改进的Canny算子在晶圆级倒装封装装备上的应用

孙林伟，贺云波，张昌，彭广德

（广东工业大学机电工程学院，广东 广州 510006）

传统的固晶焊线封装方式已经越来越不能满足当今半导体集成电路封装行业的发展需求，由此推动了倒装封装设备发展。目前我国倒装封装装备主要依赖进口，核心技术受制于人，处于行业的中低端，研发出具有自主知识产权的高端核心封装装备就显得尤为迫切。机器视觉技术是倒装机系统中的核心技术之一，想要研发出有竞争力的倒装设备机器视觉技术是必须要攻克的难题。图像匹配是倒装装备机器视觉系统中的重要技术，而边缘检测又是图像匹配算法中的关键技术。以图像边缘检测为基础，对于解决较高层次的图像匹配、模式识别具有重要意义。倒装机的定位精度要达到微米级别，对于这么高的定位精度，常用的边缘检测算子无法满足要求。为了能够提取完整的模板边缘，满足精度要求，提出一种改进的Canny边缘检测算子用于倒装机视觉系统模板边缘的检测。

1 基于空间域上微分边缘提取算子

常见的边缘检测算子有Roberts算子、Prewitt算子、Sobel算子、LoG算子、Canny算子等。

Canny算子处理步骤如下：（1）将图像f(x，y)与算子Gn(x，y)做卷积，Gn(x，y)是标准差为σ的高斯函数G(x，y)沿n方向上的一阶方向导数。（2）求图像中每个像素的局部边缘的法方向n；法方向n与边缘垂直。（3）非极大值抑制求出边缘的位置；边缘位于Gn(x，y)与图像f(x，y)卷积在n方向上的局部最大值位置处。（4）计算边缘幅值。（5）对边缘图像做滞后阈值化处理，抑制虚假边缘。（6）用特征综合方法，收集来自多尺度的最终边缘信息，剔除虚假边缘并将小边缘连接成完整的边缘。

2 几种边缘检测算子实验结果及分析

不同的边缘检测算子检测结果差异较大，Roberts算子与LoG算子的边缘检测精度较高，在检测到细小边缘的同时也检测出了噪音。Sobel算子和Prewitt算子，能够抑制一定的噪音和伪边缘，但也平滑了真正的边缘。Canny算子边缘定位准确性高，能得到比较完整的支架模板边缘，但是检测出了很多虚假边缘，边缘出现断点。综合来看Canny算子的边缘检测效果好，可以以传统的Canny算子为基础进行改进，使其边缘检测效果达到倒装机视觉模板匹配要求。

3 改进的Canny边缘检测算子

Canny主要有两个问题，高斯滤波器是一种线性滤波器在抑制图形噪音的同时弱化了边缘。另外，Canny算子不能实现自适应选取双阈值，需要人为进行设置，这会导致双阈值选取不合理。

（1）对于改进Canny算子中高斯滤波器问题，提出了一种基于改进均值滤波和中值滤波的中心加权的MTM算法：

选取以(i,j)为领域中心像素点的滤波模板，然后将模板中心像素(i,j)加权之后再进行中值排序操作，加权可以加强中心像素的作用，保留更多的边缘细节：，表示滤波模板像素点的灰度值，n为像素点数，ω为中心点像素权重。以像素值为中心取一个灰度区间，设为灰度区间内的灰度值，令，作为模板内中心点(i,j)像素值的响应。的大小将会影响整个滤波模板的输出值，进而影响到滤波效果。当趋于0时，滤波器相当于一个中心加权的中值滤波器，趋向于无穷大时，滤波器相当于一个中心加权滤波器；的取值计算公式为：，H为最小边缘高度，是高斯噪音标准差，一般情况下取值。MTM滤波算法能比较好的抑制噪音和支架的一些细小缺陷，同时又比较好的保护了边缘，滤波效果比较理想。

（2）对双阈值的选取如何实现自适应的问题，提出一种基于Otsu算法的双阈值检测算法，最大类间方差Otsu算法是由日本学者Otus在1979年提出的，将图像分为目标和背景两类，以计算类间方差为依据，通过搜索类间方差最大值，自适应的确定最佳分割阈值：

假设有M×N的图像，有L个不同的灰度值，表示灰度值的像素点个数，则图像总像素数。，表示灰度值i出现的概率。假设选择一个阈值，将图像分为和两类，像素点被分到类中的概率为，被分到类中的概率为。分到类中像素的平均值，分到类中像素的平均值，整个图像灰度平均值，。由上面的公式可求得类间方差：，最佳分割阈值为使类间方差最大的值。设Otsu算法得到的最佳阈值为高阈值，再有高阈值为低阈值的两倍这一关系得到低阈值。

4 基于MTM与Otus算法的Canny边缘检测算子

通过上面的研究分析，可以用MTM算法代替高斯滤波器，对模板图像进行平滑滤波，克服高斯滤波器在抑制图形噪音的同时弱化了边缘的缺陷，实现对图像的自适应平滑滤波，使用Otus算法得出的阈值进行双阈值法检测边缘。改进的Canny算子检测步骤如下。

（1）使用MTM算法平滑图像；

（2）用一阶偏导的有限差分来计算梯度的幅值和方向；

（3）对梯度幅值用非极大值抑制算法进行处理；

（4）用Otus算法自适应得到的最佳阈值作为双阈值算法的高阈值，低阈值设为高阈值的一半，即。

图1 改进的Canny算子模板边缘检测效果

基于MTM与Otus算法的Canny算子对支架模板的边缘检测实际效果如图1所示，提取的模板边缘完整，没有检测出虚假边缘，抑制噪音效果比较好，达到了预期要求。

5 结语

晶圆级倒装封装装备视觉系统对模板边缘检测要求较高，普通边缘检测算法难以达到要求。针对这个问题提出了一种改进的Canny边缘检测算子，用中心加权的MTM滤波器代替原有的高斯滤波器，用Otus算法改进Canny算子的双阈值检测算法，实现自适应选取分割阈值。经过仿真测试，改进的边缘检测算法能够完整的检测出模板边缘，算法的改进是成功的。

[1] 于燮康.集成电路产业技术发展趋势与突破路径[J].中国工业评论，2015,（8）：57.

[2] STEGER C，ULRICH M，WIEDEMANN C.机器视觉算法与应用[M].杨少荣译.北京:清华大学出版社，2008.

[3] 胡文锦.图像边缘检测方法研究[D].北京交通大学，2009.

[4] 张铮，徐超，任淑霞等.数字图像处理与机器视觉[M].北京：人民邮电出版社，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] 梅跃松,杨树兴,莫波.基于Canny算子的改进的图像边缘检测方法[J].激光与红外,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.