改進的Canny算子在晶圓級倒裝封裝裝備上的應用

孫林偉，賀云波，張昌，彭廣德

（廣東工業(yè)大學機電工程學院，廣東 廣州 510006）

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

1 基于空間域上微分邊緣提取算子

常見的邊緣檢測算子有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)是標準差為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）計算邊緣幅值。（5）對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 幾種邊緣檢測算子實驗結(jié)果及分析

不同的邊緣檢測算子檢測結(jié)果差異較大，Roberts算子與LoG算子的邊緣檢測精度較高，在檢測到細小邊緣的同時也檢測出了噪音。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算子邊緣定位準確性高，能得到比較完整的支架模板邊緣，但是檢測出了很多虛假邊緣，邊緣出現(xiàn)斷點。綜合來看Canny算子的邊緣檢測效果好，可以以傳統(tǒng)的Canny算子為基礎進行改進，使其邊緣檢測效果達到倒裝機視覺模板匹配要求。

3 改進的Canny邊緣檢測算子

Canny主要有兩個問題，高斯濾波器是一種線性濾波器在抑制圖形噪音的同時弱化了邊緣。另外，Canny算子不能實現(xiàn)自適應選取雙閾值，需要人為進行設置，這會導致雙閾值選取不合理。

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

選取以(i,j)為領域中心像素點的濾波模板，然后將模板中心像素(i,j)加權(quán)之后再進行中值排序操作，加權(quán)可以加強中心像素的作用，保留更多的邊緣細節(jié)：，表示濾波模板像素點的灰度值，n為像素點數(shù)，ω為中心點像素權(quán)重。以像素值為中心取一個灰度區(qū)間，設為灰度區(qū)間內(nèi)的灰度值，令，作為模板內(nèi)中心點(i,j)像素值的響應。的大小將會影響整個濾波模板的輸出值，進而影響到濾波效果。當趨于0時，濾波器相當于一個中心加權(quán)的中值濾波器，趨向于無窮大時，濾波器相當于一個中心加權(quán)濾波器；的取值計算公式為：，H為最小邊緣高度，是高斯噪音標準差，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小缺陷，同時又比較好的保護了邊緣，濾波效果比較理想。

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

假設有M×N的圖像，有L個不同的灰度值，表示灰度值的像素點個數(shù)，則圖像總像素數(shù)。，表示灰度值i出現(xiàn)的概率。假設選擇一個閾值，將圖像分為和兩類，像素點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，對模板圖像進行平滑濾波，克服高斯濾波器在抑制圖形噪音的同時弱化了邊緣的缺陷，實現(xiàn)對圖像的自適應平滑濾波，使用Otus算法得出的閾值進行雙閾值法檢測邊緣。改進的Canny算子檢測步驟如下。

（1）使用MTM算法平滑圖像；

（2）用一階偏導的有限差分來計算梯度的幅值和方向；

（3）對梯度幅值用非極大值抑制算法進行處理；

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

圖1 改進的Canny算子模板邊緣檢測效果

基于MTM與Otus算法的Canny算子對支架模板的邊緣檢測實際效果如圖1所示，提取的模板邊緣完整，沒有檢測出虛假邊緣，抑制噪音效果比較好，達到了預期要求。

5 結(jié)語

晶圓級倒裝封裝裝備視覺系統(tǒng)對模板邊緣檢測要求較高，普通邊緣檢測算法難以達到要求。針對這個問題提出了一種改進的Canny邊緣檢測算子，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Canny算子的雙閾值檢測算法，實現(xiàn)自適應選取分割閾值。經(jīng)過仿真測試，改進的邊緣檢測算法能夠完整的檢測出模板邊緣，算法的改進是成功的。

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

[2] STEGER C，ULRICH M，WIEDEMANN C.機器視覺算法與應用[M].楊少榮譯.北京:清華大學出版社，2008.

[3] 胡文錦.圖像邊緣檢測方法研究[D].北京交通大學，2009.

[4] 張錚，徐超，任淑霞等.數(shù)字圖像處理與機器視覺[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算子的改進的圖像邊緣檢測方法[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.