1 引言

　　本文在光學顯微系統和圖像采集系統下獲取了有圖形硅片經過相關處理后圖像[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，并通過實驗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，是描述圖像幾何拓撲性質的重要特征之一。如直線及孤立點的骨架是它自身;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]。

　　圖像采集數字化后往往會產生誤差，同時不均勻的光照、噪聲干擾也會損壞圖像質量，因此，一般都需要通過圖像預處理來提高圖像質量。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行圖像分割，得到二值化的圖像。受到骨架抽取算法的性質及圖像質量的影響，初次提取的圖像骨架一般存在噪聲、多余端枝等，需要優化骨架。然后，采用基于骨架特征的識別方法實現缺陷的識別及電路失效形式的確定。

　　3 骨架特征提取與優化

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

　　3.1 特征提取及骨架優化

　　抽取圖像骨架的算法很多，本文采用了索引表細化算法。算法原理是：根據骨架點判斷依據設計表;根據當前像素點的8鄰域點情況查表，以確定該點是否為骨架點。

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

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

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

　　①多余像素點刪除

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

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

　　對圖7(c)及8(c)采用多余點刪除原則處理后，得到的圖像如圖11。

　　②多余端枝刪除

　　骨架中多余端枝的存在會影響骨架跟蹤的速度與準確性，因此，必須去除偶然出現的端枝。通常情況下，多余端枝存在于骨架的三交叉點處，如圖5的第(4)種情況。本文的處理原則是：給定計算像素個數的初始閾值T0;從當前端點出發，統計經過的像素值為0(黑點)的像素個數T;如果T>T0時沒有遇到一個三交叉點，則認為該端點沒有多余端枝并改從其他端點出發;反之，如果T初始閾值T0根據研究對象的性質取不同值，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 先作膨脹腐蝕運算加骨架提取

　　優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，然后用數學形態學開運算消除背景噪聲，對開運算的結果再進行形態學的膨脹和腐蝕算法，消除多余物缺陷中的小洞噪聲，獲得從復雜背景中分離和抽取多余物缺陷，對分離后的缺陷用形態學算子提取輪廓。

　　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部的小洞噪聲采用形態學連續膨脹運算來填補。膨脹運算的結構元素選取E=3×3方形結構元素，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，對膨脹后的結果圖像再進行相同次數的腐蝕運算

　　式中：X是經數字圖像相關算法處理的圖像;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

　　對開路缺陷應用索引表細化算法抽取圖像的骨架，采用基于三交叉點的多余點去除原則去掉骨架的多余像素點，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。因為處理方法二對小洞噪聲有特殊的作用，所以識別采用先用膨脹和腐蝕算法處理圖像，然后再應用細化算法提取骨架，得到單像素曲線。

　　根據缺陷故障的骨架特征，本文采用鄰域跟蹤法進行判斷[8]，即在圖像骨架點的8個鄰域內進行搜索。如當前像素點在任一個鄰域都不存在像素點則跟蹤結束，并認為電路開路，否則繼續搜索;如果是在當前像素點的領域內同時存在兩個或兩個方向以上的像素點，則認為是短路，并作出標識，以便判斷是否電路中存在的交叉連線。骨架跟蹤結果如圖15所示。具體步驟如下：

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

　　(2)設Pi是當前像素點，在該點的8個鄰域內尋找下一個未被標志的像素點標志為Pi+1;

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

　　(4)如在掃描骨架的時候發現當前像素點存在兩個方向以上的領域像素點，則認為是短路，并作出標識，否則重復步驟(2);

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

　　5 結論

　　本文研究了IC晶片丟失物和冗余物缺陷故障的識別方法。該方法應用索引表細化算法提取圖像骨架，提供了針對三交叉點采用多余點與多余端枝刪除原則得到單像素、單方向碼的骨架和用數學形態學處理圖像再細化骨架的兩種方法，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現電路開路失效形式的識別。實驗結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。