改進(jìn)的Canny算子在晶圓級(jí)倒裝封裝裝備上的應(yīng)用

孫林偉，賀云波，張昌，彭廣德

（廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東 廣州 510006）

傳統(tǒng)的固晶焊線封裝方式已經(jīng)越來越不能滿足當(dāng)今半導(dǎo)體集成電路封裝行業(yè)的發(fā)展需求，由此推動(dòng)了倒裝封裝設(shè)備發(fā)展。目前我國(guó)倒裝封裝裝備主要依賴進(jìn)口，核心技術(shù)受制于人，處于行業(yè)的中低端，研發(fā)出具有自主知識(shí)產(chǎn)權(quán)的高端核心封裝裝備就顯得尤為迫切。機(jī)器視覺技術(shù)是倒裝機(jī)系統(tǒng)中的核心技術(shù)之一，想要研發(fā)出有競(jìng)爭(zhēng)力的倒裝設(shè)備機(jī)器視覺技術(shù)是必須要攻克的難題。圖像匹配是倒裝裝備機(jī)器視覺系統(tǒng)中的重要技術(shù)，而邊緣檢測(cè)又是圖像匹配算法中的關(guān)鍵技術(shù)。以圖像邊緣檢測(cè)為基礎(chǔ)，對(duì)于解決較高層次的圖像匹配、模式識(shí)別具有重要意義。倒裝機(jī)的定位精度要達(dá)到微米級(jí)別，對(duì)于這么高的定位精度，常用的邊緣檢測(cè)算子無法滿足要求。為了能夠提取完整的模板邊緣，滿足精度要求，提出一種改進(jìn)的Canny邊緣檢測(cè)算子用于倒裝機(jī)視覺系統(tǒng)模板邊緣的檢測(cè)。

1 基于空間域上微分邊緣提取算子

常見的邊緣檢測(cè)算子有Roberts算子、Prewitt算子、Sobel算子、LoG算子、Canny算子等。

Canny算子處理步驟如下：（1）將圖像f(x，y)與算子Gn(x，y)做卷積，Gn(x，y)是標(biāo)準(zhǔn)差為σ的高斯函數(shù)G(x，y)沿n方向上的一階方向?qū)?shù)。（2）求圖像中每個(gè)像素的局部邊緣的法方向n；法方向n與邊緣垂直。（3）非極大值抑制求出邊緣的位置；邊緣位于Gn(x，y)與圖像f(x，y)卷積在n方向上的局部最大值位置處。（4）計(jì)算邊緣幅值。（5）對(duì)邊緣圖像做滯后閾值化處理，抑制虛假邊緣。（6）用特征綜合方法，收集來自多尺度的最終邊緣信息，剔除虛假邊緣并將小邊緣連接成完整的邊緣。

2 幾種邊緣檢測(cè)算子實(shí)驗(yàn)結(jié)果及分析

不同的邊緣檢測(cè)算子檢測(cè)結(jié)果差異較大，Roberts算子與LoG算子的邊緣檢測(cè)精度較高，在檢測(cè)到細(xì)小邊緣的同時(shí)也檢測(cè)出了噪音。Sobel算子和Prewitt算子，能夠抑制一定的噪音和偽邊緣，但也平滑了真正的邊緣。Canny算子邊緣定位準(zhǔn)確性高，能得到比較完整的支架模板邊緣，但是檢測(cè)出了很多虛假邊緣，邊緣出現(xiàn)斷點(diǎn)。綜合來看Canny算子的邊緣檢測(cè)效果好，可以以傳統(tǒng)的Canny算子為基礎(chǔ)進(jìn)行改進(jìn)，使其邊緣檢測(cè)效果達(dá)到倒裝機(jī)視覺模板匹配要求。

3 改進(jìn)的Canny邊緣檢測(cè)算子

Canny主要有兩個(gè)問題，高斯濾波器是一種線性濾波器在抑制圖形噪音的同時(shí)弱化了邊緣。另外，Canny算子不能實(shí)現(xiàn)自適應(yīng)選取雙閾值，需要人為進(jìn)行設(shè)置，這會(huì)導(dǎo)致雙閾值選取不合理。

（1）對(duì)于改進(jìn)Canny算子中高斯濾波器問題，提出了一種基于改進(jìn)均值濾波和中值濾波的中心加權(quán)的MTM算法：

選取以(i,j)為領(lǐng)域中心像素點(diǎn)的濾波模板，然后將模板中心像素(i,j)加權(quán)之后再進(jìn)行中值排序操作，加權(quán)可以加強(qiáng)中心像素的作用，保留更多的邊緣細(xì)節(jié)：，表示濾波模板像素點(diǎn)的灰度值，n為像素點(diǎn)數(shù)，ω為中心點(diǎn)像素權(quán)重。以像素值為中心取一個(gè)灰度區(qū)間，設(shè)為灰度區(qū)間內(nèi)的灰度值，令，作為模板內(nèi)中心點(diǎn)(i,j)像素值的響應(yīng)。的大小將會(huì)影響整個(gè)濾波模板的輸出值，進(jìn)而影響到濾波效果。當(dāng)趨于0時(shí)，濾波器相當(dāng)于一個(gè)中心加權(quán)的中值濾波器，趨向于無窮大時(shí)，濾波器相當(dāng)于一個(gè)中心加權(quán)濾波器；的取值計(jì)算公式為：，H為最小邊緣高度，是高斯噪音標(biāo)準(zhǔn)差，一般情況下取值。MTM濾波算法能比較好的抑制噪音和支架的一些細(xì)小缺陷，同時(shí)又比較好的保護(hù)了邊緣，濾波效果比較理想。

（2）對(duì)雙閾值的選取如何實(shí)現(xiàn)自適應(yīng)的問題，提出一種基于Otsu算法的雙閾值檢測(cè)算法，最大類間方差Otsu算法是由日本學(xué)者Otus在1979年提出的，將圖像分為目標(biāo)和背景兩類，以計(jì)算類間方差為依據(jù)，通過搜索類間方差最大值，自適應(yīng)的確定最佳分割閾值：

假設(shè)有M×N的圖像，有L個(gè)不同的灰度值，表示灰度值的像素點(diǎn)個(gè)數(shù)，則圖像總像素?cái)?shù)。，表示灰度值i出現(xiàn)的概率。假設(shè)選擇一個(gè)閾值，將圖像分為和兩類，像素點(diǎn)被分到類中的概率為，被分到類中的概率為。分到類中像素的平均值，分到類中像素的平均值，整個(gè)圖像灰度平均值，。由上面的公式可求得類間方差：，最佳分割閾值為使類間方差最大的值。設(shè)Otsu算法得到的最佳閾值為高閾值，再有高閾值為低閾值的兩倍這一關(guān)系得到低閾值。

4 基于MTM與Otus算法的Canny邊緣檢測(cè)算子

通過上面的研究分析，可以用MTM算法代替高斯濾波器，對(duì)模板圖像進(jìn)行平滑濾波，克服高斯濾波器在抑制圖形噪音的同時(shí)弱化了邊緣的缺陷，實(shí)現(xiàn)對(duì)圖像的自適應(yīng)平滑濾波，使用Otus算法得出的閾值進(jìn)行雙閾值法檢測(cè)邊緣。改進(jìn)的Canny算子檢測(cè)步驟如下。

（1）使用MTM算法平滑圖像；

（2）用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向；

（3）對(duì)梯度幅值用非極大值抑制算法進(jìn)行處理；

（4）用Otus算法自適應(yīng)得到的最佳閾值作為雙閾值算法的高閾值，低閾值設(shè)為高閾值的一半，即。

圖1 改進(jìn)的Canny算子模板邊緣檢測(cè)效果

基于MTM與Otus算法的Canny算子對(duì)支架模板的邊緣檢測(cè)實(shí)際效果如圖1所示，提取的模板邊緣完整，沒有檢測(cè)出虛假邊緣，抑制噪音效果比較好，達(dá)到了預(yù)期要求。

5 結(jié)語

晶圓級(jí)倒裝封裝裝備視覺系統(tǒng)對(duì)模板邊緣檢測(cè)要求較高，普通邊緣檢測(cè)算法難以達(dá)到要求。針對(duì)這個(gè)問題提出了一種改進(jìn)的Canny邊緣檢測(cè)算子，用中心加權(quán)的MTM濾波器代替原有的高斯濾波器，用Otus算法改進(jìn)Canny算子的雙閾值檢測(cè)算法，實(shí)現(xiàn)自適應(yīng)選取分割閾值。經(jīng)過仿真測(cè)試，改進(jìn)的邊緣檢測(cè)算法能夠完整的檢測(cè)出模板邊緣，算法的改進(jìn)是成功的。

[1] 于燮康.集成電路產(chǎn)業(yè)技術(shù)發(fā)展趨勢(shì)與突破路徑[J].中國(guó)工業(yè)評(píng)論，2015,（8）：57.

[2] STEGER C，ULRICH M，WIEDEMANN C.機(jī)器視覺算法與應(yīng)用[M].楊少榮譯.北京:清華大學(xué)出版社，2008.

[3] 胡文錦.圖像邊緣檢測(cè)方法研究[D].北京交通大學(xué)，2009.

[4] 張錚，徐超，任淑霞等.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2014.

[5] Yong Lee, Kassan S. Generalized Median Filtering and Related Nonlinear Filtering Techniques [J].IEEE Transaction on Acoustics,Speech, and Signal Processing, 1985,33(3):672-683.

[6] 梅躍松,楊樹興,莫波.基于Canny算子的改進(jìn)的圖像邊緣檢測(cè)方法[J].激光與紅外,2006,36(6):501-503.

[7] Otsu N. A threshold selection method from gray-level histogram[J].IEEE Transactions on system Man Cybernetics(S1083-4419),1979,9(1):62-66.