CN108346148B - 一种高密度柔性ic基板氧化区域检测***及方法 - Google Patents

一种高密度柔性ic基板氧化区域检测***及方法 Download PDF

Info

Publication number
CN108346148B
CN108346148B CN201810130763.6A CN201810130763A CN108346148B CN 108346148 B CN108346148 B CN 108346148B CN 201810130763 A CN201810130763 A CN 201810130763A CN 108346148 B CN108346148 B CN 108346148B
Authority
CN
China
Prior art keywords
image
pixel
flexible
substrate
threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810130763.6A
Other languages
English (en)
Other versions
CN108346148A (zh
Inventor
胡跃明
钟智彦
罗家祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Publication of CN108346148A publication Critical patent/CN108346148A/zh
Application granted granted Critical
Publication of CN108346148B publication Critical patent/CN108346148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种高密度柔性IC基板氧化区域检测方法，本方法分为彩色图像灰度化、图像去噪预处理、阈值分割、空间滤波修正和氧化区域面积计算五大部分。首先将彩色图像灰度化，达到去除冗余彩色空间信息的目的，为后续操作节约时间；其次提出加权邻域闭曲线均值模板对图像去噪处理且比现有的滤波器去噪时间短；再次阈值分割，分割出覆铜板上被氧化的区域；然后进行空间滤波修正，主要目的是再次去除噪声、斑点或孤立点等；最后计算图像中被氧化的面积。本发明解决了柔性IC基板氧化检测过程的高分辨率显微图像面积快速计算难题。

Description

一种高密度柔性IC基板氧化区域检测***及方法
技术领域
本发明涉及柔性IC基板检测技术领域，具体涉及高密度柔性IC基板氧化区域的检测方法。
背景技术
柔性IC基板在许多行业有着广泛的应用，其中包括汽车业、军用/宇航、计算机、电信、医疗以及消费产品等。世界各地的柔性IC基板使用需求在逐年增长，最重要的应用是在手机和其他的手持通信和计算机设备(如PDA等)上。覆铜板氧化直接影响基板的电学性能。而我国对柔性IC基板的研究较少，现有阶段并未查阅到有关柔性IC基板氧化面积计算的相关文献。所以我国对高密度柔性IC基板的研究还处于一个初始阶段。
发明内容
本发明的目的是为解决柔性IC基板氧化检测过程的高分辨率显微图像面积快速计算难题，提供一种高密度柔性IC基板氧化区域检测方法。
本发明的一种高密度柔性IC基板氧化区域检测方法包括：
步骤(1)采用高精度摄像机拍照，进行显微成像采集，移动载物台一次只拍摄到柔性IC基板的一部分，获得各部分的图像；
步骤(2)将拍摄完成后的所有图像拼接起来才是完整的柔性IC基板图像；
步骤(3)使用获得柔性IC基板图像进行氧化面积快速检测。
所述步骤(1)是在柔性IC基板的生产过程中对图像进行采集的过程。显微成像采集***是通过移动载物台的同时由工业相机拍摄而完成的图像采集。
所述步骤(2)是将采集后的图像进行融合处理。由于图像是通过高分辨率金相显微成像***采集，所以柔性IC基板的整张图像采集是通过拍摄多张图像之后融合而成。故其目的是为检测该柔性IC基板有何种缺陷做铺垫。
所述步骤(3)是将***检测出被氧化的IC柔性芯片快速计算其被氧化的面积。其中包括彩色图像灰度化、图像去噪处理、阈值分割、空间滤波修正和氧化面积计算。
步骤(3.1)彩色图像灰度化。由于柔性IC基板的覆铜板只有黄色铜，所以彩色图像灰度化可将原本三通道的RGB彩色图像简化为单通道的灰度图像，即可使原来需要3个字节存放图像，现只需1个字节，减少图像的占用空间。达到去除冗余彩色空间信息的目的，为后续操作节约时间。
步骤(3.2)图像去噪处理。其详细步骤为：
步骤(3.2.1)坐标规定。规定向右为X轴正方向，向下为Y轴正方向。
步骤(3.2.2)点集值与像素值对应。由于数字图像是由一些离散的点组成，所以可将图像离散数字化，对应于坐标的位置即可作为点集合，坐标中点的值即点集值，在图像中称为像素值。
步骤(3.2.3)加权邻域闭曲线均值模板。将拓扑学的数字若尔当曲线定理引入数字图像中。该模板由中心像素值和其正交方向上的四邻域值组成。其详细步骤为：以某一像素为中心，将该像素的正交方向四个像素值赋予相同的权重，将中心像素值赋予其四邻域权重之和的权重。由于像素的灰度级是0-255，即总共有256级，所以需在模板前加一个系数。将模板中所有系数与所有系数的和设置为2的整数次幂，本发明中正交方向的系数权重为1/8，中心像素的系数权重为1/2。
步骤(3.3)阈值分割，其详细步骤为：
步骤(3.3.1)计算图像I(x,y)的平均灰度级。选取窗口大小为R×R，使用平均灰度级可平滑图像，R取小于图像I(x,y)行列数的奇数，在实际应用中R通常取3，此时效果最好，主要是平滑作用。
Figure BDA0001574857970000021
其中，i＝(R+1)/2,(R+1)/2+1,…,m-(R-1)/2；j＝(R+1)/2,(R+1)/2+1,…,n-(R-1)/2，m为图像的行数，n为图像的列数，(i,j)为图像坐标的位置；
步骤(3.3.2)求列向量h(i)并求出每一行的概率pi；为加快计算速度，将每一行的像素值求和成为一个m行的列向量h(i)。
Figure BDA0001574857970000022
求出每一行的概率pi：
Figure BDA0001574857970000023
步骤(3.3.3)确定阈值k，可将整个图像集合C分为两个集合C1和C2，集合C的灰度级为[0,1,2,…,k,k+1,k+2,…,L-1]，集合C1的灰度级为[0,1,2,…,k-1]，集合C2的灰度级为[k,k+1,k+2,…,L-1]，其中L为灰度级，则两个集合C1和C2的概率P1(k)和P2(k)分别为：
Figure BDA0001574857970000031
Figure BDA0001574857970000032
令m1(k)和m2(k)分别为集合C1和C2像素的平均灰度。ms(k)为整个图像的平均灰度，即全局平均灰度值。
Figure BDA0001574857970000033
Figure BDA0001574857970000034
Figure BDA0001574857970000035
步骤(3.3.4)求类间方差并求出最大类间方差；
求类间方差δ2(k)。
Figure BDA0001574857970000036
求出最大类间方差
Figure BDA0001574857970000037
由于类间方差最大化的思想是方差越大，越接近正确分割的阈值。即在整个集合C中找到最大的δ2(k)。
Figure BDA0001574857970000038
步骤(3.3.5)求最终阈值T。列向量h中最大类间方差所对应的序号即为最佳阈值。此处若最大类间方差值不唯一，则其所对应的阈值T的均值为整个图像的最终阈值T。将T归一化后再转为L级的灰度级即可。
Figure BDA0001574857970000039
步骤(3.4)空间滤波修正。再次滤波去除噪声、斑点或孤立点等。以某一像素为中心，将其八邻域进行降序排列。若八邻域中有超过五个像素值大于阈值T，则可将该值置为1，否则为0。
步骤(3.5)氧化面积计算。统计二值图像上1的个数占采集图像总像素值的权重，再将权重乘以实际采集的完整图像的面积即可得到实际柔性IC芯片覆铜板被氧化的面积。
与现有技术相比，本发明具有如下优点和效果：
(1)本发明使用灰度图像去除了高分辨率彩色图像的冗余信息，加快了氧化面积的计算速度。
(2)本发明将拓扑学的数字若尔当曲线定理引入数字图像中并提出加权邻域闭曲线均值模板，有效的去除了噪声并减少了去噪时间。
(3)本发明提出了一种阈值分割方法，有效的分割出覆铜板上被氧化的区域。
(4)本发明对柔性IC基板在品质控制中有一个重要突破，提高了柔性IC基板生产过程的可靠性。
附图说明
图1是实例中的显微成像采集***流程图。
图2是实例中的图像融合***流程图。
图3是实例中的柔性IC基板氧化面积检测***流程图。
图4是为实例中氧化区域面积的计算流程图。
图5是实例中的阈值分割方法的框架图。
具体实施方式
以下结合附图和实例对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此。
本发明的一种高密度柔性IC基板氧化区域检测方法主要包括三个部分：(1)显微成像采集；(2)图像融合；(3)氧化面积快速检测。其中显微成像采集是柔性IC基板氧化面积检测***的第一步，也是后续图像处理能否成功的关键。若载物台移动稳定后再采集则图像将不会出现运动模糊或图像抖动现象，此效果的图像较佳。显微成像采集的基本操作是先设置好相机的相关参数和当前位置；其次规划载物平台的采集路径，即载物平台需要从什么位置移动到什么位置才能把图像采集完整；然后相机拍摄再移动载物台待稳定后再拍摄；最后判断载物台是否移动到所设置的目的地位置，若达到则完成图像的采集，否则继续图像采集操作。
图2为图像融合流程图。图像融合的目的是将采集过程中出现模糊运动、畸变或折叠等情况的图像先进行校正处理；再将处理后的图像进行拼接，得到完整的柔性IC基板；最后使图像能被正常识别后才能判别图像是否被氧化。
图3为柔性IC基板氧化面积检测流程图。具体为首先将彩色图像灰度化，达到去除冗余彩色空间信息的目的，为后续操作节约时间；其次提出加权邻域闭曲线均值模板对图像去噪处理且比现有的滤波器去噪时间短；再次阈值分割，分割出覆铜板上被氧化的区域；然后进行空间滤波修正，主要目的是再次去除噪声、斑点或孤立点等；最后计算图像中被氧化的面积。
图4为阈值分割方法的框架图。具体为首先计算图像I(x,y)的平均灰度级，选取窗口大小为R×R，主要是平滑作用；其次求列向量h并求出h(i)中每一行的概率pi；再次选择阈值k，则可将整个图像集合C分为两个集合C1和C2，则两个集合C1和C2的概率分别为P1(k)和P2(k)；然后求类间方差并求出最大类间方差；最后求最终阈值T，列向量h中最大类间方差所对应的序号并归一化即为最佳阈值T。
作为例子，以下进一步展开说明阈值分割的过程。
一种基于所述***的高密度柔性IC基板氧化区域检测方法，实例流程图如实例图1所示(为区分图像与背景，图像中加入了黑边)，包括步骤：
步骤(1)彩色图像灰度化。达到去除冗余彩色空间信息的目的，为后续操作节约时间。
步骤(2)图像预处理。将提出的加权邻域闭曲线均值模板用于图像中，去除噪声。
步骤(3)阈值分割。具体而言，如图1，所述步骤(3)具体包括：
步骤(3.1)计算图像I(x,y)的平均灰度级。选取窗口大小为R×R(此时R取3)，使用平均灰度级可平滑图像。
Figure BDA0001574857970000051
其中，i＝(R+1)/2,(R+1)/2+1,…,m-(R-1)/2；j＝(R+1)/2,(R+1)/2+1,…,n-(R-1)/2，m为图像的行数，n为图像的列数，(i,j)为图像坐标的位置；一般图像的大小为512×512，此处I(i,j)为一个512×512的矩阵。
步骤(3.2)为加快计算速度，将每一行的像素值求和成为一个m行的列向量h(i)，本实例中h(i)相应为一个512×1的列向量，即有512个数字。
Figure BDA0001574857970000052
步骤(3.3)求出每一行的概率pi。
Figure BDA0001574857970000053
本实例中，pi为一个L×1的列向量，即有L个数字，由于灰度级为256，所以L＝256。
步骤(3.4)确定阈值k，可将整个图像集合C分为两个集合C1和C2，集合C的灰度级为[0,1,2,…,k,k+1,k+2,…,L-1]，集合C1的灰度级为[0,1,2,…,k-1]，集合C2的灰度级为[k,k+1,k+2,…,L-1]，其中L为灰度级，则两个集合C1和C2的概率P1(k)和P2(k)分别为：
Figure BDA0001574857970000061
Figure BDA0001574857970000062
本实例中，P1(k)为k×1的列向量，P2(k)为(L-k)×1的列向量，即P1(k)和P2(k)加起来共有L个数字。
步骤(3.5)令m1(k)和m2(k)分别为集合C1和C2像素的平均灰度。ms(k)为整个图像的平均灰度，即全局平均灰度值。
Figure BDA0001574857970000063
Figure BDA0001574857970000064
Figure BDA0001574857970000065
本实例中，m1(k)为k×1的列向量，m2(k)为(L-k)×1的列向量，即m1(k)和m2(k)加起来共有L个数字，为一个全局平均灰度值，所选实例中图像的ms(k)值为128.6486。
步骤(3.6)求类间方差δ2(k)。
Figure BDA0001574857970000066
本实例中，δ2(k)为L×1的列向量，即有256个数字。
步骤(3.7)求出最大类间方差
Figure BDA0001574857970000067
由于类间方差最大化的思想是方差越大，越接近正确分割的阈值。即在整个集合C中找到最大的δ2(k)。
Figure BDA0001574857970000068
本实例中，
Figure BDA0001574857970000069
为δ2(k)的最大值，计算实例图为4182.747。
步骤(3.8)求最终阈值T。列向量h中最大类间方差所对应的序号即为最佳阈值。此处若最大类间方差值不唯一，则其所对应的阈值T的均值为整个图像的最终阈值T。将T归一化后再转为L级的灰度级即可。
Figure BDA0001574857970000071
本实例中，T为
Figure BDA0001574857970000072
所对应的序号即为最佳阈值，因为在排序时将灰度级作为序号，计算实例图的灰度级阈值为127，归一化后的阈值T为0.4941。
步骤(4)空间滤波修正。再次滤波去除噪声、斑点或孤立点等。以某一像素为中心，将其八邻域进行降序排列。若八邻域中有超过五个像素值大于阈值T，则可将该值置为1，否则为0。
步骤(5)氧化区域面积计算。统计二值图像上0的个数占采集图像总像素值的权重P，本实例中，P值为0.0182；再将权重乘以实际采集的完整图像的面积即可得到实际柔性IC芯片覆铜板被氧化的面积。

Claims (4)

1.一种高密度柔性IC基板氧化区域检测方法，其特征在于包括：
步骤(1)采用高精度摄像机拍照，进行显微成像采集，移动载物台一次只拍摄到柔性IC基板的一部分，获得各部分的图像；
步骤(2)将拍摄完成后的所有图像拼接起来才是完整的柔性IC基板图像；
步骤(3)使用获得柔性IC基板图像进行氧化面积快速检测；
步骤(3)具体为：
步骤(3.1)彩色图像灰度化，去除冗余彩色空间信息；
步骤(3.2)图像去噪处理：提出加权邻域闭曲线均值模板对图像进行去噪处理；
步骤(3.3)阈值分割：使用阈值分割方法标记出覆铜板上被氧化的区域；
步骤(3.4)空间滤波修正；
步骤(3.5)氧化面积计算；
步骤(3.3)具体为：
步骤(3.3.1)计算图像I(x,y)的平均灰度级：选取窗口大小为R×R，R取小于图像I(x,y)行列数的奇数；
步骤(3.3.2)求列向量h(i)并求出每一行的概率pi；
步骤(3.3.3)确定阈值k：将整个图像集合C分为两个集合C1和C2，则两个集合C1和C2的概率分别为P1(k)和P2(k)；
步骤(3.3.4)求类间方差并求出最大类间方差；
步骤(3.3.5)求最终阈值：列向量h(i)中最大类间方差所对应的序号即为最佳阈值，并将其归一化即可得最终阈值T。
2.根据权利要求1所述的一种高密度柔性IC基板氧化区域检测方法，其特征在于步骤(3.2)具体为：
步骤(3.2.1)坐标规定，规定图像的坐标向右为X轴正方向，向下为Y轴正方向；
步骤(3.2.2)点集值与像素值对应：由于数字图像是由一些离散的点组成，将图像离散数字化，对应于坐标的位置即可作为点集合，坐标中点的值即点集值，在图像中称为像素值；
步骤(3.2.3)加权邻域闭曲线均值模板：将拓扑学的数字若尔当曲线定理引入数字图像中，该模板由中心像素值和其正交方向上的四邻域值组成；其详细步骤为：以其中一像素为中心，将该像素的正交方向四个像素值赋予相同的权重，将中心像素值赋予其四邻域权重之和的权重；由于像素的灰度级是0-255，即总共有256级，所以需在模板前加一个系数用于权衡像素值，将模板中所有系数与所有系数的和设置为2的整数次幂；正交方向的系数权重为1/8，中心像素的系数权重为1/2。
3.根据权利要求1所述的一种高密度柔性IC基板氧化区域检测方法，其特征在于步骤(3.4)空间滤波修正具体为：
再次滤波去除噪声、斑点或孤立点；以其中某一像素为中心，将其八邻域进行降序排列；若八邻域中有超过五个像素值大于阈值T，则可将值置为1，否则为0。
4.根据权利要求1所述的一种高密度柔性IC基板氧化区域检测方法，其特征在于步骤(3.5)氧化面积计算具体为：统计二值图像上0的个数占采集图像总像素值的权重，再将权重乘以实际采集的完整图像的面积即可得到实际柔性IC芯片覆铜板被氧化的面积。
CN201810130763.6A 2017-09-21 2018-02-09 一种高密度柔性ic基板氧化区域检测***及方法 Active CN108346148B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710893706 2017-09-21
CN2017108937069 2017-09-21

Publications (2)

Publication Number Publication Date
CN108346148A CN108346148A (zh) 2018-07-31
CN108346148B true CN108346148B (zh) 2022-03-25

Family

ID=62959178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810130763.6A Active CN108346148B (zh) 2017-09-21 2018-02-09 一种高密度柔性ic基板氧化区域检测***及方法

Country Status (1)

Country Link
CN (1) CN108346148B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109614879B (zh) * 2018-11-19 2022-12-02 温州大学 基于图像识别的料斗颗粒检测方法
CN109671078B (zh) * 2018-12-24 2022-11-01 广东理致技术有限公司 一种产品表面图像异常检测方法及装置
CN110009582A (zh) * 2019-03-28 2019-07-12 华南理工大学 一种基于曲率特征的各向异性图像去噪方法
CN110232045B (zh) * 2019-05-27 2023-08-11 广州润普网络科技有限公司 一种电子卷宗图像处理方法
CN110544009B (zh) * 2019-07-26 2022-12-09 中国人民解放军海军航空大学青岛校区 基于数字图像处理的航空有机涂层老化损伤量化评估方法
CN117078743B (zh) * 2023-10-16 2024-02-06 东莞市兆丰精密仪器有限公司 一种基于图像计算电路板银浆线面积的方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013038333A2 (en) * 2011-09-18 2013-03-21 Forus Health Pvt. Ltd. Method and system for enhancing image quality
CN104620211A (zh) * 2012-09-14 2015-05-13 夏普株式会社 触摸面板和触摸面板一体型的显示装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000011454A1 (en) * 1998-08-18 2000-03-02 Orbotech Ltd. Inspection of printed circuit boards using color
TWI567985B (zh) * 2011-10-21 2017-01-21 半導體能源研究所股份有限公司 半導體裝置及其製造方法
CN103489223A (zh) * 2013-09-29 2014-01-01 华南理工大学 一种面向3d封装ic的3d断层扫描成像方法
CN107369176B (zh) * 2017-07-14 2021-07-20 华南理工大学 一种柔性ic基板氧化面积检测***及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013038333A2 (en) * 2011-09-18 2013-03-21 Forus Health Pvt. Ltd. Method and system for enhancing image quality
CN104620211A (zh) * 2012-09-14 2015-05-13 夏普株式会社 触摸面板和触摸面板一体型的显示装置

Also Published As

Publication number Publication date
CN108346148A (zh) 2018-07-31

Similar Documents

Publication Publication Date Title
CN108346148B (zh) 一种高密度柔性ic基板氧化区域检测***及方法
CN108520247B (zh) 对图像中的对象节点的识别方法、装置、终端及可读介质
CN107563446B (zh) 一种微操作***目标检测方法
CN110532897B (zh) 零部件图像识别的方法和装置
US20110211233A1 (en) Image processing device, image processing method and computer program
JP5498454B2 (ja) 追跡装置、追跡方法およびプログラム
CN107369176B (zh) 一种柔性ic基板氧化面积检测***及方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN110874827B (zh) 湍流图像复原方法、装置、终端设备及计算机可读介质
CN111144215B (zh) 图像处理方法、装置、电子设备及存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN112381061B (zh) 一种面部表情识别方法及***
CN113888461A (zh) 基于深度学习的小五金件缺陷检测方法、***及设备
CN110310305B (zh) 一种基于bssd检测与卡尔曼滤波的目标跟踪方法与装置
CN111209858A (zh) 一种基于深度卷积神经网络的实时车牌检测方法
CN115131444A (zh) 一种基于单目视觉点胶平台的标定方法
CN110472640B (zh) 一种目标检测模型预测框处理方法及装置
CN108710881B (zh) 神经网络模型、候选目标区域生成方法、模型训练方法
CN113421210B (zh) 一种基于双目立体视觉的表面点云重建方法
CN113409353A (zh) 运动前景检测方法、装置、终端设备及存储介质
CN110349129B (zh) 一种高密度柔性ic基板外观缺陷检测方法
JP5928465B2 (ja) 劣化復元システム、劣化復元方法およびプログラム
CN114550062A (zh) 图像中运动对象的确定方法、装置、电子设备和存储介质
JP4298283B2 (ja) パターン認識装置、パターン認識方法、及びプログラム
CN110363723B (zh) 改进图像边界效果的图像处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant