Basler點對點全視野像素級矯正方案：精準滿足晶圓預檢測的色彩一致性與圖像均勻性要求

2024年12月20日

在晶圓檢測領域，工程師們始終追求著成像的高一致性與檢測的高質量。然而在采用分區(qū)域拍攝并拼接圖像的策略時，需要對圖像進行平場矯正和白平衡處理，這樣拼接出的大圖才會呈現(xiàn)理想的色彩一致性和圖像均勻性。

但在特定使用場景下，例如在搭配顯微鏡頭時，由于特殊光路以及不同感光元件的成像特性，圖像會在不同位置會產生顏色色偏，導致分區(qū)域拍攝的圖片在色彩一致性上大打折扣。當工程師后續(xù)把這些圖像被拼接成大圖時，顏色不均勻現(xiàn)象尤為明顯，加之暗角效應，接縫處的差異更是難以忽視，嚴重影響了檢測結果的準確性。

色偏、亮度不均以及暗角

傳統(tǒng)方案的局限性

此外，受限于相機或采集卡的運算資源，傳統(tǒng)的方案往往只能在Bayer轉換前進行平場矯正，并且整幅圖像使用統(tǒng)一的白平衡參數(shù)矯正RGB三通道之間的不平衡。然而，這種技術路線往往不能達到令人滿意的效果。

使用傳統(tǒng)方案仍存在一定程度色偏

探索性的優(yōu)化路徑

在應對色彩一致性方面的嚴格要求時，解決色偏問題需精準地對圖像中的各個區(qū)域，依據(jù)其實際的偏色狀況進行細致矯正。理想的做法是，區(qū)域劃分得越精細，矯正的效果便越理想。若能實現(xiàn)以單個像素為基本單位進行精細矯正，則將達到最理想的矯正效果。同時，面對圖像均勻性的嚴格要求，又要對圖像亮度進行矯正，也就是平場矯正 - 針對圖像的不同區(qū)域亮度偏差進行調整，同理，區(qū)域劃分越小，矯正效果越理想;

彩色圖像由RGB三個顏色通道構成，每個像素均承載著獨特的顏色與亮度偏差。若能針對每個像素的RGB三通道分別定制矯正系數(shù)并實施校準，就能極大提升色彩的一致性與均勻性。然而，這一點對點矯正方法相較于傳統(tǒng)方式，會顯著增加運算的復雜度和數(shù)據(jù)處理的規(guī)模，因此，要想獲得卓越的矯正成效，就必須承受相應的高昂成本與技術挑戰(zhàn)。

機內或PC端處理路徑?若嘗試在相機內部完成此任務，圖像首先會經歷從Bayer到RGB的轉換，隨后再進行矯正處理。這一流程看似直接，卻會引發(fā)數(shù)據(jù)傳輸量的三倍膨脹，進而導致幀率下降至原來的三分之一。此外，出于成本控制的考量，相機內部通常不會預留足夠的存儲空間來容納龐大的矯正系數(shù)數(shù)據(jù)。若將這一重任交予PC端的CPU來處理，雖然技術上可行，但巨大的資源占用無疑會推高PC的成本。更為棘手的是，處理延時問題常常令工程師們倍感頭疼，難以在效率與效果之間找到完美的平衡點。Basler VisualApplets+imaflex CXP-12圖像采集卡矯正方案因此Basler提出在采集卡端的FPGA上完成這一繁重工作:

Basler采用可編程FPGA方案 - 依托其圖形化開發(fā)環(huán)境VisualApplets，實現(xiàn)了對圖像進行點對點校準，即每個像素都會生成RGB三個通道的校準系數(shù)，從而確保每個像素都能得到精確校準。通過這種技術，Basler成功地將每個像素校準到目標灰度，不僅完成了色彩校準，還實現(xiàn)了平場矯正，顯著提升了色彩的一致性和圖像均勻性。

圖右為點對點矯正方案效果圖

VisualApplets處理流

VA 編寫的程序讓采集卡完成了載入coeffcient(系數(shù)) 和以下校準公式的運算

C =(O-Offset)×Gain其中：C = 校正后灰度O = 校正前灰度

Offset = 暗場偏差

Gain = 矯正增益

coeffcient 包含了Offset 和 Gain 兩個數(shù)據(jù)此外，Basler方案還采用了imaflex CXP-12采集卡，在卡內完成Bayer到RGB的轉換以及矯正工作，避免了幀率下降的問題，同時將卡上資源集中于FFC與白平衡，省去不必要的功能，不會有成本的提升。FPGA的高實時性和穩(wěn)定性保證了色彩校準的精度與效率，同時顯著減輕了上位機的負擔，確保了圖像數(shù)據(jù)的實時性與完整性。

Basler的點對點全視野像素級調整方案，協(xié)同圖形化開發(fā)環(huán)境VisualApplets與imaflex CXP-12圖像采集卡賦予了工程師快速定制開發(fā)出符合要求的圖像處理功能的能力，同時廣泛兼容CXP接口相機，可根據(jù)項目實際需求靈活選擇合適的相機型號與配置。這不僅為客戶提供了高效、靈活的圖像處理方案，更打破了傳統(tǒng)檢測方式在相機算力及PC處理效率上的瓶頸。