CN102037492A

CN102037492A - 图像数据处理

Info

Publication number: CN102037492A
Application number: CN2009801181406A
Authority: CN
Inventors: T·K·瓦尔斯洛特; A·M·金斯顿; A·P·谢泼德; M·A·克纳克施泰特; R·M·索; S·J·莱瑟姆
Original assignee: CONVENTION PATENT APPLICATION
Current assignee: FEI Co
Priority date: 2008-05-23
Filing date: 2009-05-22
Publication date: 2011-04-27
Also published as: BRPI0908632A2; JP2011525271A; AU2009250344A1; US10043274B2; US20150104078A1; MY153811A; AU2009250344B8; US20110181701A1; CA2724031A1; WO2009140738A8; WO2009140738A1; AU2009250344A8; EP2289046A1; AU2009250344B2; RU2010152658A; EP2289046A4; US8854430B2

Abstract

本发明公开了一种处理样本的图像数据的方法。该方法包括配准至少部分重叠样本的空间区域的第一和第二图像，以及处理配准图像的数据以便获得包括与样本有关的信息的整合图像数据，所述信息相对于可从所述第一和第二图像获得的信息是附加的。

Description

图像数据处理

技术领域

所描述的方法和系统涉及成像技术，更特别地，涉及处理图像数据以获得对图像数据所取自的物理样本的属性的了解。

背景技术

在地质学中针对岩心材料的图像分析主要是沉积学和岩石学学科。来自光学和扫描电子显微镜(SEM)技术的二维(2D)图像数据已经应用于估测孔隙度、孔隙尺寸、颗粒尺寸、流动单位、渗透性、速度和压缩性。传统的岩石学技术能够鉴定矿物相信息和矿物相的来源(例如，由岩屑形成的或自生的)。可以探测小至纳米的长度规格。

另一方面，能够产生微米规格的孔隙结构的详细三维(3D)图像的X射线微型计算机断层扫描(CT)近来已经被公认为是对适当建立的2D显微技术的有用补充。高质量的“即用型(turn-key)”断层扫描系统的可用性近来已推动了这些系统的应用的迅速增长。这些系统能够在三维上获得多孔材料的孔隙/颗粒规格信息。不幸的是，传统的显微CT成像给出的是低矿物分辨率并且受限位大约1微米的空间分辨率。

近来对表征和测量岩心材料的孔隙/颗粒/粘土规格方面的属性的关注度增加；了解此规格的属性对于油和气工业中的应用至关重要。对岩心样本的分析用于产生关键的岩石学和多相流动属性。这些属性对于减少石油公司在寻找、生产和操作油田和气田时所面对的高经济风险至关重要。相比于使新油田投入生产的成本或扩展现有油田的使用寿命的潜在利润，对它们本身进行分析的成本是低的。岩心分析保留了用于估测储量和预测采油率的工业标准数据。尽管事实是岩心分析可能经常提供矛盾的数据以及难以解释和重现的数据。这样的困难至少部分由于复杂的界面现象，其需要在基础层面解决以便更好的了解多相流动属性。

在岩心实验室内用传统的多相流动实验获得的测量值用于研究岩石的孔隙规格结构以及流体/流体的界面属性和流体/岩石的相互作用。用来对应用于多相流动的孔隙级迁移进行建模的规则和方法的研发受到很大的关注。正在研究孔隙网络模型，其包括在不同的润湿性条件(水湿、混合湿大/小)下各孔隙中的流体的占用的规则，以试图提高对实际多孔材料中的多相流动属性的了解(参看，例如Morrow和Mason的“Recovery of Oil by spontaneous imbibition”，Current Opinion in Colloid & Interface Science，Vol.6，pp.321-337(2001)以及H.Behbahani和M.Blunt的“Analysis of Imbibition in mixed wet rocks using pore scale modeling”，SPE 90132，发表于SPE Annual Teehnical Conference，Houston，2004)。至今，没有方法能够将不同流体相的孔隙网络模型描述直接校准到实际润湿性条件下的流体相的分布的实验孔隙级信息。因此不能对孔隙规格放热建模直接进行孔隙级校准。

已经证明对CT图像的直接模拟可以用于预测多孔材料的单相属性；例如，渗透性、传导性和汞注入毛细管压力曲线(参见例如“Digital core laboratory：Petrophysical analysis from 3D imaging of reservoir core fragments”，C.H.Arns，F.Bauget，A.Ghous，A.Sakellariou，T.J.Senden，A.P.Sheppard，R.M.Sok，W.V.Pinczewski，J.Kelly和M.A.Knackstedt，Petrophysics，46(4)，260-277，2005)。

先前的研究已经证明了能够基于显微CT成像实验来在3D中识别流体的孔隙规格分布(参见Seright等，“Characterizing disproportionate permeability reduction using synchrotron X-ray computed tomography”，SPE Reservoir Evaluation and Engineering，October 2002，pp.355-364)。然而这些研究严重受碍于需要注采(flood)研究的岩心样本，而样本不从X射线CT束线移开。这将在3D孔隙规格下进行的实验限制为简单的注采实验。

而且，这些实验受限于需要在长的获取次数内维持对岩心材料的微米精确定位。因此，涉及相当多的适当次数的实验(例如，在储层条件下测量稳固状态相对渗透性，天然原油和盐溶液中的岩心的老化，多孔板注采等)可能需要样本保持在CT设备上几个星期或者甚至几个月。

发明内容

本发明的目的在于基本上克服或者至少改善已知结构的一个或多个缺点，或者提供有用的替代方式。

根据本公开的第一方面，提供了一种处理样本的图像数据的方法，所述方法包括：配准至少部分重叠样本的空间区域的第一和第二图像；以及

处理来自所配准的图像的数据以获得包括与样本有关的信息的整合图像数据，所述信息相对于能够从所述第一和第二图像获得的信息是附加的。

根据本公开的第二方面，提供了一种可执行的计算机程序，以实现第一方面的方法的步骤。

根据本公开的第三方面，提供了一种计算机程序产品，其具有计算机可读介质，其中计算机可读介质包括第二方面的计算机程序。

根据本公开的又一方面，提供了一种用于处理样本的图像数据的电子系统，包括：

成像装置，设置为用于获取至少部分重叠样本的空间区域的第一和第二图像；

存储装置，设置为用于存储所获取的图像；以及

至少一个微处理器，设置为用于检索和配准所获取的图像的数据以获得整合图像数据，整合图像数据包括与样本有关的信息，所述信息相对于从所述第一和第二图像获得的信息是附加的。

还公开了本公开的其他方面。

附图说明

下面参照如下附图来描述本发明的一个或多个实施方式，其中：

图1显示了根据本发明的一个实施方式的方法的示意流程图，该方法涉及配准2D和3D图像以及随后整合来自两个图像的信息。

图2A和图2B分别显示了2D电子显微镜图像和3D断层扫描图像。

图3显示了来自图2A和2B的配准图像的动画的最后一帧。

图4A和图4B分别显示了2D光学显微镜图像和3D断层扫描图像。

图5和图6分别显示了2D显微镜图像和配准的3D断层扫描图像，所述图像具有基本不同的空间分辨率。

图7显示了通过将从2D图像获得的孔隙结构信息整合成3D图像数据而获得的整合图像。

图8显示了用于扭曲变换的规则正方形栅格的扫描电子显微镜(SEM)图像。

图9显示了扭曲变换模板的示意图。

图10显示了最接近扭曲变换的图像的中心的五个关联最大值。

图11显示了从配准之前已经被去扭曲(图11B)或未被去扭曲(图11A)的图像所获得的图像。

图12显示了根据本发明的第二实施方式的方法的示意流程图，该方法涉及将3D图像与3D图像对齐，并且随后整合来自两个图像的信息。

图13显示了流体摄取前的样本，而图14显示了流体摄取后的样本。

图15为来自显示流体在样本内的分布的影片的快照，其中通过将3D图像对齐而获得流体分布。

图16A显示了3D相分布，而图16B显示了孔隙尺寸分布和流体含量之间的相互关系。

图17显示了与本发明的第一实施方式关联的计算处理的算法。

图18显示了与本发明的第二实施方式关联的计算处理的算法。

图19显示了图17和18中所示算法的步骤2的流程图的详情。

图20显示了在3D断层扫描图像内配准的2D显微镜图像。

图21显示了两个配准图像中的特征的等价，一个图像为2D SEM图像，另一个图像为3D断层扫描图像的相应切片。

图22显示了2D SEM图像及其来自配准的3D断层扫描图像的等价切片。

图23为从3D断层扫描图像获得的衰减数据和从2D显微镜图像获得的孔隙率数据之间的函数关系曲线图。

图24A显示了两个不同分辨率的图像以及基于从两个图像获得的整合数据的图像。

图24B显示了局部孔隙尺寸分布(y轴)与微孔率之间的相互关系，微孔率映射自基于图24A中的图像的图像数据绘制的X射线衰减(x轴)。

图25描述了相对于从3D断层扫描图像获得的衰减数据映射来自2D显微镜方法的矿物相信息。

图26和27描述了从样本取得3D图像的原理；用样本进行试验，其中样本从成像设备移开；对样本再成像并且配准实验前和试验后获得的两个3D图像，以识别样本中的结构或其他变化。

图28显示了样本的配准的3D图像的两个相应的切片，该样本已进行碳酸处理，明显的结构差别是由于酸对样本材料属性的影响。

图29显示了由样本的连续状态定义的一系列曲线，每个状态由水饱和度和毛细管压力的特定值表征。

图30、31和32A显示了处于相对于图29的图形的各个状态的样本的配准图像。

图32B量化了在不同润湿性情况下的残余碳氢化合物斑点尺寸的尺寸变化。

图33显示了多分辨率的3D图像的配准的应用。

图34显示了将较高分辨率3D图像嵌入到较低分辨率3D图像的应用。

图35显示了用于直接比较的不同分辨率的配准的3D图像的相应切片。

图36A和36B形成了可以在其上实现所描述的结构的通用计算机系统的示意方框图。

具体实施方式

图1至35显示了用于处理通过整合配准的2D和3D图像所获得的数据的本公开方法的各个方面，以及这样的处理所实现的实际应用。

A、硬件实现

图36A和36B共同形成了通用计算机系统3600的示意方框图，其上可以实现所述的各种结构。

如图36A所见，计算机系统3600由计算机模块3601，例如键盘3602、鼠标指示器装置3603、扫描仪3626和麦克风3680的输入装置，以及包括打印机3615、显示器装置3614和扬声器3617的输出装置形成。一个或多个成像装置3627也可以直接连到计算机模块3601。这些装置提供待被此后所讨论的方法处理的图像数据。

外部调制器-解调器(调制解调器)收发器装置3616可被计算机模块3601用来通过连接3621与通信网络3620来往通信。网络3620可以是广域网(WAN)，例如因特网或专用WAN。其中连接3621可以是电话线，调制解调器3616可以是传统的“拨号”调制解调器。可选地，当连接3621是高性能(例如电缆)连接时，调制解调器3616可以是宽带调制解调器。无线调制解调器也可以用于无线连接到网络3620。

计算机模块3601典型地包括至少一个处理器单元，以及例如由半导体随机存取存储器(RAM)和半导体只读存储器(ROM)形成的存储器单元3606。图36A中所示的计算机系统包括两个处理器3605A和3605B，使得能够在如下所描述的方法的至少一些步骤中实现并行处理。模块3601还包括多个输入/输出(I/O)接口，其包括连接到视频显示器3614、扬声器3617和麦克风3680的音频-视频接口3607，用于键盘3602、鼠标3603、扫描仪3626、成像装置3627以及可选的操纵杆(未示出)的I/O接口3613，以及用于外部调制解调器3616和打印机3615的接口3608。在一些实施方式中，调制解调器3616可以结合到计算机模块3601内，例如在接口3608内。计算机模块3601还具有本地网络接口3611，该接口通过连接3623能够将计算机系统3600连接到与被称为局域网(LAN)的本地计算机网络3622。如图所示，本地网络3622还可以通过连接3624连接到广域网3620，连接3624将典型地包括所谓的“防火墙”装置或具有相似功能的装置。接口3611可以由Ethernet^TM电路卡，Bluetooth^TM无线设置或IEEE 802.11无线设置形成。

接口3608和3613可以提供串行或并行连接中的一种或两种，前者典型地根据通用串行总线(USB)标准实现并且具有相应的USB连接器(未示出)。存储装置3609被设置且典型地包括硬盘驱动器(HDD)3610。也可以使用例如软盘驱动器和磁带驱动器(未示出)的其他存储装置。典型地设置光盘驱动器3612以作为非挥发性数据源。诸如光盘(例如：CD-ROM、DVD)、USB-RAM、和软盘的便携式存储器装置例如也可以作为系统3600的合适的数据源。

计算机模块3601的部件3605至3613典型地通过互连总线3604以及以本领域技术人员公知的计算机系统3600的传统操作模式的方式进行通信。其上可以实现所描述的布置的计算机的示例包括IBM-PC和兼容机，Sun Sparcstations，Apple Mac^TM或从它们发展出的类似计算机系统。

所讨论的图像处理方法可以利用计算机系统3600实现，其中待描述的图1和12的步骤以及图17-19的计算算法可以实现为在计算机系统3600内执行的一个或多个软件应用程序3633。特别地，所讨论的方法的步骤由在计算机系统3600内执行的软件3633中的指令3631实现。软件指令3631可以形成为一个或多个代码模块，每个代码模块执行一个或多个特定任务。软件也可以划分成两个独立部分，其中第一部分和相应的代码模块执行本方法的步骤，第二部分和相应的代码模块管理第一部分和用户之间的用户接口。

软件3633通常通过计算机可读介质加载到计算机系统3600内，并且然后被典型地存储于HDD 3610中，如图36A所示，或者存储于存储器3606中，之后软件3633可以被计算机系统3600执行。在一些情况中，可以向用户提供在一个或多个CD-ROM 3625上编码的应用程序3633，并在存储于存储器3610或3606之前通过相应的驱动器3612读取。可选地，软件3633可以通过计算机系统3600从网络3620或3622读取，或从其他计算机可读介质加载到计算机系统3600中。计算机可读存储介质指的是参与提供指令和/或数据给计算机系统3600来执行和/或处理的任何存储介质。这样的存储介质的示例包括软盘、磁带、CD-ROM、硬盘驱动器、ROM或集成电路、USB存储器、磁-光盘、或例如PCMCIA卡的计算机可读卡等，这些装置可以内置或外置于计算机模块3601。可以参与提供软件、应用程序、指令和/或数据给计算机模块3601的计算机可读传输介质的示例包括无线电或红外传输信道以及到另一个计算机或联网装置的网络连接，以及包括电子邮件传输和记录在网站上的信息的因特网或内部互联网等。

上面提到的应用程序3633的第二部分和相应的代码模块可被执行以实现一个或多个图形用户接口(GUI)在显示器3614上的渲染或显示。通过典型地为键盘3602和鼠标3603的操作，计算机系统3600的用户以及应用能够以功能上适用的方式操作接口以便向与GUI相关联的应用提供控制命令和/或输入。功能上适用的用户接口的其他形式也可以实现为，例如利用通过扬声器3617输出的声音提示以及通过麦克风3680输入的用户声音命令的音频接口。

图36B为处理器3605A或3605B之一以及“存储器”3634的详细示意方框图。存储器3634表示能够被图36A中的计算机模块3601访问的所有存储器装置(包括HDD 3610和半导体存储器3606)的逻辑集合。

当计算机模块3601开始启动时，上电自检(POST)程序3650执行。POST程序3650典型地存储于半导体存储器3606的ROM 3649中。永久存储于例如ROM3649的硬件装置中的程序有时被称为固件。POST程序3650检测计算机模块3601内的硬件以确保正常工作，并且典型地分别检查处理器3605A或3605B中的每个，存储器(3609、3606)，以及典型地存储于ROM 3649中的基本输入-输出系统软件(BIOS)模块3651，来进行正确的操作。一旦POST程序3650已经成功运行，BIOS 3651激活硬盘驱动器3610。硬盘驱动器3610的激活引发了驻留在硬盘驱动器3610上的引导加载器程序3652以通过处理器3605A或3605B中的一个执行。这将操作系统3653加载到RAM存储器3606内，操作系统3653在RAM存储器3606上开始运行。操作系统3653是系统级应用程序，可通过处理器3605A或3605B中的一个执行，以执行各种高级功能，包括处理器管理、存储器管理、设备管理、存储管理、软件应用接口、以及通用用户接口。

操作系统3653管理存储器(3609、3606)以确保在计算机模块3601上运行的每个进程或应用程序具有足够的存储器，从而运行不会与分配给其他进程的存储器相冲突。而且，系统3600中可用的不同类型的存储器必须是合适的，从而每个进程可以有效地运行。因此，集成的存储器3634不是意指表示存储器的特定段如何分配(除非声明)，而是提供了一种可被计算机系统3600访问的存储器以及如何使用该存储器的概况图。

处理器3605A和3605B均包括多个功能模块，包括控制单元3639，运算逻辑单元(ALU)3640，以及有时称为缓存的本地或内部存储器3648。缓存3648典型地包括在寄存器区的多个存储寄存器3644-3646。一个或多个内部总线3641将这些功能模块功能性的互连。每个处理器3605A或3605B典型地还具有一个或多个接口3642，用于通过系统总线3604，利用连接3618与外部设备通信。

应用程序3633包括一系列指令3631，其可能包括条件转移和循环指令。程序3633还可以包括在程序3633的执行中使用的数据3632。指令3631和数据3632分别存储在存储器位置3628-3630和3635-3637中。取决于指令3631的相对大小以及存储器位置3628-3630，特定的指令可以存储在单个存储器位置中，如在存储器位置3630中所示的指令所描述的。可选地，指令可以分段成多个部分，每个部分存储在分开的存储器位置，如存储器位置3628-3629中所示的指令段所示。

通常，一组要在处理器3605A和3605B内执行的指令被提供给处理器3605A和3605B。然后处理器等待随后的输入，处理器通过执行另外一组指令对随后的输入进行反应。每个输入可以从多个资源的一个或多个提供，包括通过输入装置3602、3603中的一个或多个产生的数据，从跨越网络3620、3622中的一个的外部资源接收到的数据，从存储装置3506、3609中的一个获得的数据，或者从插入到相应读取器3612中的存储介质3625获得的数据。一组指令的执行在某些情况中可以引起数据的输出。执行还可以涉及存储数据或变量至存储器3634。

稍后在本文中公开的计算装置利用了输入变量3654，其存储在存储器3634中相应的存储器位置3655-3658。执行的计算产生输出变量3661，输出变量存储在存储器3634中相应的存储器位置3662-3665。中间变量可以存储在存储器位置3659、3660、3666和3667。

运行的一个或多个处理器3605A和/或3605B的寄存器区3644-3646，运算逻辑单元(ALU)3640，以及控制单元3639共同工作以执行一系列微操作，需要这些微操作来对组成程序3633的指令集中的每一个指令执行“取出、解码和执行”循环。每个取出、解码和执行循环包括：

(a)取出操作，从存储器位置3628取出或读取指令3631；

(b)解码操作，其中控制单元3639确定哪个指令已经被取出；以及

(c)执行操作，其中控制单元3639和/或ALU 3640执行指令。

此后，可以执行针对下一个指令的进一步的取出、解码和执行循环。相似地，可以执行存储循环，通过存储循环控制单元3639存储或写入一个值到存储器位置3632。

图17至19中的算法的每个步骤或子过程与程序3633的一个或多个段相关联，并且通过处理器3605A(和/或3605B)中的寄存器区3644-3647，ALU 3640以及控制单元3639共同工作来执行，以针对程序3633中的标注的段的指令集中的每一个指令执行取出、解码和执行周期。

所公开的图像处理方法可选地可以实现在专用硬件中，例如执行各种计算程序的功能或子功能的一个或多个集成电路。这样的专用硬件可以包括图形处理器，数字信号处理器，或一个或多个微处理器，以及相关的存储器。

为了能够比较和整合两个图像的数据集合携带的信息，成像数据的各集合中的至少一个要被变换，以使两个集合都能用于单个坐标系。在光学成像领域，该变换称为“配准”，以及“对齐”到单个坐标系的图像称为“配准”图像。

B、处理配准的2D和3D图像

如下公开涉及扩展了例如传统的显微CT的3D成像性能的方法，且能够利用补偿和/或通过一定范围2D显微技术获得的较高分辨率的数据来校准3D图像数据。以此方式获得的整合数据的一个应用为用于岩心材料/样本的地质学表征。具体地，本公开方法涉及将2D图像的图像数据配准到3D图像上和3D图像内。

2D显微图像数据在相似分辨率的3D图像体内的像素-体素识别能够映射3D图像中的X射线灰度等级到从显微镜技术获得的一定范围的属性，并且用于研究包括矿物学(mineralogy)、元素组成、表面能和声学/弹性属性中的至少一个的属性。而传统的X射线显微CT具有大约1微米的分辨率，显微技术能够探测小至纳米规格的特征和属性。将2D图像对齐和映射到至少部分重叠样本内的空间区域的3D图像能够获得当前对于X射线CT分析而言太细微的与特性有关的信息。配准和处理后的图像可以相对于彼此被任意定向、缩放和/或平移。而且，本公开方法的有利性能还可应用于处理两个3D图像的配准的情况，其中两个配准的3D图像可以相对于彼此被任意定向、缩放和平移。应注意，在2D和3D图像之间配准的情况中，部分重叠为通过3D成像技术成像的3D体与通过2D成像方式成像的位于样本上或样本内的被任意定向的平面之间的线或面重叠。在3D到3D配准的情况中，部分重叠典型地为通过一个或多个3D成像技术成像的样本的两个或更多个3D区域之间的空间重叠。

本公开方法执行的映射能够将来自一定范围2D显微镜技术的传统的沉积学数据(例如，与岩心描述、岩石记述学、地质相、地质岩石种类、矿物相、矿物来源、弹性/声学属性、表面化学有关的数据)关联到通过显微CT分析获得的3D图像数据(例如，与衰减、颗粒形状、颗粒连通性、孔隙连通性、孔隙形状有关的数据)。显微镜技术可以探测到小至纳米，这低于显微CT的分辨率。然后所获得的高分辨率数据可以被直接关联到来自3D显微CT图像的X射线衰减数据。因此，传统的沉积学信息可以关联到与岩石学属性(例如，渗透性、排水毛细管压力、声学和震测属性、电阻系数、NMR)以及储层工程属性(例如，相对渗透性、残余饱和度、吸收毛细管压力)的预测有关的数据。

将2D图像配准到3D图像所获得的整合信息

所述方法的详情在图1中示出。一旦提取了多孔材料的样本，在步骤102中例如通过微断层扫描获得3D图像。然后收集样本的一个或多个2D截面或暴露平面并准备在步骤104中用于显微镜法/光谱法，截面来自断层扫描设备的视场。剩余的岩心材料可以用于质量控制实验(例如，压氦法和压汞法)。

通过如下技术中的一个或多个在步骤106中执行显微镜法/光谱法：

·扫描电子显微镜(SEM)；二次和反散射；

·光学显微镜；

·扫描声学显微镜；

·激光共聚焦显微镜；

·聚焦离子束扫描电子显微镜(FIBSEM)；

·能谱仪(EDAX)；

·二次离子质谱(SIMS)；

·光谱技术，包括但不限于红外、UV-可见和拉曼光谱；以及

·其他显微镜或光谱技术。

以传统技术处理获得的显微镜法/光谱法2D图像数据以提取跨越一定范围长度规格(纳米到微米规格)的2D样本的各种结构的属性(步骤110)。该范围使得能够对例如矿物学、表面属性、局部表面相互作用、声学属性等的属性进行分析。例如，通过光学显微镜的标准岩相分析能够测量与如下属性的至少一个相关的属性：

·孔隙率；

·矿物学(例如，石英、长石、方解石、粘土、黄铁矿等)；

·识别颗粒边界，粘结相；

·识别地质相种类；

·地质岩石种类。

所述方法的步骤108执行一个或多个2D图像在3D图像上的像素-体素配准。步骤110执行传统的2D图像分析，例如光谱仪分析。这能够在本方法的步骤112中获得量化的整合数据，这能够对通过单个技术单独获得的数据增加值。整合信息的一个应用是通过与高分辨率、高质量的2D显微分析数据相比较，来对3D图像数据执行直接质量控制。整合数据还可以用于将来自高分辨率2D显微镜图像的孔隙和矿物相信息直接关联到从具有子CT或传统CT分辨率的3D图像获得的数据。这些关联可以用于如下所述的任意一种：

·直接测试微孔率测量值；

·将来自子CT分辨率规格的颗粒/孔隙尺寸信息填入微孔率数据；

·将通过2D显微镜和光谱技术获得的信息(例如，矿物学、粘结性、成岩历史、更高的分辨率(微米)孔隙率、有效渗透性、颗粒尺寸、亚微米分辨率的孔隙尺寸、声学属性和表面化学特性)填入从显微CT获得的3D图像数据。

同样，利用如上所述的数据关联，可以在可选的步骤114中模拟一定范围的物理属性，包括不同流体相的相对渗透性、电阻率、介电反应、NMR反应、以及声学震测反应。关于典型应用的模拟方法的信息可以参考如下文献：

·Digital core laboratory：Petrophysical analysis from 3D imaging of reservoir core fragments，C.H.Arns，F.Bauget，A.Ghous，A.Sakellariou，T.J.Senden，A.P.Sheppard，R.M.Sok，W.V.Pinczewski，J.Kelly和M.A.Knackstedt，Petrophysics，46(4)，260-277，2005。

·C.H.Arns，A.P.Sheppard，R.M.Sok和M.A.Knackstedt，NMR petrophysical predictions on digitized core images，Petrophysics，48(3)，202-221(2007)。

·Archie′s exponents in complex lithologies derived from 3D digital core analysis，M.Knackstedt，C.Arns，A.Sheppard，T.Senden，R.M.Sok，W.Pinczewski和M.Ioannidis，Society of Petrophysicists and Well Log Analysts 48^th Annual Logging Symposium，Paper Z，June 4-6，2007，Austin，USA。

技术应用的示例

1、在一个示例中，通过将3D图像数据与来自标准2D显微分析的数据相比较，可以实现对3D图像数据的直接质量控制。图2和3显示了岩石样本的像素-体素配准，岩石样本的更多孔隙在显微CT数据上可分辨。图2A显示了SEM图像，图2B显示了通过本公开方法配准的各个断层扫描切片，如步骤108中所述(图1)。2D图像与3D图像的体素直接对应。任何变化主要是由为显微镜分析所准备的样本造成的。

2、在另一个应用中，可以执行将来自3D图像数据的衰减信息直接关联到来自2D显微分析的增强信息。图4A显示了砂岩样本的2D光学显微镜图像的示例。观察到了矿物学中的扩展的变化；可以映射矿物相分布，可以进行一定范围的经典岩相分析。另一方面，图4B显示了来自3D断层扫描照片的相应的配准切片。基于3D图像中的衰减信息与从光学显微镜图像中获得的矿物学信息的直接关联，从显微技术获得的矿物学信息可以被关联以将信息填入/扩散到3D显微CT图像数据中。

另一个示例如图5所示，其显示了以50纳米分辨率获得的显微样本的图像。图6显示了来自以2.5微米分辨率获得的断层扫描照片的配准切片。来自显微CT数据的灰度衰减信息可以直接关联到50nm规格信息(例如，更高分辨率的孔隙尺寸、孔隙形状、颗粒尺寸和形状)。

3、本方法还能够使用高分辨率的显微镜技术来识别各种特征，然后这些特征在空间上关联到相应的3D显微CT图像。一旦这些特征被识别为2D和3D图像之间的重叠区域，通过空间关联，它们可被推导来用于剩余的3D空间。此方法有效地利用显微镜数据将附加信息构造到3D图像数据中。图7A至7C中的图像显示了来自50nm规格的2D SEM图像(图7C中的图像)的颗粒尺寸和孔隙尺寸信息如何能够产生嵌入(映射)到图7A的3D断层扫描图像中的孔隙结构信息。因此，产生了整合的图像数据集合，其组合了来自图7A的显微CT图像的数据以及图7B和图7C的薄截面数据。这样的整合数据能够探测薄截面内的微孔区域以提取纳米孔隙尺寸信息。能够在更高放入率的配准图像上探测小至nm规格(50nm或更低)的图像信息使得能够以这些规格在3D图像中测量连通性特性。

在一个应用中，孔隙尺寸和灰度衰减之间的直接关联能够将体素的孔隙尺寸信息扩散到3D数据中，所述孔隙尺寸信息最初被简单地赋于孔隙率值。矿物学信息、声学/弹性属性和表面化学信息也可以通过随机技术映射以最优地填入3D显微CT数据。

去扭曲：几何图像校正

一些显微镜在将要与另一图像配准的图像中引入了几何变形。这将意味着，例如，在图像中测量的两个对象之间的距离可能不是两个对象之间的真实距离。在推断出精确的量化信息之前，或者将两个图像准确地配准之前，需要消除此几何变形，以适当地整合它们的信息。消除来自图像的变形的过程称为去扭曲。

去扭曲过程包括两个阶段。开始时，确定与观察到的变形相关联的扭曲变换。然后，对图像应用反向扭曲变换以产生几何学上校正的图像。

估测扭曲变换的示例为获取彼此相对的真实位置已知的点集合的图像。然后此信息用于在未变形图像中的点和变形图像中的点之间构造光滑映射。为此目的可以使用任意收集的点。然而，校正的准确性取决于如何能够很好的确定扭曲变换。这还取决于校正的复杂度和光滑性。

如下描述如何以自动方式针对2D图像确定扭曲变换的示例方法。相同的原理也可应用于3D情况。

去扭曲过程的阶段1包括：

1、取出规则正方形栅格的图像(图8)。该图像称为栅格图像并且用于确定图像中的变形。

2、提取栅格图像的中心处的小区域910，其足够大以包含每个方向上表示为实心深阴影框的多个栅格单元。区域910称为模板(图9)。浅阴影虚线框912表示模板图形被重复的位置。

3、计算栅格图像和模板之间的交叉关联，并且确定关联峰位(correlation peak)。关联峰位表示相同图形重新出现的地方。对于小的变形，简单平移足够准确。对于较大的变形，可能需要旋转和缩放模板。在两种情况中，使用傅里叶变换以有效方式执行这些计算。

4、确定最靠近图像的中心的五个关联峰位及其它们相对于栅格主轴u和v的关系，如图10所示。通过构架，这将是中心位置本身，以及沿着栅格的每个主轴的第一关联峰位。这些轴无需与图像的轴对齐。

5、从这五个关联峰位，可以确定栅格的主轴。然后这些轴用于针对剩余的关联峰位估测正确位置，即，它们在非变形图像中应处的位置。

6、为每一个关联峰位分配正确位置，这定义了此点集合的扭曲变换。然后通过合适的插值方案来定义这些点之间的位置的扭曲变换。

阶段2，图像的去扭曲。在此处，对变形的图像应用反向扭曲变换，以获得未变形图像：未变形图像中的每个像素被映射到其相应的扭曲位置，并且通过插值在变形图像中找到像素值。用与未变形图像对齐的规则栅格来操作极大地简化了计算。为了计算效率，通过两个步骤执行此处理：

1、计算与未变形图像对齐的规则栅格上的扭曲参数(平移、旋转等)。

2、通过在规则栅格上插值来找到针对每个图像点的扭曲参数。去扭曲过程对整合图像的质量的影响如图11所示。通过观察明显看出，从去扭曲SEM图像获得的整合图像(图11B)的质量好于从未去扭曲的图像所获得的图像的质量(图11A)。

应注意，上述去扭曲方法是示意性的，也可以采用其他方法。

C、处理配准的3D至3D图像

下面描述其他应用，其精确地将任意定向(例如旋转、缩放、移动)的3D图像配准到3D图像。通过对材料进行很多复杂的实验之后在一定范围的条件下测量同一多孔材料的物理属性，作为结果获得的整合信息极大地扩展了传统显微CT成像的能力。

如果在相当长的时间段内获得的一系列3D图像可以配准到3D中，流体相分布可以在严重老化之后或在很长的平衡次数之后以孔隙规格直接映射到3D中。然后可以基于图像数据模拟全范围的期望的物理属性。这些物理属性包括相对渗透性(在多孔材料内的多流体相的渗透性)，被多流体相填入的岩石的电阻率，弹性反应属性，NMR反应以及动态毛细管压力(参看，例如如下文献中描述的方法：“Digital core laboratory：Petrophysical analysis from 3D imaging of reservoir core fragments”，C.H.Arns，F.Bauget，A.Ghous，A.Sakellariou，T.J.Senden，A.P.Sheppard，R.M.Sok，W.V.Pinczewski，J.Kelly和M.A.Knackstedt，Petrophysics，46(4)，260-277，2005)。流体分布可以直接与孔隙网络模型结果比较，并且作为校准工具用于孔隙规格建模技术的正确度。

本公开方法通常涉及肉眼观察和量化孔隙结构、矿物相结构、以及三维多孔介质的孔隙空间内的多流体相分布的变化。从多孔介质的变化的直接量化中，可以估测在变化的饱和度状态和变化的表面化学条件下多孔材料的一定范围的物理属性。这些属性包括不同流体相的相对渗透性、电阻率、介电反应、NMR反应以及弹性。材料包括储层岩心材料、土壤、颗粒状材料以及其他合成物。

本公开方法解决了对实际条件下的多相流动、岩石力学和岩石学属性进行理解的本质需求。例如，已知原油中的岩心老化后的流体吸收特征变化(参见例如，Morrow，“Wettability and its effect on oil recovery”，SPE 21621，发表于Journal of Petroleum Technology，December 1990，p.1476：以及Graue等，“Alteration of wettability and wettability heterogeneity”Journal of Petroleum Science & Engineering，Vol.33，pp.3-17)。其他测量还要求能够在储层温度和覆盖层压力下进行实验。进行没有样本发生移动或样本从显微CT设备移开这样的实验通常是不实际的。提出的方法能够对样本成像，在实验室中对样本进行一定范围的复杂实验，然后对样本再成像，并通过所描述的算法实现的软件来配准实验前和实验后获得的3D图像。

用于整合与3D-3D配准图像相关联的数据的方法

此方法的步骤如图12所示。方法开始于在步骤1202取得关注的多孔材料的3D图像。此成像定义了初始参考状态A。典型地，此状态下的所研究的样本为干的(图13)或流体饱和的(图14)。然后图像数据在步骤1204存储到存储器中。

接下来的步骤1206涉及对多孔材料执行一个或多个实验，这些实验可能导致孔隙结构、矿物相结构或孔隙流体分布的结构或化学变化。实验的示例可以包括如下任一个：

·针对多孔材料的流体迁移研究，其可以是如下形式：

·非融合的流体迁移；

·钻孔流体侵入；

·用表面活性剂、微生物、聚合体、凝胶体或胶体注采；或

·互溶流体迁移。

·活性效应，可以包括如下任一个：

·活性流动；

·用溶剂注采；

·沉积和活性堵塞；

·生物堵塞。

·机械效应，诸如：

·颗粒矿物学/破裂；

·粘土膨胀、附着和分离；或者

·流体的声学激化。

·流体对孔隙和矿物相结构的影响

·流体交换；

·通过微粒、聚合物和/或水溶液的孔隙堵塞；

·粘土迁移(自然的)；

·胶体附着/分离以及堵塞；

·粘土膨胀；

·润湿性分布，包括：

·将流体分布关联到孔隙尺寸和结构；

·天然老化对润湿性以及孔隙流体分布的影响；

·测量液体/液体和液体/固体界面的表面化学属性(例如，接触角、液体膜的出现)；

本方法还包括，在进行一个或多个实验之后，在步骤1208对样本材料再成像，并在步骤1204存储再成像的数据。样本可以被再成像多次。除了用样本执行实验，步骤1206还可以涉及获得用于更高的分辨率成像的样本子段。结果，产生了一对图像，其表示在实验前和实验后取得的任一图像，或者用不同的成像分辨率获得的图像。然后在步骤1210和1212，通过对齐和叠加来自通过执行3D图像的体素配准获得的两个图像的3D数据，可以将两个数据集合用于获得整合成像信息。然后可以在另一对图像之间执行这样的对齐和整合。对两个或更多个图像的信息的整合过程可包括基于来自所有图像的信息来确定样本的特定区域的物理或化学属性。还可以包括量化孔隙结构、矿物相结构或孔隙流体分布的变化。

现返回图13和14，所述图显示了流体吸收后多孔岩石中的气相/水相。执行的3D配准使得流体的孔隙规格分布可直接被肉眼观察和在3D中量化。特别地，图14显示了在执行湿流体被吸入干燥岩石的实验之后图13的岩石中的流体分布。

图15显示了3D视频的快照，描述了取自一对3D图像数据文件的图像配准的流体分布。

对样本材料的再成像可以重复很多次——在每次进行的实验之后，或者在一系列实验之后。图像数据再次存储在计算机或者进行数据处理的其他电子系统的存储器中(通常为硬驱动)。因此，对不同图像的获取之间的时间长度没有时间限制。然后两个或多个存储的图像的体素-体素配准能够将来自任意数量的图像的信息组合，因此增加了所有实验的价值。

提出的用于从任意时间段内执行的任意数量的实验产生整合图像的方法不同于包括现有技术的当前状态的两个实验方法。在第一个方法中，由M.

等在“3D image-based characterization of fluid displacement in a Berea core”Advances in Water Resources 30，2007，p214，中提出，所有的实验以光束线进行，意味着实验的属性和持续时间受光束线可用性、空间因素、温度和机械稳定性需要的限制。在第二个方法中(参看，例如Dautriet等的“Laboratory determination of stress path dependency of directional permeability of Estaillades limestone”，Symposium of the Society of Core Analysts，Abu Dhabi，November 2008，paper SCA2008-26)，样本被成像，然后取出用于实验修改，然后返回到光束线用于再成像，但是没有对不同的图像进行配准。在此情况中，没有获得直接整合的图像信息，且仅有的结果是空间平均数。

最后的步骤1212涉及利用从步骤1210中配准的3D图像获得的整合信息，来量化孔隙结构、矿物相结构或孔隙流体分布的变化。也可以研究这些变化所暗示的多孔材料的物理属性。例如，从润湿性分布的孔隙规格分布的直接量化，可以研究对这些多孔材料在变化的饱和度状态以及变化的表面化学条件下的一定范围的物理属性的直接模拟。关注的属性典型地包括不同流体相的相对渗透性、电阻率、介电反应、NMR反应，以及弹性。

图16A和16B描述了孔隙尺寸的分布和气/水流体含量之间的关系。3D配准使得流体的孔隙规格分布能够直接被肉眼观察且在3D中量化(图16A)。图16B显示了非湿(气)相在3D中驻留的区域的分布。在此情况中，系统初始是水润湿，因此残余气相主要驻留在较大孔隙中，水相集中在更小的孔隙中。

D、示例应用

下面讨论跨越一定范围的学科的针对多孔材料的相关实验的多个示例，其中量化孔隙结构、矿物相结构或孔隙流体分布中的可能的结构或化学变化的能力是重要的。

1、在孔隙规格针对多孔材料描述流体迁移。首先，描述在不同润湿性条件和饱和度状态下对多孔材料成像的一些应用以及再成像。可以在多孔材料内对多个相进行成像。与实验有关的流体迁移属性可以包括：

a、岩心分析中的非融合流体迁移(上游油和气/地下水以及水文)；

·多饱和度状态下的排水和吸收注采。

·在变化的润湿性状态下(油湿、水湿、高混合湿、低混合湿)的排水和吸收。

·探测注采过程中或注采后原油的老化对碳氢化合物、盐水、气等分布的影响。

·探测流体的分布范围：

○油/碳氢化合物

○水/盐水

○CO₂

○泥

○钻井流体

○聚合物

○胶体

○分散剂

○孔隙堵塞流体(例如聚合物、凝胶体、微生物种类)

·测试由设计者设计的注采；

○用于孔隙结构中最大程度的提取的最佳盐水

○利用变化的油相/盐水混合物测试孔隙规格分布。

○测试改进/增强的采油策略(例如WAG注入和胶体激化)的效率

·对侵入到岩心材料中的泥土(形成破坏)进行成像。

b、易融合的流体迁移：

·易融合的注采(EOR)

·地下水补充；

○量化孔隙规格的有毒或放射性溢流的分布

○测试防漏方法(化学的、水文的)

2、流体对孔隙和矿物相结构的影响：流体交换对多孔材料的孔隙结构、矿物结构和润湿性的影响(例如，盐水的稀释对孔隙拓扑的影响)；

a)粘土迁移(自然的)；

b)胶体附着/分离和堵塞；以及

c)粘土膨胀。

3、润湿性分布。表征被多流体相占据的多孔材料中的流体/流体和流体/固体界面的润湿性状态。其包括：

a、将流体分布关联到孔隙尺寸和结构

b、测量流体/流体和流体/固体界面的表面化学属性(例如接触角、流体膜的出现)

4、活性效应。针对活性组分对多孔材料的孔隙和矿物相结构的影响采取直接孔隙规格研究。也可以在多个时间步骤采取流体润湿性研究。

a、活性流动；

○超临界CO₂

○酸性注采

○溶解性注采

b、沉积和活性堵塞；

c、生物堵塞。

5、机械效应：机械应力和张力对多孔材料的孔隙和矿物相结构的影响。其可以包括：

○颗粒矿物学/破碎

○粘土膨胀、附着和分离

○流体的声学激化。对使用声波以增强碳氢化合物回收进行测试。

E、图像配准工作流程

应注意此后描述的配准工作流程应用于2D-3D以及3D-3D图像配准。与定义有微小变化的相同的配准工作流程也应用于2D-2D图像配准。

定义

令T表示整个离散图像，令T_i，j，k表示离散图像在索引(i，j，k)处的亮度。令F为另一个离散图像，相似的，令F_i，j，k表示离散图像F在索引(i，j，k)处的亮度。另外，令I(n)表示通过用因子d_n下采样从离散图像I产生的离散图像。总是定义d₀＝1，从而

且

离散图像T为移动离散图像，F为固定离散图像。移动(或变换)T，从而T与固定离散图像配准。例如，T为2D SEM图像，其待与3D显微CT图像F配准。如果T为2D图像，其可以被简单地解释为在三维空间中的平面，即，第三索引维度是固定的，比如k＝0。或者，如另一个示例，T可以是3D湿显微CT图像，其待与3D干显微CT图像F配准。离散图像F和T可以是一对2D图像(例如，图17的图中所示的SEM薄截面图像的部分片段174)，并且通过小的可计量的变化，如下方法应用于2D至2D配准。

令t⁽ⁿ⁾：Ω_t→R为离散图像T⁽ⁿ⁾的插值图像版本，其中相似的，令f⁽ⁿ⁾：Ω_f→R为离散图像F⁽ⁿ⁾的插值版本，其中

定义

为空间变换，其在给定的一组变换参数

下，将3D点映射到3D点中。

令

定义距离-度量，其表示两个插值图像t⁽ⁿ⁾和f⁽ⁿ⁾之间的配准的质量。我们还要求M⁽ⁿ⁾的值越小，配准的越好，M⁽ⁿ⁾的值越大，配准的越差。

给定初始离散图像t⁽⁰⁾和f⁽⁰⁾，需要找到将两个图像配准的变换参数φ^*。这可以重述为最优化问题：

配准最优化问题：给定空间变换Ψ⁽⁰⁾，距离-度量M⁽⁰⁾以及图像t⁽⁰⁾和f⁽⁰⁾，找到

从而：

φ^{*} = \min_{Φ &Element; {R^{m}}^{(0)}} (M^{(0)} (φ))

通常，M⁽⁰⁾为具有多个局部极小值的复杂函数，且对其进行估计的计算成本高(特别对于全分辨率图像)。因此，单独的局部数值最优化方法(单一方法，Powell方向集方法，梯度下降法等)不能找到φ^*(的近似值)。如下部分表示多分辨率多起点全局最优化方法，其能够解决配准最优化问题。

通用方法

1、选择：下采样因子d₀，...，d_N，空间变换Ψ⁽⁰⁾，...，Ψ^(N)，距离度量M⁽⁰⁾，...，M^(N)，以及最佳变换参数的数量J⁽⁰⁾，...，J^(N)。这些变量的选择示例如下。

2、定义

为来自

的一些有限采样点，令P^(N)为集合Φ^(N)中的元素的数量。对于每个φ_p ^(N)∈Φ^(N)，p＝1，...，P^(N)，估计

参见如下Φ^(N)示例。

3、产生集合

其中p_j定义为使得

为所有的

的第j个最小值。

4、设置n＝N。

5、设置n＝n-1。如果n≥0，则持续到6，否则持续到9。

6、对于每一个j＝1，...，J⁽ⁿ⁺¹⁾，使用局部数值最优化算法(例如Powell方向集最小化方法)，起点

以计算M⁽ⁿ⁾的局部最小值。所计算的局部最小值所采用的转换参数表示为

这些局部最小值的距离-度量值表示为

7、产生变换参数集合；

其中p_j定义为使得为所有的

p＝1，...，J⁽ⁿ⁾的第j个最小值。

8、跳转到5。

9、设定

为将t⁽⁰⁾图像与f⁽⁰⁾图像配准的最优参数集合。

10、利用最优

变换参数产生一对新的配准状态的离散图像。

步骤1定义用于估计在给定的一组变换参数下获得的配准的质量的下采样因子、允许的空间变换以及距离-度量的类型的细节。典型地，下采样因子选择为2的幂，其中d₀＝1，且对于n₀＜n₁，

一个示例序列可以为d₀＝1，d₁＝2，d₂＝4，d₃＝8，d₄＝16以及d₅＝16。最大下采样因子应选择为使最低分辨率图像中保留有特性特征。

空间变换Ψ⁽⁰⁾，Ψ⁽¹⁾，...，Ψ^(N)定义了来自t⁽ⁿ⁾域Ω_t的坐标如何配准/重叠到f⁽ⁿ⁾域Ω_f。一种可能为选择所有的空间变换为相同的，

这是用于配准图中的示例的情况，且

选择为3D相似变换(

7个自由度包括3个平移，3个旋转以及各向缩放参数)。

可以选择各种实际的距离-度量，此外，合理的选择是对于每个搜索等级比如

的距离-度量具有相同的数学形式，搜索等级之间的变化仅在于利用相应的下采样的图像对来估计距离-度量。有用的成本度量包括：关联系数、关联比以及(标准化的)交互信息。对于图中的配准示例，

选择为关联系数的负值：

其中

为平均值，σ_t(n)为在样本坐标x_l处的图像亮度t⁽ⁿ⁾的标准差，f⁽ⁿ⁾为平均值，σ_f(n)为在样本坐标

处的图像亮度f⁽ⁿ⁾的标准差，样本空间坐标取自图像域的交集

这里

为

的逆，从而

\overset{&LeftRightArrow;}{Ψ} ({\overset{&LeftRightArrow;}{Ψ}}^{- 1} (x)) = x, &ForAll; x &Element; R^{3} .

J⁽ⁿ⁾的值为从搜索级别n到搜索级别n-1的最佳排序的变形参数的数量。典型的，J⁽⁰⁾＝1且当n₀＜n₁时J⁽ⁿ⁾的示例序列为：J⁽⁰⁾＝1，J⁽¹⁾＝1，J⁽²⁾＝1，J⁽³⁾＝4，J⁽⁴⁾＝32，J⁽⁵⁾＝64。

在步骤2，目标是找到至少一个“接近”期望的变换参数集合φ^*的变换参数集合。在该步骤中，执行穷举搜索以发现可能产生期望的较高分辨率的配准的变换参数集合。典型地，集合Φ^(N)定义为规则栅格的变换参数，

其中

a＝[a₀，a₁，...，a_m(N)]^T为多指标，且

其中

为变换参数分量的下限，

为变换参数空间中的栅格的步长。可以选择最小平移范围以确保

对于所有的

非空，其中典型地平移步长选择为下采样体素尺寸。旋转值的范围从-180°到180°，步长为≈3°。步骤2本质上为应用于低分辨率图像的全局最优化方法，以找到位于距离-度量的全局最小值的“捕捉半径”内的变换参数的集合。此段描述了“穷举”搜索全局最优化方法，然而，也可以在步骤2应用其他全局方法以找到“接近”最优配准参数的变换参数(或多个参数集合)。

步骤3对变换参数的集合从最佳配准到最差配准进行排序。以迭代方式，步骤4至步骤8通过对分辨率逐渐变高的图像执行局部最优化来对步骤2中找到的变换参数的集合执行增量改进。

图9选择了产生最优配准的变换参数，步骤10(利用这些最优变换参数)对图像执行再采样，以产生可以直接与后续分析比较的一对配准的离散图像。

算法

图17显示了用于实现如上讨论的配准方法的算法，用于实现3D图像1702和2D图像1708之间的配准。初始获得的图像1702由处理器3605A通过滤波、掩蔽等进行预处理，以获得准备用于配准的图像1704。相似地，各图像1706也经过预处理以获得2D操作图像1710。特别地，2D子截面1706的预处理可能包括对子图像去扭曲以及将子图像拼接到一起，以获得单个图像1710。

在图17的算法的步骤1中，由处理器3605A和3605B选择相似变换来将2D图像1710与3D图像1704对齐。在此变换中涉及7个自由度；3个平移参数，3个旋转参数以及1个缩放参数。使用关联系数的负值来估计对齐的质量，其中值-1表示完全关联。

在步骤2，处理器3605A和3605B使用低分辨率图像对来获得图像1704和1710之间的对齐的一组初始估计值。步骤2的实施可以利用任务并行的优点以减少步骤的运行时间。在本申请中，实现任务并行的更多细节在下文中进一步提供。在步骤3中，选择一组最佳变换参数来作为局部最优化的起动种子。处理到此处时，图像1704和1710之间以它们的最低分辨率近似对齐。

在步骤4中，由处理器3605A和3605B针对搜索的数量来初始化循环计数器。在接下来的步骤5中，循环计数器被处理器3605A和3605B立即减1。如果现在循环计数器的值大于或等于0，则该方法行进到步骤6。在步骤6，处理器3605A和3605B利用针对当前更高分辨率图像的局部数值最优化，来改进来自先前搜索等级n+1的对齐。步骤6的实施可以利用针对较低分辨率图像的任务并行，在此情况中3605A和3605B的每一个将处理起动种子的不同子集。对于较高分辨率的图像对，其中图像所需的RAM超过了单个计算机处理器的物理RAM，可以实施数据并行策略，在此情况中3605A和3605B的每一个计算度量的分离部分，其涉及存储在每个处理器可访问的存储器中的相应子图像。该实施的更多细节将在下文进一步提供。在步骤7中，处理器3605A从当前搜索等级中选择一组最佳变换参数，以用作下一搜索等级的种子。在步骤8中，通过返回到步骤5使循环继续。

如果n为负则选择可选的路线，在此情况中，在步骤5之后，处理器3605A和3605B行进到步骤9，在这里处理器从搜索等级n＝0选择最佳变换参数。这些参数提供了全分辨率搜索中的最低度量值。利用这些参数，在步骤10，处理器3605A和3605B对3D断层扫描照片图像再采样以产生与2D图像相对应的切片。这导致两个对齐的2D图像1714和1716的产生，它们具有相同尺寸。然后这些图像被直接用于后续的定性分析和/或量化分析。

图17中的步骤1至10基本上定义了图1中所示的公开的图像处理方法的高等级表示的步骤108中所涉及的配准方法。相似地，图18显示了图12中所示的公开的图像处理方法的高等级描述的配准步骤1210。

图18中所示的配准过程可应用于两个3D图像1802和1808。图像1802可以是干岩心样本的3D显微CT图像。相反，图像1808可以是相同样本在经过特定实验后的3D显微CT图像，其中所述实验可以包括，例如将岩心引入到诸如水、汽油或气体的特殊流体中。利用例如简单的设置阈值，通过滤波和掩蔽的方式对图像1802和1808进行预处理。预处理的结果是分别获得图像1804和1810。再次，在步骤1中，处理器3605A利用相似变换来对齐两个断层扫描照片图像1804和1810。再次通过处理器3605A和3605B选择七个自由度，包括3个平移参数，3个旋转参数和1个缩放参数。使用负的重叠百分比度量，其简单的计算两个图像中具有相同非掩蔽亮度的坐标的百分比。值-100％表示在图像中的非掩蔽区域完全重叠。

步骤2至9一般与图17中的步骤相同。步骤10是最后步骤并且包括处理器3605A和3605B对湿3D断层扫描照片图像1810再采样，以产生与干3D断层扫描照片图像1804相对应的区域。结果，通过处理器3605A和3605B获得了一对3D图像1814和1816，其具有相同的尺寸并且可以整合用于量化分析目的。

图19更详细地显示了图17和18中的步骤2的各个子步骤。步骤2开始于步骤2a，其包括处理器3605A和3605B在7维变换参数空间中形成规则的栅格。典型地，变换参数的步长为最低分辨率图像的体素的边长。z轴旋转参数步长为2度。x轴和y轴旋转参数以及缩放参数可以保持不变(分别处于值0度、0度和1)。一旦规则的栅格形成，处理器3605A从步骤2a行进到步骤2b，通过令k为7D参数栅格中的点的数量来初始化参数k。在接下来的步骤2c中，参数k减1，且由处理器3605A和3605B将新的参数值与0相比较。

如果减小的k大于或等于0，则处理器3605A和3605B从步骤2c行进到步骤2d，其中各处理器3605A和3605B估计用于7D栅格点数量k的变换参数的度量。如果度量值低于迄今获得的任何最佳度量值，则处理器3605A和3605B用变换参数数量k来代替给出了最差度量值的变换参数。步骤2d的结果是使处理器3605A和3605B返回到步骤2c。可选地，如果在步骤2c中被减小的参数k的值为负，那么处理器3605A和3605B从步骤2c行进到步骤2e，其结束了整个步骤2。负值的参数k表示对7D栅格的穷举搜索已经完成，且已识别出位于度量全局最小值的捕捉半径内的至少一组变换参数。这里，可以通过将K个栅格点分配到例如3605A、3605B等不同的处理器中来实现任务并行。每个处理器估计用于其栅格点的子集的度量。从每个处理器采集最佳参数的组并比较这些最佳参数的组以形成最终的一组最佳变换参数。

并行实现

为了能够计算实现上述全局最小化方法，有两个并行策略，当在高性能非一致内存访问(NUMA)架构上用软件实现上述步骤时使用。第一种并行策略是任务并行策略，其中各个任务在计算单元上独立的执行。第二种策略是数据并行方法，其中每个计算单元只包括离散图像对数据的子集。

当在上述的工作流程的步骤2中计算距离-度量值

时，任务并行优点大。每个计算单元能够以低分辨率独立于其他计算单元来估计

值的子集。当所有的计算单元已估计其

值的子集时，有一个结果收集阶段，其中从每个计算单元收集

值的子集，以排序出最佳变换参数，如同在步骤3中所执行的。同样地，在步骤6中可以有利地使用任务并行，其中每个计算单元可以独立于其他计算单元执行子集的迭代最优化，以计算局部最小值再次，结果收集阶段用于从每个计算单元收集值的子集，以对它们排序，如同在步骤7中所执行的。任务并行最有利于较低分辨率图像(例如t^(N)，t^(N-1)，f^(N)和f^(N-1))，因为基础的离散图像对的全部数据可以存储在计算单元的本地RAM中。

对于较高分辨率图像(例如t⁽⁰⁾，t⁽¹⁾，f⁽⁰⁾和f⁽¹⁾)，数据并行策略是优选的。在此策略中，每个计算单元只包括离散图像数据的子集。然后利用主从分工(Master-Worker division of labour)来执行步骤7。主计算单元控制迭代最优化算法。迭代最优化需要对距离-度量进行多次估计以确定局部最小值。以分布式和并行方式执行距离-度量的估计。每个从计算单元能够基于其本地RAM中保存的图像数据的子集来计算总距离-度量结果的一部分。

E、进一步的应用示例

X射线微型计算机断层扫描(CT)能够产生微米规格的孔隙结构的详细3D图像。X射线断层扫描照片通过检测到的X射线衰减提供相信息。此数据不像各种2D显微镜技术所提供的数据那样详细和有用。例如，光学显微镜和扫描电子显微镜能够提供样本的详细的矿物学含量的信息。扫描声学显微镜能够映射矿物声学(弹性)属性。针对2D表面或薄截面执行的其他显微技术可以给出进一步的信息(例如，矿物学、表面属性、局部表面相互作用等)，其对了解所研究的岩心材料(样本)的材料属性很重要。一个缺点在于所获得的数据为2D。获得通过2D方法可得的在3D中的增强信息非常有利。这里所描述的方法能够将从2D图像中获得的信息量化地扩散到3D断层扫描数据集合上。

上述的配准方法是此扩散过程的一部分。图20显示了将2D图像2010配准到3D图像2012上的结果。特别的，在进行本方法所定义的全部平移、旋转、扭曲和缩放变换之后，2D显微镜薄截面2010配准到样本2012内，使得来自2D图像2010的SEM数据能够耦合到从CT图像2012获得的3D数据集合。

图21中显示了将多微孔岩石样本的来自高分辨率2D SEM图像的图像数据配准到3D断层扫描照片的示例。来自2D SEM图像2112的微孔率数据耦合到3D断层扫描照片2110上所获得的整合数据使得能够以2D SEM样本的分辨率(其比通过3D断层扫描可能获得的分辨率更高)来识别材料特性和属性。通常，断层扫描技术具有内在的分辨率限制(比如1微米)，其中显微镜能够探测小至纳米规格。因此，通过图像配准来整合两个图像可以获得高达1000倍量级的更高的分辨率。另外，两种技术的分辨率的大的差别可以用于测量3D图像的真实分辨率。

图22显示了来自岩石样本的3D断层扫描照片的2D切片2210和通过SEM获得的2D切片2212的直接比较。断层扫描照片2210是通过X射线CT成像以2.1微米体素尺寸获得的，而SEM切片2212以0.25微米的分辨率获得。图23显示了两个图像2210和2212的量化匹配。特别的，图23显示了将通过较高分辨率2D图像2212获得的孔隙度数据(与孔隙的特定区域的一小部分相关联)映射到从3D切片2210获得的衰减数据上的图形。如从图形2314所看到的，获得了衰减数据和孔隙度数据之间的良好关联。这使得能够将从较高分辨率2D显微镜图像获得的信息(在此情况中为孔隙度)扩散到整个3D图像。这基于3D图像的衰减数据并且利用了图形2314所示的直接和量化的映射关联。

以高分辨率从2D SEM图像获得的其他属性也可以量化地与配准的3D图像整合。在图24A和24B所示的示例中，SEM图像2410以0.25微米的像素分辨率获得。图像2414为来自以2.5微米的体素尺寸获得的X射线CT图像的配准切片。在此图像上的X射线衰减可以被关联到图像2410中的孔隙尺寸数据。图像2412表示将局部孔隙尺寸分布映射到来自图像2410的图像数据上；图像2412中的灰度对应于来自2410的孔隙尺寸。较亮的区域对应于较大的孔隙尺寸。

图24B显示了局部孔隙尺寸分布(y轴)和从X射线衰减映射的微孔率(x轴)之间的关联曲线图。此关联能够将孔隙尺寸映射到整个3D图像。

图25描述了应用从2D显微镜到3D断层扫描的量化图像配准的另一示例；在此示例中，将从元素映射获得的矿物相信息(图像2512)关联到从图像2510所示的3D图像获得的配准切片中的衰减数据。2D图像2512中所示的详细的矿物相分布表示岩石样本中存在白云石和硬石膏。这些相难于在3D图像2510中明确地区分。通过利用这两个图像之间的配准，量化映射增强了识别遍布3D图像的矿物相分布的能力。

现在结合3D到3D图像的配准来描述进一步的应用。这样的配置能够在对样本执行一个或多个实验后量化地跟踪样本中发生的变化。涉及3D到3D配准的典型应用通常开始于对样本成像，特别的，这为状态A。在此之后获得第一图像，样本从成像机构移开，且在各种条件下执行例如凝结、压缩、溶解、流体迁移的各种实验。这样的实验导致样本状态(例如显微结构、矿物相、流体饱和度)的变化。在此处位于新的状态B的样本被引入到成像系统中并被重新成像。然后将新获得的图像与初始获得的图像配准。然后来自两个图像的数据被整合，已经发生的变化可以被量化。

如下的示例描述了此方法的应用，其包括在一组实验过程中可视化和量化溶解以及颗粒运动，在变化的化学条件下的多流体饱和度状态的成像。还给出了以多规格来对齐3D图像的示例。

图26和27描述了对发生在一系列实验过程中样本体内的物理结构中的变化进行量化跟踪的实验。这样的变化可以是矿物特有的。岩石样本2610处于其初始状态，如同在实验室中所收到的。切片2616来自当样本处于其初始条件时，样本2610的3D图像。然后将样本2610经受一个或多个实验，用中间状态2612表示。在图26的情况中，样本2610浸没在特定组分的流体内。将流体保持在高压和高温下一定时间周期。在专用单元保持的这样的条件可以导致样本材料的溶解和沉淀，导致样本显微结构在任意延长的周期内变化。为了估计这样的变化，对处于其新状态2614的样本再成像。图26还显示了来自3D图像的切片2618。2616和2618的更详细的插图分别在2720和2722中显示。当比较切片2720和2722时，样本形态有清楚可见的差别，这由特定的实验条件导致。整合与切片2720和2722相关联的两个大的3D图像可以得到捕捉在过渡周期中在样本体上发生的显微变化的多个数据集合。示例的小的子集可能包括列举从2616过渡到2618的过程中出现的孔隙结构、颗粒结构或流体渗透性的变化。这些局部规格差别/变化只能通过本方法包括的直接配准能力来识别。

图28显示了研究岩石暴露到碳酸之后溶解/沉淀的变化的不同实验。切片2810表示处于初始状态的岩石样本的初始3D图像。切片2812表示来自配准的3D图像的切片，该3D图像取自暴露到碳酸中相当长时间后的相同岩石样本。通过量化地配准暴露前和暴露后的两个3D图像，可以识别作为岩石样本中产生的形态变化。此特殊示例的变化是有效的和明显的。例如，在原始图像2810中可见的特征2814已经从在酸暴露之后的图像中取得的同样的、量化配准的切片2812中消失。因此，表示两个图像之间的差别的整合的3D数据集合使得材料结构中的变化能够被量化(例如，孔隙结构、孔隙形状、颗粒形状、微孔率)。物理属性的变化也能够被量化；例如利用该整合的3D数据集合可以探测样本的流动属性由于溶解和沉淀而产生的任何变化。可以在不同条件下进行进一步的实验以研究用于地质材料的溶解中的各种策略的结果。

图29描述了在油、气和/或水穿过岩心样本的连续注采(循环)过程中发生的各种状态所形成的一系列曲线2910。每条曲线2910是针对单个润湿性状态的指示性的毛细管压力扫描曲线。图像配准使得能够在3D中可见和量化样本的注采循环过程中的流体饱和状态发生的变化(例如，初步排水，初步自发吸水，初步强制吸水，二次排水，二次吸水等之后的流体饱和状态)。图形2910指出了各种可能的路径，例如在特定系列的实验过程中发生的路径A→B→C→D。在此实验系列上的轻微变化能够产生路径A→E→F→G。实验的集合可以包括如下步骤中的至少一些：

1、在图形2910的状态A中，用水使得岩石样本充分饱和。

2、然后，油或气被注入到岩石中并达到指定的最终注入压力，导致例如B(较高压力)或E(较低压力)的状态。

3、然后通过让系统松弛同时与湿的流体相接触来“自发地”采油或气，产生分别例如C或F的状态。

4、然后样本经受强制的湿流体注入的阶段，这可以导致状态D或状态G。

5、从步骤2重复该循环任意次数。

可以量化流体结构在每个循环中的每个阶段的差别，从而可以估计相关的多相流体属性。如上所示，2910显示了针对单个润湿性状态的指示性的毛细管压力扫描曲线；实验循环可以用其他流体和在不同条件下进一步在相同岩心材料上进行，这将得到不同组的毛细管压力/水饱和度扫描曲线。这些状态反过来被成像且流体饱和度状态中的差别可以被成像和量化地比较。

图30-31中所示的饱和度状态基于毛细管压力扫描曲线2910上的指示性的点A-D。图30显示了状态A和状态B中的来自配准的3D体的相同切片之间的流体分布的变化，在状态A用水3010使样本饱和，在状态B，先在油(或气)压下注入样本以达到原生水饱和度3012。在3012中，油已经排入样本中的孔隙是黑的，剩余的水饱和度位于较小(稍亮)的孔隙中。量化配准不仅能够识别在状态B注入的流体的量，这可以基于容量分析来测量，还能够直接观察两种流体的详细孔隙规格分布。两种流体的相对流动能力可以通过模拟3D图像中每个相的相对渗透性来量化。这样的量化分析可以产生针对岩石的初始碳氢化合物流动潜力的估计，其是重要的生产启示的参数。

在油或气从状态B观察到的初始(原生水)饱和度自发的和强制性的迁移之后，分别定义图31和32A中的状态C和D。现在可以观察到通过“自发的”流体注入和强制的水注入来采油之后有多少油或气遗留在样本中。此观察非常重要，因为其识别了剩余的油和气的位置。了解剩余的油或气在储层中的分布将有助于识别是否考虑进行进一步的注采/处理的备选，因为剩余的油和气可以通过多种已知备选技术(例如，三次注采，低盐度注采，化学注采，表面活性剂注入，气注入等)来移出。通过本方法也可以直接考虑流体通过这些技术的迁移。

图32A显示了来自配准的3D断层扫描照片的相同切片，其描述了在不同润湿性条件下在注采之后获得的不同的合成残余碳氢化合物分布-3210显示了在水湿条件下水注采进入水：油系统后的残余碳氢化合物分布，3212显示了在混合润湿性(MW)条件下水注采进入水：油系统后残余碳氢化合物分布。流体的分布不同且可被量化。例如图32B中的图形3214至3220量化了在这些不同的润湿性条件下的残余碳氢化合物斑点尺寸的尺寸变化(在水注采后定位油非常重要)；在图32B中，在自发吸入(SI)和强制吸入(FI)之后，从水湿条件(图形3218)到混合湿条件(图形3220)残余碳氢化合物斑点的尺寸产生变化。

图33显示了如何将3D图形配准用于识别多个长度规格的样本属性。很多材料包含不同尺寸(从纳米到厘米)的3D结构特征。单个3D图像不能以所有多种规格捕捉全部信息(例如图像可能需要10,000,000立方或200万亿字节(200千兆字节))。为了弥补探测多种长度规格所需的差距，可以以多规格成像，并且使用量化配准将精细结构映射到较大域。

在图33中显示了样本的图像的示例，其具有从毫米到纳米规格的跨度的特征。切片3310所表示的3D图像是以20微米体素尺寸，在4cm直径的视场获得的。这使得能够辨别20微米和4cm之间的材料的特征。然而，为了以更高的分辨率探测特征，以4cm规格原始成像的样本的一个或多个子集可以被再成像。图像3312显示了一个这样的示例。此图像为原始图像3310的子集，并且以2.5微米的分辨率获得。现在可以以改进的分辨率来识别特征，其比原始分辨率高大约为8倍。可以通过获得成像数据的3D集合将从这两个图像获得的信息整合，该成像数据的3D集合包括针对图像3310的各个体素映射的图像3312的高分辨率图像数据。

图34显示了嵌入到较大图像3410中的更高分辨率图像3412。图像3412的更高的分辨率使得容易识别图像3410中的特征，否则这些特征变得难以在多个再现之后被“分辨”。

图35显示了具有不同分辨率的图像的相同子区域的并排比较。在较低分辨率图像3510中未分辨的特征可以在较高分辨率图像3512中被识别。由于图像配准的准确的和量化的特性，能够利用在较高分辨率图像识别的特征来“填入”较大图像中的欠佳的或未分辨的特征。图像2510中识别的灰度可以直接映射到在较高清晰度图像3512中清楚识别的相中。例如，图像3512中清楚观察到的孔隙度和孔隙尺寸可以关联到在左手边图像中识别的灰度值。类似于图23和24中所示的将2D数据扩散/整合到3D体中，来自3412和3512的相关的3D结构信息(例如孔隙尺寸、孔隙形状、颗粒结构)可以被扩散到更大体积的图像数据中(分别为3410和3510)。

F、其他方面

所公开的方法和系统有助于将从传统显微技术获得的详细的结构信息(矿物学和探测亚微型规格)耦合到3D X射线显微CT数据。特别的，所公开的方法能够将详细的2D显微镜图像光学配准到从显微CT获得的3D图像上。此结果极大地扩展了传统显微CT成像的能力。

另外，所公开的方法和系统测量在各种润湿性条件和饱和度状态下流体在相同的3D多孔样本上的3D孔隙规格分布。该方法能够从束线移走多孔样本，在实验室中在系统上进行一组实验，并且在后期对样本再成像以获得3D图像的体素至体素的配准。

从上述描述明显看出，所公开的用于处理图像数据的方法的应用结果是获得了整合图像数据，其包括与样本的一个或多个特性有关的信息。所获得的信息相对于从每个单独图像获得的信息是附加的。另外，由于信息可以外推到图像之间的重叠区域之外，本方法能够获得相对于从参与配准过程的原始图像获得的组合信息附加的信息。

另外，本方法能够估计样本的成像区域中甚至是整个样本中的样本特性的空间分布。这里，词语“特性”用作非常宽泛的术语，意指包括样本的信息的任何特征或属性。这样的特性的示例可以包括如下的至少一个：样本的物理属性、结构属性、化学属性、矿物学、孔隙率、渗透性、声学属性、颗粒尺寸、孔隙尺寸、弹性属性、表面属性和局部表面相互作用、连通性特性、颗粒边界、粘结相、地质相类型以及地址岩石种类、矿物相结构或孔隙流体分布。特别地，所公开的方法有利地能够应用于处理两个3D图像的配准的情况中。

从上述示例明显看出，所描述的设置可应用于气、油和采矿行业。然而，可以预见所描述的技术也可以应用于其他行业。

上述描述是针对配准和整合2D和3D图像的方法，应注意，其他应用也被认为在本发明的范围内。例如，本发明还涉及一个或多个计算机系统，包括存储器，以及被编程以执行计算程序的一个或多个微处理器，所述计算程序执行来自2D/3D图像和来自3D/3D图像的数据的配准和整合。利用工作流程部分描述的任务并行和数据并行中的至少一个来执行计算程序。可被执行以执行所述方法的计算机程序以及包括含有计算机程序的计算机可读介质的计算机产品也在本发明的范围内。

另外，应注意，尽管所描述的方法与显微CT相关，但是其他用于3D成像的方法也可用于获得通过所描述的方法处理的3D图像，例如但不限于MRI、共聚焦显微镜、超声波、SPECT和PET。

Claims

1.一种处理样本的图像数据的方法，所述方法包括：

配准至少部分重叠样本的空间区域的第一和第二图像；以及

处理来自配准图像的数据以获得包括与样本有关的信息的整合图像数据，所述信息相对于从所述第一和第二图像获得的信息是附加的。

2.根据权利要求1所述的方法，其中所述信息包括对样本的特性的空间分布的量化估测。

3.根据权利要求2所述的方法，其中所述配准包括基于分辨率逐渐变高的图像来执行计算变换参数的迭代过程。

4.根据权利要求1至3中任一项所述的方法，其中所述第一图像为3D图像，所述第二图像为具有相对较高分辨率的2D图像，以及其中所述配准包括2D图像数据与3D图像数据的各切片的坐标对齐。

5.根据权利要求4所述的方法，其中通过映射与2D图像相关联的像素图像数据以填入3D图像的所述切片的各配准的体素，获得用于所述切片的整合图像数据。

6.根据权利要求5所述的方法，其中处理来自2D图像以及所述切片的图像数据，以获得遍布3D图像所成像的至少一个空间区域的样本的所述特性的空间分布的所述量化估计。

7.根据权利要求4至6中任一项所述的方法，其中对2D图像数据进行预处理以提供跨越一定范围的长度规格的所述量化估计。

8.根据权利要求4至7中任一项所述的方法，其中在将2D图像与3D图像配准之前对2D图像去扭曲。

9.根据权利要求1至3中任一项所述的方法，其中所述第一和第二图像为3D图像。

10.根据权利要求9所述的方法，其中所述第一图像比所述第二图像的分辨率高，且其中通过映射与第一3D图像相关联的像素图像数据以填入所述第二3D图像的各配准的体素来获得所述整合图像数据。

11.根据权利要求10所述的方法，其中处理来自第一3D图像的图像数据，以获得遍布第二3D图像所成像的至少一个空间区域的样本的所述特性的空间分布的所述量化估计。

12.根据权利要求9所述的方法，其中第一和第二3D图像取自不同的时间点，且其中所获得的整合数据形成第三3D图像，所述第三图像由表示第一和第二3D图像的图像数据之间的差别的数据填入。

13.根据前述权利要求中任一项所述的方法，其中所述特性包括样本的物理属性、结构属性、化学属性、矿物学、孔隙度、渗透性、声学属性、颗粒尺寸、孔隙尺寸、弹性属性、表面属性和局部表面相互作用、连通性特性、颗粒边界、粘结相、地质相种类、地质岩体种类、矿物相结构、或孔隙流体分布中的至少一个。

14.根据前述权利要求中任一项所述的方法，所述方法进一步包括利用整合数据来模拟成像样本的物理属性的步骤，所述物理属性包括样本材料的不同流体相的相对渗透性、电阻率、介电反应、NMR反应、和弹性中的至少一个。

15.根据权利要求4至8中任一项所述的方法，其中3D图像通过显微CT成像获得，2D图像通过如下技术中的任一项获得：

扫描电子显微镜(SEM)；

光学显微镜；

聚焦离子束SEM；

激光共聚焦显微镜；

能量分散X射线分析；

X射线荧光；

X射线光电子能谱；

二次离子质谱；

红外与拉曼光谱；

UV和可见光谱；

扫描声学显微镜；和

原子力显微镜。

16.根据前述权利要求中任一项所述的方法，其中利用多分辨率多起点全局最优化方法来执行图像配准。

17.根据权利要求16所述的方法，其中实施所述最优化方法的计算策略包括任务并行和数据并行中的至少一种。

18.根据权利要求17所述的方法，其中图像配准的计算程序实施分布式存储器并行算法。

19.根据前述权利要求中任一项所述的方法，其中所述第一和第二图像被任意地彼此相对定向、平移和/或缩放。

20.根据前述权利要求中任一项所述的方法，其中当单独考虑每个图像时，所获得的整合图像数据包括与样本有关的信息，该信息相对于从所述第一和第二图像获得的信息是附加的。

21.一种计算机程序，能够执行以实现前述权利要求中任一项所述的步骤。

22.一种计算机程序产品，具有计算机可读介质，其中该计算机可读介质包括根据权利要求20所述的计算机程序。

23.一种用于处理样本的图像数据的电子系统，包括：

至少一个成像装置，设置为获取至少部分重叠样本的空间区域的第一图像和第二图像；

存储装置，设置为存储所获取的图像；以及

至少一个微处理器，设置为检索和配准所获取的图像的数据以获得整合图像数据，整合图像数据包括与样本有关的信息，所述信息相对于从所述第一和第二图像获得的信息是附加的。

24.根据权利要求23所述的系统，其中至少一个成像装置包括3D成像装置。

25.根据权利要求23所述的系统，其中至少一个成像装置包括2D和3D成像装置，2D成像装置能够产生实质上比3D成像装置所获得的图像的分辨率更高的图像。