果展示：
