倒裝焊中圖像對準算法的研究

摘 要:針對倒裝焊中常用的十字架對準標志的幾何特征，采用形態學邊緣檢測算法提取圖像邊緣，通過將簡化的Hough變換和最小二乘相結合的直線提取方法，提取出較為精確的邊緣直線，實現了一種提取十字架標志的四條長邊緣直線的圖像處理算法。實驗結果表明，該算法與相關算法相比具有更快的對準速度和更高的對準精度，且對有局部殘缺的圖像不敏感。

關鍵詞:十字架標志; 邊緣檢測; Hough變換; 直線提取

中圖分類號:TP391文獻標識碼:A

文章編號:1004-373X(2010)08-0113-03

Image Alignment Algorithm in Flip Chip

CHEN Xian-feng， KONG Xiao-li

(Taiyuan University of Technology， Taiyuan 030024， China)

Abstract:According to the geometrical features of cross symbol in flip chip， morphological edge detection algorithm is used for the image edge extraction. An accurate edge straight line is extracted by straight line extraction combining simplified Hough transform with least-squares， and an image processing algorithm with four long edge straight lines for extracting cross symbol is realized. The experimentalresults show that the algorithm is faster and more accurate in the alignment than the relevant algorithms， and is not sensitive to the images with local defects.

Keywords:cross symbol; edge detection; Hough transform; line extraction

0 引 言

隨著數字圖像處理技術和計算機技術的迅猛發展，在檢測系統中運用先進的圖像處理技術和計算機技術，實現自動測量來代替傳統的人工測量方式已成為大勢所趨。

倒裝焊具有焊點牢固、信號傳輸路徑短、I/O密度高、封裝體尺寸小、可靠性高等優點，從而成為IC封裝領域內最有發展前途的一種封裝形式。為了保證倒裝焊接精度，倒裝焊機的圖像視覺系統要測量出芯片和基板上對準標志的位置偏差量，并通過驅動臺來補償這一位差。因此，圖像處理的結果，特別是圖像的邊緣檢測結果直接影響焊接的精度。

在此通過采用電子制造設備中最常見的十字架標記對準法，實現了一種利用自身特征進行快速對準的算法。該算法對圖像進行兩次平滑濾波，采用形態學邊緣檢測算法提取圖像邊緣，通過將改進的Hough變換和最小二乘相結合的直線提取方法，得到十字架標志的中心點坐標，計算出基板和芯片上標志的位差，并最終完成精確對準。該算法對一定角度旋轉和局部殘缺不敏感。

1 圖像處理算法

十字架標志的主要特征是以兩組平行的長直線為邊緣，通過提取這四條長直線就可以得到基板和芯片上十字架標志的位差，進而達到基板和芯片對準的目的，如圖1所示。

圖1 十字架標志

主要算法步驟如下:

(1) 首先采用最大類間方差法對圖像進行二值化，且在二值化前后分別進行中值濾波平滑，然后再對二值化圖像進行形態學邊緣提取，即先進行開運算和閉運算，再進行腐蝕運算。

(2) 采用簡化的Hough變換與最小二乘相結合的方式進行直線提取。

(3) 根據提取出的直線參數，計算出對位標志中心點的位置，進而得到所需要的位置偏差量。

1.1 圖像邊緣檢測

常用的一階微分算子有Roberts 算子、Sobel算子、 Prewitt 算子和Canny算子等。Roberts 算子利用局部差分算子尋找邊緣，比較直觀簡單，但容易丟失一部分邊緣，同時由于沒有經過圖像平滑計算，因此不能抑制噪聲。該算子對具有陡峭的低噪聲圖像響應最好。Sobel算子和Prewitt 算子都是對圖像進行差分和濾波運算，差別只是平滑部分的權值有差異。共性是對噪聲很敏感，如果圖像每個點噪聲都是相同的，那么Prewitt 算子比較好。LOG算子是二階微分算子的代表，該算子利用二階微分過零點的原理提取邊界點，對圖像中的階越型邊緣點定位準確且具有旋轉不變性，即無方向性，但該算子容易丟失一部分邊緣方向信息，造成一些不連續的檢測邊緣，同時抗噪聲能力較差。Canny算子是一種比較新的邊緣檢測算子，具有很好的邊緣檢測性能，得到了越來越廣泛的應用。

在此選用形態學進行邊緣檢測，開運算把二值圖像中的孤立部分率除掉，閉運算去除區域中的小孔。3×3結構元素對圖像的腐蝕相當于去除圖像的輪廓或邊緣，再將原始圖像與腐蝕后的圖像相減，就可以得到原始圖像的邊緣。常用邊緣提取法與本文提取算法比較，如圖2所示。

圖2 各種算子檢測結果

對比圖2各檢測結果可以明顯看出，形態學邊緣提取算法克服了幾種常用算法在邊緣不連續、檢測邊緣容易出現多像素寬度和對噪聲敏感等方面的不足，在抑制噪聲的同時，又保證了檢測得到的十字架標志邊緣僅有一個像素的寬度，邊緣定位精確。驗證了Canny算子雖然是基于最優化思想推出的邊緣檢測算子，但實際效果并不一定最優。因此，應按照實際情況選取合適的方法。

1.2 邊緣直線提取

得到圖像的邊緣輪廓后，還需要將四條長邊緣直線提取出來。直線提取一般采用Hough變換算法。

1.2.1 常用Hough變換

Hough變換的基本思想是將圖像空間中點共線的問題轉換為參數空間中求交點的問題。圖像空間的直線可表示為:

y=ax+b(1)

變換到參數空間為:

ρ=xcos θ+ysin θ(2)

式中:ρ代表直線距原點的法線距離，取值范圍為[-D，D]，D為圖像的對角線長度;θ代表該法線與x軸的夾角，θ范圍為[-90°， 90°]。開始時將累加器A初始化為零，然后對圖像空間的點用Hough變換計算出所有的(ρ，θ)值，每計算出一對(ρ，θ)值，就對累加器A(ρ，θ)加1，計算結束后，A(ρ，θ)的值就是圖像空間中落在距原點的法線距離為ρ，法線與x軸的夾角為θ的直線上點的數目。

1.2.2 簡化的Hough變換算法

通過觀察發現十字架的四條長邊緣直線由垂直和水平直線構成。因此，本文采用簡化的Hough變換算法，該算法主要用于檢測垂直和水平方向的直線。其中，角θ的值只取0°和90°。由于角θ的取值個數由一般的180個到本文的3個，大大提高了直線提取的速度。

算法步驟如下:

(1) 初始化所有累加器A(ρ，θ)的值為零。

(2) 順序搜素圖像中所有白點，對每一個白點(x，y)，根據式(2)計算出θ=0°和θ=90°時的ρ值，使對應的累加器加1。

(3) 結束。

當圖像有一定的旋轉角度時，只需要將圖像旋轉到豎直狀態，或將直角坐標軸旋轉相應角度，使圖像相對與坐標軸的位置滿足本算法即可。

1.2.3 最小二乘直線擬合

為了進一步減小直線提取的誤差，在Hough變換的基礎上，可以再進行最小二乘直線擬合，將擬合的結果作為直線的精確參數。

對理想直線方程y=ax+b來說，即是使方差表達式:

M=∑ni=1[yi-(axi+b)]2(3)

取得最小值的a和b作為直線的精確參數。

1.3 計算基板和芯片標志的位差并進行對準

分別提取出基板和芯片上標記的四條長直線后，可以計算出基板和芯片上十字架標志的中心坐標。如圖3所示，實線框為芯片，固定不動，虛線框為基板，可以轉動。芯片上的標記坐標記為a(x1，y1)和b(x2，y2)，基板上的標記坐標記為A(X1，Y1)和B(X2，Y2)，則Δx=X1-x1， Δy= Y1- y1，Δθ=arctan K-arctan k。其中K和k分別為直線AB和ab的斜率。

圖3 芯片與基板位置示意圖

根據計算出的Δx，Δy，Δθ的值移動基板平臺，使基板和芯片上的十字架標志的中心點重合，即a和A重合，b和B重合。對位前和對位后如圖4(a)，(b)所示。

圖4 對位前與對位后的情況

2 實驗結果

本文在Matlab下對由CCD采集到的實際圖像進行圖像處理仿真試驗。具體數據如表1所示。

表1 本文算法和相關算法運行時間比較

次數本文算法/s相關算法/s次數本文算法/s相關算法/s

12.731 2583.417 00262.766 2573.434 164

22.792 9973.423 54972.769 8953.402 285

32.717 1393.387 14182.795 8423.417 737

42.728 7793.412 32092.788 1813.401 216

52.734 4713.443 813102.727 9273.385 714

從表1可以看出，本文算法在圖像處理得到滿意結果的同時，運行時間小于3 s，比相關算法縮短了大約0.7 s，誤差控制在5 μm以內，基本上能夠滿足倒裝焊貼片設備的需求。

3 結 語

由于本文算法提取的是十字架邊緣的四條長直線，因此在圖像有輕微的局部殘缺時也不影響直線的提取和十字架中心坐標的確定。這證明本算法具有較強的抗干擾能力和對圖像存在局部殘缺時的有效性。

從試驗結果可以看出，本文算法在保證穩定性要求的同時，也在一定程度上縮短了圖像處理時間。經分析，提高圖像處理效果的關鍵在于邊緣檢測和直線的提取。因此，下一步目標將是改進邊緣檢測算法，進一步優化直線提取算法，以便更快地得到更精確的處理結果。

參考文獻

[1]姚敏. 數字圖像處理[M]. 北京: 機械工業出版社， 2006.

[2]馬艷， 張治輝. 幾種邊緣檢測算子的比較[J]. 工礦自動化， 2004(1): 54-56.

[3]夏奇， 周明才， 汪宏， 等. 高精度自動貼片機視覺對準系統及其圖像處理[J]. 光學技術， 2004， 30(2): 146-149.

[4]楊維全， 陳偉明， 胡松， 等. 圖像處理在高精度對準系統中的應用[J]. 微細加工技術， 2000(1): 35-40.

[5]LEARPENTIER G，MOTTETET J S， DUMAS J，et al. High accuracy machine automated assembly for optoelectronics[C]. America: Electronic and Components Techno-logy Conference， 2000.

[6]孫慧， 周紅霞， 李朝暉， 等. 圖像處理中邊緣檢測技術的研究[J]. 電腦開發與應用， 2002(10): 8-10.

[7]雷麗珍. 數字圖像邊緣檢測方法的探測[J]. 測繪通報， 2006(3): 40-42.

[8]賈永紅. 計算機圖像處理與分析[M]. 武漢: 武漢大學出版社， 2001.

[9]\\K R Castleman. 數字圖像處理[M]. 朱志剛， 林學， 石定機， 譯. 北京:電子工業出版社， 1999.

[10]拓普選. 全自動引線鍵合機上的圖像視覺系統[J]. 電子工業專用設備， 2001， 30(3): 43-48.