[发明专利]基于Hadoop的集成电路版图开路关键面积提取方法

摘要

本发明公开一种基于Hadoop的集成电路版图开路关键面积提取方法，实现步骤为：(1)读取集成电路的版图图像；(2)上传集成电路的版图图像；(3)分块存储集成电路版图图像；(4)将数据节点的版图图像分片；(5)转换版图图像为映射类Map的输入键值对；(6)对版图图像进行预处理；(7)提取线网边缘；(8)对线网边缘进行膨胀；(9)计算开路关键面积；(10)输出开路关键面积；(11)设置化简类Reduce；(12)提交任务。本发明利用分布式处理框架Haoop对集成电路版图进行并行开路关键面积提取，能完成大规模集成电路版图开路关键面积快速提取，可以提高集成电路版图的开路关键面积提取效率。

主权项

1.一种基于Hadoop的集成电路版图开路关键面积提取方法，包括如下步骤：(1)读取集成电路的版图图像：(1a)读取标准文件图像BMP格式的待提取开路关键面积的集成电路版图中的全部版图图像；(1b)将读取的每一幅版图图像保存为自定义的格式X_Y_Z.bmp；(2)上传集成电路的版图图像至分布式处理框架Hadoop：(2a)使用分布式处理框架Hadoop集群的启动命令start‑all.sh，启动分布式处理框架Hadoop集群；(2b)将读取的全部集成电路的版图图像，上传到分布式文件系统HDFS中；(3)在分布式处理框架Hadoop下分块存储集成电路的版图图像：(3a)分布式文件系统HDFS对上传到该系统中的版图图像进行分块；(3b)在分布式处理框架Hadoop集群的各个数据节点中平均地存储分块后的版图图像；(4)将分布式处理框架Hadoop数据节点的版图图像分片：(4a)从分布式处理框架Hadoop集群中随机选取一个数据节点，使用组合文件输入格式CombineFileInputFormat，将所选取的数据节点中的版图图像划分成分片大小为64M的组合分片CombineFileSplit图像数据集；(4b)从组合分片CombineFileSplit图像数据集中，随机选取一个组合分片；(5)转换版图图像为映射类Map的输入键值对key1/value1：(5a)通过分布式处理框架Hadoop的路径信息函数getPath，得到所选取的组合分片中版图图像的路径信息；(5b)利用图像处理库JavaCV中的图像像素数据转换函数cvDecodeImage，将路径信息中对应的版图图像转换为分布式处理框架Hadoop中图像类型ImageWritable的图像数据，将路径信息中版图图像的文件名，作为映射类Map中键值对的键key1，将版图图像的数据作为键key1对应的value1；(6)对版图图像进行预处理：(6a)将键key1对应的value1转换为图像处理库JavaCV图像格式IplImage中的版图图像数据；(6b)利用灰度值计算公式，计算IplImage格式的版图图像中每个像素点的灰度值，将计算后所有像素点的灰度值，组成灰度化后的版图图像；(6c)使用最大类间方差法，计算灰度化后版图图像的全局阈值；(6d)利用二值计算公式，计算每个灰度化后版图图像像素点的二值，将计算的所有像素点的二值，组成二值化后的版图图像；(7)提取版图图像线网边缘：(7a)采用图像边缘检测方法，对二值化后的版图图像进行边缘检测，得到版图图像中线网边缘；(7b)从版图图像中的线网边缘的列坐标开始依次顺序编号，得到连通区域及线网边缘的总数；(8)提取版图图像线网的水平方向边缘和竖直方向边缘：分别定义一个1×3的元素值全为1的矩阵和一个3×1的元素值全为1的矩阵，以1×3的元素值全为1的矩阵为结构元素，对当前编号线网的边缘进行腐蚀操作，得到当前编号线网的水平方向边缘，以3×1的元素值全为1的矩阵为结构元素，对当前编号线网的边缘进行腐蚀操作，得到当前编号线网的竖直方向边缘；(9)对版图图像线网边缘进行膨胀操作：(9a)按照能够造成集成电路版图线网开路的缺陷在矩阵上的转换规则，定义一个缺陷矩阵D_D1×D2，其中，D₁表示缺陷矩阵的行，D₂表示缺陷矩阵的列；(9b)分别定义一个水平方向边缘图像矩阵和竖直方向边缘图像矩阵，并按照线网边缘的编号顺序，依次提取线网的水平方向边缘与竖直方向边缘，分别存储于水平方向边缘图像矩阵和竖直方向边缘图像矩阵中，将当前编号线网两条水平方向边缘图像矩阵的首元素的横坐标相减，将差值作为当前编号线网水平方向边缘的最小距离；将当前编号线网两条竖直方向边缘图像矩阵的首元素的横坐标相减，将差值作为当前编号线网竖直方向边缘的最小距离；(9c)判断当前编号线网水平方向边缘的最小距离是否大于缺陷矩阵行的总数，若是，则执行步骤(9e)，否则，执行步骤(9d)；(9d)以缺陷矩阵为结构元素，对当前编号线网的水平方向边缘进行数学形态学的膨胀操作；(9e)判断当前编号线网的竖直方向边缘的最小距离是否大于缺陷的列的总数，若是，则执行步骤(9g)，否则，执行步骤(9f)；(9f)以缺陷矩阵为结构元素，对当前编号的线网竖直边缘进行数学形态学的膨胀操作；(9g)将当前编号线网水平方向边缘膨胀后的图像像素值与当前编号线网竖直方向边缘膨胀后的像素值对应相加；(9h)定义一个图像处理矩阵格式cvMat的图像存储矩阵，存储当前编号线网水平方向边缘膨胀后的图像像素值与当前编号线网竖直方向边缘膨胀后的像素值对应相加的结果；(10)判断当前线网边缘的编号是否与线网边缘的总数相等，若是，则执行步骤(10)，否则，将线网边缘的编号加1后执行步骤(8)；(11)计算开路关键面积：计算存放线网边缘膨胀结果的图像存储矩阵中像素值大于1的区域的面积，作为开路关键面积；(12)判断当前组合分片中的版图图像是否已全部提取开路关键面积，若是，则执行步骤(13)，否则，执行步骤(5)；(13)判断当前选取的数据节点中的组合分片是否已全部提取开路关键面积，若是，则执行步骤(14)，否则，执行步骤(4)；(14)通过分布式处理框架Hadoop输出开路关键面积：将路径信息中版图图像的文件名作为映射类Map输出键值对的键key2，将提取的开路关键面积作为文本类型Text的键key2对应的value2；(15)设置分布式处理框架Hadoop的化简类Reduce：(15a)汇总全部数据节点中的映射类Map的输出键值对key2/value2；(15b)将键key2输出到已设置输出路径的固定文件夹中；(15c)将计算所得的开路关键面积以键值对key2/value2中的value2，输出到分布式文件系统HDFS的开路关键面积文件夹中；(16)提交提取开路关键面积的任务：(16a)初始化分布式处理框架Hadoop集群中数据节点的任务Job；(16b)将提取开路关键面积的任务提交到分布式处理框架Hadoop集群中。