基于Hadoop的集成电路版图开路关键面积提取方法技术

本发明专利技术公开一种基于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。本发明专利技术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。

Key area extraction method for IC Layout Based on Hadoop

The invention discloses an open circuit key area extraction method based on Hadoop for integrated circuit layout. The implementation steps are: (1) reading the layout images of integrated circuits; (2) uploading the layout images of the integrated circuit; (3) block storage of integrated circuit layout images; (4) dividing the layout images of data nodes; (5) mapping the layout images to map Type Map input key value pairs; (6) preprocessing of layout images; (7) extracting line network edge; (8) expansion of line network edge; (9) calculating the key area of open path; (10) output open key area; (11) set simplified class Reduce; (12) submission task. This invention uses the distributed processing framework Haoop to extract the key area of the parallel open circuit layout, and can complete the fast extraction of the key area of the open route of the large scale integrated circuit layout, and can improve the extraction efficiency of the key area of the open circuit of the integrated circuit layout.

【技术实现步骤摘要】
基于Hadoop的集成电路版图开路关键面积提取方法
本专利技术属于计算机
，更进一步涉及集成电路和计算机分布式数据处理
中的一种基于分布式处理框架Hadoop的大规模集成电路版图图像线网的开路关键面积提取方法。本专利技术应用分布式文件系统HDFS(HadoopDistributedFileSystem)对输入位图版图进行分布式的存储及应用映射-化简(MapReduce)架构对位图版图中的线网进行开路关键面积提取操作，可用于高效率地提取大规模位图版图中线网的开路关键面积。
技术介绍
集成电路制造过程中出现的随机缺陷会引起电路的开路故障，从而降低集成电路芯片的成品率。开路关键面积是指集成电路中容易因随机缺陷而产生电路开路故障的关键区域面积，如果在这些区域出现随机缺陷，电路就必然会出现开路故障。开路关键面积是对随机缺陷导致的版图开路故障的一个量化，因此开路关键面积的分布和大小对提高芯片成品率有着至关重要的作用。基于图像处理技术的开路关键面积提取方法是以可能出现的随机缺陷为结构元素，利用数学形态学的方法计算集成电路版图图像的开路关键面积，但是运算时间复杂度大，效率低，不能适用于大规模集成电路的开路关键面积提取。浙江大学在其拥有的专利技术“一种快速提取版图关键面积的方法”(专利申请号201010108651.4，授权公告号101789048B)中公开了一种提取版图关键面积方法。该方法的实现步骤是，1.提取版图信息，对集成电路版图的基本图形单元进行分类；2.建立分块有序多级索引表；3.利用分块有序多级索引表来分层遍历版图树；4.提取出所有与缺陷多边形重合的图形；5.计算出版图关键面积。该方法存在不足之处是，建立多级分块有序索引表需要大量的内存空间和运算量，随着版图规模的增大，该方法很耗机器内存和CPU等资源，需要硬件配置很高的计算机才能稳定提取。王乐在其发表的论文“基于图像处理技术的开路关键面积提取”(2012年，西安电子科技大学硕士论文)中提出了一种提取版图开路关键面积的方法。该方法的基本思想是读入含有版图线网信息的位图，通过数学形态学中细化运算获取线网拓扑路径曲线；借助于数学形态学中击中击不中变换识别线网边界上的拓扑路径的线端，获取线网流向轴，进而提取线网流向边。对线网流向边进行膨胀运算并对膨胀结果进行叠加；基于数学形态学的集合运算提取叠加后的重叠区域，计算开路关键区域的面积，即开路关键面积。该方法存在的不足之处是，缺陷中心对应的线网位置以版图线网的一个网格为单位做膨胀过程中的重复运算，随着集成电路线网规模的扩大，开路关键面积提取工作效率不高。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出一种基于分布式处理框架Hadoop的集成电路版图开路关键面积提取方法，该方法可以提高大规模集成电路版图中线网的开路关键面积提取的效率，解决在单机串行提取开路关键面积时效率低的问题。实现本专利技术目的的具体步骤如下：(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DD1×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本文档来自技高网...

【技术保护点】
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DD1×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...

【技术特征摘要】
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DD1×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)；(1...

【专利技术属性】
技术研发人员：王俊平，张瑶，禹舟，伍尧，魏书蕾，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61