CN115619813A - Sem图像前景提取方法、装置、计算机设备及存储介质 - Google Patents
Sem图像前景提取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115619813A CN115619813A CN202211291459.2A CN202211291459A CN115619813A CN 115619813 A CN115619813 A CN 115619813A CN 202211291459 A CN202211291459 A CN 202211291459A CN 115619813 A CN115619813 A CN 115619813A
- Authority
- CN
- China
- Prior art keywords
- sem image
- image
- foreground
- extracting
- extraction
- 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.)
- Pending
Links
- 238000001878 scanning electron micrograph Methods 0.000 title claims abstract description 209
- 238000000605 extraction Methods 0.000 title claims abstract description 110
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000003550 marker Substances 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 10
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000001459 lithography Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及计算光刻图像分析技术领域,具体涉及一种SEM图像前景提取方法、装置、计算机设备及存储介质。方法包括步骤:获取待处理的SEM图像并将SEM图像二值化;检测经二值化后的SEM图像中的所有连通域并进行第一次标记;基于第一次标记拆分所述SEM图像;对拆分后的每一SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;基于第二次标记将轮廓提取图进行图像拼接以得到SEM图像前景图像。本发明的前景提取方法结果准确率大幅增高及拆分速度较高。本发明的提取装置、计算机设备及存储介质具有与SEM图像前景提取方法相同的有益效果,在此不再赘述。
Description
【技术领域】
本发明涉及计算光刻图像分析技术领域,具体涉及一种SEM图像前景提取方法、装置、计算机设备及存储介质。
【背景技术】
作为图像研究的基础工作之一,图像前景提取可以通过图像处理算法快速准确地提取出图像中的重要信息,图像前景拆分的主要是通过高效准确的算法来确定图像中的每个像素点是属于需要提取的前景还是需要舍弃的背景。目前已有的相关图像前景提取方法中,主要都是根据预设条件获取图像当前像素的距离判断阈值,随后计算当前像素的积分直方图,根据积分直方图计算当前像素距离判断阈值范围内的样本个数,根据样本个数与预设样本阈值比较,以此判定前景点和背景点。但在扫描电镜(SEM)图像分析中,由于噪点的存在,使得单纯通过阈值拆分前景polygon的结果准确率大幅降低及拆分速度较慢。
【发明内容】
为解决现有技术中的技术问题,本发明提供了一种SEM图像前景提取方、装置、计算机设备法及存储介质。
为了解决上述技术问题,本发明的技术方案是提供一种SEM图像前景提取方法,其特征在于:所述SEM图像前景提取方法包括以下步骤:
获取待处理的SEM图像并将所述SEM图像二值化;
检测经二值化后的SEM图像中的所有连通域并进行第一次标记;
基于所述第一次标记拆分所述SEM图像;
拆分后的每一所述SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
基于第二次标记将所述轮廓提取图进行图像拼接以得到所述SEM图像前景图像。
优选地,将所述SEM图像二值化具体为:通过Ostu算法将所述SEM图像转换为二值化图像。
优选地,通过two-pass连通域算法检测经二值化后的SEM图像中的所有连通域。
优选地,对拆分后的所述SEM图像进行轮廓提取具体包括步骤:
对所述SEM图像进行像素化处理并得到原始矩阵;
对原始矩阵进行高斯滤波处理后得到图像矩阵并计算所述图像矩阵中的所有像素点的梯度值;
获取梯度值在预设范围内的所有像素点,并在所选的所有像素点中沿梯度方向寻找峰值点;
将所述峰值点按预设方式连接以提取出拆分后所述SEM图像的轮廓提取图。
优选地,将所述峰值点按预设方式连接以提取出所述SEM图像的轮廓提取图具体包括步骤:
基于所有所述峰值点组成点对点的距离矩阵;
迭代所述距离矩阵对角线上的元素;
将所述距离矩阵的数值达到预设值的峰值点进行第二次标记;
以第二次标记将所述峰值点进行有序连接以提取出所述SEM图像的轮廓提取图。
优选地,根据梯度优化算法对所述距离矩阵对角线上的元素进行迭代。
优选地,将所述SEM图像二值化之前还包括步骤:对所述SEM图像进行预处理。
本发明解决上述技术问题的又一方案是提供一种SEM图像前景提取装置,应用于上述的SEM图像前景提取方法,所述前景提取装置包括:
检测模块:用于检测经二值化后的SEM图像中的所有连通域;
拆分模块:用于基于第一次标记拆分所述SEM图像;
提取模块:用于对拆分后的所述SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
图像拼接模块:基于第二次标记将轮廓提取图进行图像拼接以得到所述SEM图像前景图像。
本发明解决上述技术问题的又一方案是提供一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行上述计算机程序以实现上述的SEM图像前景提取方法的步骤。
本发明解决上述技术问题的又一方案是提供一种存储介质,包括处理器,所述存储介质被处理器执行时实现上述的SEM图像前景提取方法。
与现有技术相比,本发明提供的一种SEM图像的前景提取方法、前景提取装置、计算机设备及存储介质具有以下优点:
1、本发明的实施例提供的SEM图像的前景提取方法,先将获取的待处理的SEM图像二值化处理的设计,方便后续对SEM图像进行连通域分析处理。然后再通过连通域算法检测经二值化后的SEM图像中的连通域并进行第一标记的设计,能够快速找出SEM图像中存在的所有连通域,能够先得到SEM图像中大概的边缘点用于后续提取轮廓,并将不同的连通域区域进行第一次标记。而基于第一次标记拆分SEM图像的设计,方便分割出同一张SEM图像中的不同连通域区域以方便后续进行基本轮廓做提取以及图像拼接。再对拆分后的每一SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记的设计,一是可以平滑轮廓曲线,二是用于图像拼接时把相邻的两个连通域中的提取出的轮廓提取图进行准确的缝合,从而使得通过本发明的SEM图像前景提取方法提取出的前景图像更加精准。由此可见,本发明的前景提取方法的结果准确率大幅增高及拆分速度较高。
2、本发明的实施例提供的SEM图像的前景提取方法,通过two-pass连通域算法检测经二值化后的SEM图像中的所有连通域。通过此设计,能够使得拆分出的SEM图像的连通域区域的结果准确率更高,进而进一步地提高了SEM图像前景提取的准确率。
3、本发明的实施例提供的SEM图像的前景提取方法,通过该预设的轮廓提取方法对SEM图像进行轮廓提取的设计,能够使得在没有GDS版图文件的情况下,仅仅根据SEM图像就能够快速且精准地提取出SEM图像的轮廓,且提取出的轮廓图像的噪点较低。由此可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率。
4、本发明的实施例提供的SEM图像的前景提取方法,通过将所有峰值点组成点对点的距离矩阵,并通过预设的迭代算法迭代计算距离矩阵对角线上的元素,并将距离矩阵的数值大达到预设值的峰值点进行第二次标记,通过此方法得到的轮廓提取图的噪点较低且提取结果较为准确。可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率。
5、本发明的实施例提供的SEM图像的前景提取方法,将SEM图像二值化之前还包括步骤:对SEM图像进行预处理。通过此设计,当SEM图像中的噪点过多时,能够去除噪点,从而方便后续的处理。
6、本发明的实施例提供的SEM图像的轮廓前景提取装置,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
7、本发明的实施例提供的计算机设备,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
8、本发明的实施例提供的存储介质,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
【附图说明】
图1是本发明的第一实施例提供的SEM图像的前景提取方法的流程示意图;
图2是本发明的第一实施例提供的SEM图像的前景提取方法之详细步骤流程示意图一;
图3是本发明的第一实施例提供的SEM图像的前景提取方法之详细步骤流程示意图二;
图4是本发明的第一实施例提供的SEM图像的前景提取方法之待处理的SEM图像;
图5(a)~(e)是本发明的第一实施例提供的SEM图像的前景提取方法之SEM图像拆分示意图;
图6是本发明的第一实施例提供的SEM图像的前景提取方法之提取SEM图像若干个轮廓点时的状态变化示意图;
图7是本发明的第一实施例提供的SEM图像的前景提取方法之提取出的SEM前景图像;
图8本发明的第二实施例提供的SEM图像的前景提取装置的***框图。
附图标识说明:
1、SEM图像前景提取方法;2、SEM图像前景提取装置;
21、检测模块;22、拆分模块;23、提取模块;24、图像拼接模块。
【具体实施方式】
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,本发明的第一实施例提供一种SEM图像前景提取方法1,SEM图像前景提取方法1包括以下步骤:
S 1:获取待处理的SEM图像并将SEM图像二值化;
S2:检测经二值化后的SEM图像中的所有连通域并进行第一次标记;
S3:基于第一次标记拆分SEM图像;
S4:对拆分后的每一SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
S5:基于第二次标记将所述轮廓提取图进行图像拼接以得到SEM图像前景图像。
需要说明的是,本发明的SEM图像前景提取方法可以不依赖版图设计文件,通过预设的轮廓提取方法就能直接通过获取的一张SEM图像进行轮廓提取,然后再经图像拼接处理以提取出SEM图像前景图像。
可以理解地,本发明先将获取的待处理的SEM图像二值化处理的设计,方便后续对SEM图像进行连通域分析处理。然后再检测经二值化后的SEM图像中的连通域并进行第一标记的设计,能够快速找出SEM图像中存在的所有连通域,能够先得到SEM图像中大概的边缘点用于后续提取轮廓,并将不同的连通域区域进行第一次标记;而基于第一次标记拆分SEM图像的设计,由于一张SEM图像中存在很多不同的连通域区域,从而方便分割出同一张SEM图像中的不同连通域区域以方便后续进行基本轮廓做提取以及图像拼接。再对拆分后的每一SEM图像进行轮廓提取,以得到拆分后的每一SEM图像的轮廓提取图并进行第二次标记的设计,通过第二次标记的设计一是可以平滑轮廓曲线,二是用于图像拼接处理时把相邻的两个连通域中的提取出的轮廓提取图进行准确的缝合,从而使得通过本发明的SEM图像前景提取方法提取出的前景图像更加精准且平滑。由此可见,本发明的前景提取方法的结果准确率大幅增高及拆分速度较高。
进一步地,将SEM图像二值化具体为:通过Ostu算法将SEM图像转换为二值化图像。
可以理解地,由于后续的连通域检测算法处理的一般是二值化后的图像,因此通过Ostu算法将SEM图像进行二值化,可以忽略SEM图像的颜色信息、背景信息、保留更加重要的形态信息。并且SEM图像二值化处理之后,SEM图像的信息量大为减少,后续处理起来也更加方便。
进一步地,通过two-pass(两遍扫描算法)连通域算法检测经二值化后的SEM图像中的所有连通域。
可以理解地,通过此设计,能够使得拆分出的SEM图像的连通域区域的结果准确率更高,进而进一步地提高了SEM图像前景提取的准确率。
进一步地,请参阅图2,对拆分后的SEM图像进行轮廓提取具体包括步骤:
S41:对SEM图像进行像素化处理并得到原始矩阵;
S42:对原始矩阵进行高斯滤波处理后得到图像矩阵并计算图像矩阵中的所有像素点的梯度值;
S43:获取梯度值在预设范围内的所有像素点,并在的所有像素点中沿梯度方向寻找峰值点;
S44:将峰值点按预设方式连接以提取出拆分后SEM图像的轮廓提取图。
可以理解地,通过该预设的轮廓提取方法对SEM图像进行轮廓提取的设计,能够使得在没有GDS(版图文件)的情况下,仅仅根据SEM图像就能够快速且精准地提取出SEM图像的轮廓,且提取出的轮廓图像的噪点较低,也即是通过此方法提取出的轮廓提取图能够减小SEM图像在进行前景提取的时候受噪点影响。由此可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率以及提高轮廓拆分。
需要说明的是,预设范围内指的是梯度值较大的像素点。
具体地,在所有像素点中沿梯度方向寻找峰值点具体为:将图像矩阵划分为预设大小的分块,找出每个分块内梯度值最大的中间像素点;对所有分块内的中间像素点进行筛选,当中间像素点的梯度值大于预设的梯度阈值时,筛选出对应的关键像素点,并记录关键像素点的坐标和梯度方向;在图像矩阵中从关键像素点的坐标开始,沿关键像素点的梯度方向在预设的寻找范围内找出灰度值最小的像素点,该像素点即为峰值点。
可以理解地,将图像矩阵分块并筛选出可供参考的关键像素点,可以保证后续对峰值点的寻找是从SEM图像中线条的边缘开始,而灰度值最小的像素点即为SEM图像中最亮的点,沿着梯度方向寻找可准确、快速地找到所需的峰值点。可见上述的方式,实现简单,可靠性强,找出的峰值点可准确地反映SEM图像的轮廓点,进而方便后续提取出SEM图像的前景图。
进一步地,请参阅图3,将峰值点按预设方式连接以提取出SEM图像的轮廓提取图具体包括步骤:
S441:基于所有所述峰值点组成点对点的距离矩阵;
S442:迭代距离矩阵对角线上的元素;
S443:将距离矩阵的数值达到预设值的峰值点进行第二次标记;
S444:以第二次标记将峰值点进行有序连接以提取出SEM图像的轮廓提取图。
需要说明的是,在获取梯度值在预设范围内的所有像素点的时候,还会记录这些像素点的坐标信息,也即是在后续获取的峰值点也是有具体的坐标信息的。元素指的是各个峰值点之间的距离信息。
具体地,两峰值点间距离公式表示为:
其中,xn表示峰值点的横坐标,yn表示峰值点的纵坐标;
具体地,距离矩阵表示为:
可以理解地,通过将所有峰值点组成点对点的距离矩阵,并通过预设的迭代算法迭代计算距离矩阵对角线上的元素,并将在迭代过程中的距离矩阵的数值达到预设值的峰值点进行第二次标记,通过此设计,一是通过此方法得到的轮廓提取图的噪点较低且提取结果较为准确;二是通过此方式进行连接得到的轮廓提取图更加平滑,且借助第二次标记能够将相邻的两个连通域中的轮廓提取图进行准确的连接。可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率。
具体地,根据梯度优化算法对所述距离矩阵对角线上的元素进行迭代。
应理解,在一些实施例中,通过迭代距离矩阵对角线上的元素,能够对每个峰值点与其他峰值点之间的距离进行了优化。在连接峰值点的时候,按距离当前峰值点远近的顺序从小到大依次遍历并将符合选取的峰值点进行第二次标记,例如,当前峰值点为A,距离峰值点A按距离远近从小到大排序的峰值点分别为B、C和D,若判断距离当前峰值点A最近的峰值点B还未连接峰值点A,则将A与B连接;若判断峰值点B已经与峰值点A连接,则向下遍历,判断峰值点C是否连接到峰值点A,以此类推。处理完一个峰值点后,再处理下一个峰值点,直至所有峰值点完成连接从而得到SEM图像的轮廓提取图。
综上所述,示例性的,请参阅图4,输入一张SEM图像,并将SEM图像通过Ostu算法转换为二值化图像,然后通过two-pass算法检测SEM图像中所有的连通区域并且进行第一次标记,若检测到的连通区域为5个并将进行标记为1-5,借助第一次标记将SEM图像进行拆分,如图5中的(a)~(e)所示,然后对拆分后的SEM图像进行轮廓提取,具体地,先对SEM图像进行像素化处理(如图6中的(a)所示),再对原始矩阵进行高斯滤波处理后得到图像矩阵并计算图像矩阵中的每一像素点的梯度值,其次再获取梯度值在预设范围内的所有像素点(如图6中的(b)所示),并在所选的所有像素点中沿梯度方向寻找峰值点(如图6中的(c)中的两线条中间的像素点),最后再将距离矩阵的数值达到预设值的峰值点进行第二次标记,并以该标记进行图像拼接得到SEM图像的前景提取图像(如图7所示)。
进一步地,将SEM图像二值化之前还包括步骤:对SEM图像进行预处理。
可以理解地,通过此设计,当SEM图像中的噪点过多时,可以进行预处理,例如对SEM图像进行去噪处理,通过此设计能够去除SEM图像中的噪点,从而方便后续的处理。也可以理解地,该预处理是否需要进行是根据SEM图像的质量去确认的,若SEM图像的质量较好则不需要进行去噪处理。
请参阅图8,本发明的第二实施例提供一种SEM图像前景提取装置2,应用于本发明的第一实施例的SEM图像前景提取方法1,前景提取装置2包括:
检测模块21:用于检测经二值化后的SEM图像中的所有连通域;
拆分模块22:用于基于第一次标记拆分SEM图像;
提取模块23:用于对拆分后的SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
图像拼接模块24:基于第二次标记将轮廓提取图进行图像拼接以得到SEM图像前景图像。
可以理解地,本发明的第二实施例一种SEM图像前景提取装置2具有与本发明的第一实施例的一种SEM图像前景提取方法1相同的有益效果,在此不再赘述。
本发明的第三实施例一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,处理器执行上述计算机程序以实现本发明的第一实施例的SEM图像的轮廓提取方法的步骤。
可以理解地,本发明的第三实施例一种计算机设备具有与本发明的第一实施例的一种SEM图像前景提取方法相同的有益效果,在此不再赘述。
本发明的第四实施例一种存储介质,包括处理器,存储介质被处理器执行时实现如本发明的第一实施例的一种SEM图像前景提取方法。
可以理解地,本发明的第四实施例一种存储介质具有与本发明的第一实施例的一种SEM图像前景提取方法相同的有益效果,在此不再赘述。
与现有技术相比,本发明提供的一种SEM图像的前景提取方法、前景提取装置、计算机设备及存储介质具有以下优点:
1、本发明的实施例提供的SEM图像的前景提取方法,先将获取的待处理的SEM图像二值化处理的设计,方便后续对SEM图像进行连通域分析处理。然后再检测经二值化后的SEM图像中的连通域并进行第一标记的设计,能够快速找出SEM图像中存在的所有连通域,能够先得到SEM图像中大概的边缘点用于后续提取轮廓,并将不同的连通域区域进行第一次标记。而基于第一次标记拆分SEM图像的设计,方便分割出同一张SEM图像中的不同连通域区域以方便后续进行基本轮廓做提取以及图像拼接。再对拆分后的每一SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记的设计,一是可以平滑轮廓曲线,二是用于图像拼接时把相邻的两个连通域中的提取出的轮廓提取图进行准确的缝合,从而使得通过本发明的SEM图像前景提取方法提取出的前景图像更加精准。由此可见,本发明的前景提取方法的结果准确率大幅增高及拆分速度较高。
2、本发明的实施例提供的SEM图像的前景提取方法,通过two-pass连通域算法检测经二值化后的SEM图像中的所有连通域。通过此设计,能够使得拆分出的SEM图像的连通域区域的结果准确率更高,进而进一步地提高了SEM图像前景提取的准确率。
3、本发明的实施例提供的SEM图像的前景提取方法,通过该预设的轮廓提取方法对SEM图像进行轮廓提取的设计,能够使得在没有GDS版图文件的情况下,仅仅根据SEM图像就能够快速且精准地提取出SEM图像的轮廓,且提取出的轮廓图像的噪点较低。由此可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率。
4、本发明的实施例提供的SEM图像的前景提取方法,通过将所有峰值点组成点对点的距离矩阵,并通过预设的迭代算法迭代计算距离矩阵对角线上的元素,并将距离矩阵的数值大达到预设值的峰值点进行第二次标记,通过此方法得到的轮廓提取图的噪点较低且提取结果较为准确。可见,通过此设计能够进一步地提高本发明的前景提取的结果准确率。
5、本发明的实施例提供的SEM图像的前景提取方法,将SEM图像二值化之前还包括步骤:对SEM图像进行预处理。通过此设计,当SEM图像中的噪点过多时,能够去除噪点,从而方便后续的处理。
6、本发明的实施例提供的SEM图像的轮廓前景提取装置,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
7、本发明的实施例提供的计算机设备,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
8、本发明的实施例提供的存储介质,具有与本发明的SEM图像的前景提取方法相同的有益效果,在此不再赘述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必需的。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本发明的附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,该模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方案中,方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行的执行,它们有时也可以按相反的顺序执行,在此基于涉及的功能而确定。需要特别注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内所做的任何修改,等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种SEM图像前景提取方法,其特征在于:所述SEM图像前景提取方法包括以下步骤:
获取待处理的SEM图像并将所述SEM图像二值化;
检测经二值化后的SEM图像中的所有连通域并进行第一次标记;
基于所述第一次标记拆分所述SEM图像;
对拆分后的每一所述SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
基于第二次标记将所述轮廓提取图进行图像拼接以得到所述SEM图像前景图像。
2.如权利要求1所述的SEM图像前景提取方法,其特征在于:将所述SEM图像二值化具体为:通过Ostu算法将所述SEM图像转换为二值化图像。
3.如权利要求1所述的SEM图像前景提取方法,其特征在于:通过two-pass连通域算法检测经二值化后的SEM图像中的所有连通域。
4.如权利要求1所述的SEM图像前景提取方法,其特征在于:对拆分后的所述SEM图像进行轮廓提取具体包括步骤:
对所述SEM图像进行像素化处理并得到原始矩阵;
对原始矩阵进行高斯滤波处理后得到图像矩阵并计算所述图像矩阵中的所有像素点的梯度值;
获取梯度值在预设范围内的所有像素点,并在所选的所有像素点中沿梯度方向寻找峰值点;
将所述峰值点按预设方式连接以提取出拆分后所述SEM图像的轮廓提取图。
5.如权利要求4所述的SEM图像前景提取方法,其特征在于:将所述峰值点按预设方式连接以提取出所述SEM图像的轮廓提取图具体包括步骤:
基于所有所述峰值点组成点对点的距离矩阵;
迭代所述距离矩阵对角线上的元素;
将所述距离矩阵的数值达到预设值的峰值点进行第二次标记;
以第二次标记将所述峰值点进行有序连接以提取出所述SEM图像的轮廓提取图。
6.如权利要求4所述的SEM图像前景提取方法,其特征在于:根据梯度优化算法对所述距离矩阵对角线上的元素进行迭代。
7.如权利要求1所述的SEM图像前景提取方法,其特征在于:将所述SEM图像二值化之前还包括步骤:对所述SEM图像进行预处理。
8.一种SEM图像前景提取装置,应用于权利要求1-7任一项所述的SEM图像前景提取方法,其特征在于:所述前景提取装置包括:
检测模块:用于检测经二值化后的SEM图像中的所有连通域;
拆分模块:用于基于第一次标记拆分所述SEM图像;
提取模块:用于对拆分后的所述SEM图像进行轮廓提取以得到轮廓提取图并进行第二次标记;
图像拼接模块:基于第二次标记将轮廓提取图进行图像拼接以得到所述SEM图像前景图像。
9.一种计算机设备,其特征在于:包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行上述计算机程序以实现如权利要求1-7任一项所述的SEM图像前景提取方法的步骤。
10.一种存储介质,其特征在于:包括处理器,所述存储介质被处理器执行时实现权利要求1-7任一项所述的SEM图像前景提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211291459.2A CN115619813A (zh) | 2022-10-20 | 2022-10-20 | Sem图像前景提取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211291459.2A CN115619813A (zh) | 2022-10-20 | 2022-10-20 | Sem图像前景提取方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619813A true CN115619813A (zh) | 2023-01-17 |
Family
ID=84864645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211291459.2A Pending CN115619813A (zh) | 2022-10-20 | 2022-10-20 | Sem图像前景提取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619813A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036364A (zh) * | 2023-10-09 | 2023-11-10 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
-
2022
- 2022-10-20 CN CN202211291459.2A patent/CN115619813A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036364A (zh) * | 2023-10-09 | 2023-11-10 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
CN117036364B (zh) * | 2023-10-09 | 2024-01-02 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709420B (zh) | 文本检测方法、电子设备及计算机可读介质 | |
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
Phansalkar et al. | Adaptive local thresholding for detection of nuclei in diversity stained cytology images | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
JP4626886B2 (ja) | デジタル画像におけるキャプションを位置特定及び抽出する方法及び装置 | |
CN114529459B (zh) | 一种对图像边缘进行增强处理的方法和***及介质 | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN112183038A (zh) | 一种表格识别套打方法、计算机设备及计算机可读存储介质 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及*** | |
CN104616019A (zh) | 电力设备标牌图像的识别方法 | |
CN110246139B (zh) | 基于双阈值的浮游生物原位图像roi快速提取方法 | |
CN115619813A (zh) | Sem图像前景提取方法、装置、计算机设备及存储介质 | |
CN111445402B (zh) | 一种图像去噪方法及装置 | |
CN111241911B (zh) | 一种自适应的车道线检测方法 | |
CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
CN114445814B (zh) | 一种字符区域提取方法、计算机可读存储介质 | |
CN116363097A (zh) | 一种光伏板的缺陷检测方法及*** | |
CN112418210A (zh) | 一种杆塔巡检信息智能分类方法 | |
CN112465817B (zh) | 一种基于方向滤波器的路面裂缝检测方法 | |
CN111967460B (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
KR101437286B1 (ko) | 디지털 컨텐츠 식별 방법 및 장치 | |
CN112818983B (zh) | 一种利用图片相识度判断字符倒置的方法 | |
Zhu et al. | Text detection in images using texture feature from strokes | |
CN117576416B (zh) | 工件边缘区域的检测方法、设备及存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Dongfang Jingyuan Microelectronics Technology (Beijing) Co.,Ltd. Address before: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant before: DONGFANG JINGYUAN ELECTRON Ltd. |
|
CB02 | Change of applicant information |