# week02
Binary Machine Vision - Thresholding and Segmentation
###### tags: `109-1 cv`
### 助教研究內容（老師講會考）
#### Autonomous Probe Card Analysis（自動化探針卡上的針髒污、磨損分析）
探針卡為晶圓未切割前，IC未完成封裝前的重要測試介面，透過Probe Card 可以測試晶圓品質，可避免不良品封裝成本。
名詞解釋：
coplanarity：共面度-以平均針高為中心，上下對分公差
position error：針偏-針對圓心與標準值的差異
needle height：針高-針臂開始轉彎處至針尖頂部的距離
diameter for needle：針徑-探針頂部的直徑
1. 方法2'
使用程式對掃描探針卡特征資料視覺化，對這些資料再做統計
* 掃描工具
共焦的白光線性掃描器 192x2um
光源透過棱鏡去掃描目標，不同波長的光聚焦在不同的點，反射能量不同得到光譜圖
最後獲取幾何資訊、設定檔
* 程式語言及套件
* 程式語言 python
* 套件 1： numpy 儲存資料
* 套件 2： Mayavi 視覺化

* 程式設計
在計算前先要輸入“準確值”和“可允許的誤差值”（+-8um）
輸出掃描針頭“最大值”、“最小值”、“平均值”、“問題針頭”

2. 步驟2'
參考ppt-computation process

3. 結果2'
原本要使用光學顯微鏡才可以檢測到的瑕疵，現在用掃描檔輸入到python進行計算，通過視覺化的方法觀察針頭的狀態檢測問題晶圓。
### Thresholding(閾值)
Quick summarization：
* 生成二元電腦影像用來分析目標
* 閾值的選取會影響到後期圖像分割的精度以及效率

### Connected components labeling
* 四連通、八連通
https://blog.csdn.net/Vichael_Chan/article/details/102542779
* 連通區域分析
1. iteractive method
2. the classical algorithm--two top-down pass
3. a space-efficient two pass algo that use a local equivalence table
4. an efficient run-length implementation of local table method
https://blog.csdn.net/x_r_su/article/details/54839089

### Signature segmentation and analysis
對二元影像矩陣做垂直投影和水平投影（垂直方向加總和水平方向加總）
將投影出現的部分分割，找出不同簽名的數量及位置
應用：支票手寫數字識別，根據不同數字的像素直方圖特性不同

### 名詞總結：
binary value 1： considered part of object(要保留下來的前景部分)
binary value 0: background pixel（忽略成為背景的部分）
binary machine vision： 生成和分析二元影像

threshold： 閾值T，灰階亮度≥T 設定binary value為1， 灰階亮度<T設定binary value為0

histogram： 在區域內每個灰階值（0-255）對應的數量

如何確定合適的閾值T：
1. Minimize within-group variance
群體變異數（≥T的像素值群體變異數+<T的像素值群體變異數）
2. Minimize Kullback information distance(KL divergence)

Connected component labeling:連通區域分析(分群操作)
在二元影像中所有連通在一起的binary-1的像素區域給一個標籤

label: unique name, index of the region. An identifier for a potential object region.

pixel property: position, gray level or brightness level

region property: shape, bounding box, position, intensity statistics

connected components labeling: a grouping operation