CN105160685A - 一种岩石孔隙和颗粒系统的计算机数字图像识别方法 - Google Patents

Abstract

本发明公开了一种岩石孔隙和颗粒系统的计算机数字图像识别方法。其步骤和特点包括：(1)基于图像中各部分颜色在RGB颜色空间中的距离和多个标准颜色来区分孔隙与颗粒，实现自动图像二值化。(2)通过种子算法识别图像中的黑色杂点区块，根据每个区块的面积，来区分出黑色杂点并归并到周围区块中或去除，并去除所有白色杂点。(3)通过改进的种子算法，能封闭特定直径的孔喉，实现孔隙的自动分割和识别，包括对图像做腐蚀运算，以清除孔隙间的细小连接，然后识别出种子孔隙，再将剩余像素归并到种子孔隙上，得到完整的孔隙。(4)通过手动操作来分割不同颗粒，并应用改进的种子算法进一步识别出各个颗粒，将这些不同区块的像素被记录下来，以计算区块各类的几何参数。

Description

一种岩石孔隙和颗粒系统的计算机数字图像识别方法

技术领域

本发明涉及岩石微观结构计算机识别技术，尤其是基于标准颜色分割和改进种子算法的方法,特别是涉及到一种岩石孔隙和颗粒系统的计算机数字图像识别方法。

背景技术

随着计算机技术和信息技术的迅速发展，数字图像处理技术已经为现代科学技术的发展提供了一项过去没有的技术手段，并相继在多种学科如医学、生物、航空航天等相关的科研领域得到了广泛的应用。同时，也为岩石微观结构定量化分析提供了可行途径。现在已有不少方法和软件被应用于定量化微观结构系统。这些方法主要基于二值图中孤立区域的识别。这种技术的关键在于如何分割图像，使得在二值图像中黑色像素代表孔隙。现有的数字图像处理技术来量化微观孔隙的研究正在开展中，但是仍然存在着图像识别和测量分析上的一系列问题，并影响了结果的准确性。因此，需要在识别算法上进行改进，以得到更精确的微观孔隙颗粒数据。

发明内容

为了克服传统手动测量存在着人工误差，低精度和低效率等缺点问题。本方法提出一种岩石微观结构孔隙颗粒数字图像识别与处理的方法。通过图像二值化、去杂点、孔隙系统识别、颗粒系统识别等步骤，能有效识别图像中的颗粒与孔隙，区分出图像中的每一个孔隙和颗粒，可以为下一步的统计工作提供有价值的参数。

本发明为解决孔隙颗粒数字识别所提出的技术方案是：一种岩石孔隙和颗粒系统的计算机数字图像识别方法，包括以下步骤：

步骤10：输入图像和标准颜色；即通过光学显微镜拍照得到的砂岩薄片微观图像；岩石铸体薄片孔隙的颜色以蓝色为主，表现为普蓝CM、浅蓝CL、深蓝CD和绿色调CG；向上位机中输入其四个标准参考颜色：

CM＝#00558C，CL＝#007D9F，CD＝#00245B，CG＝#006B69；

步骤11：进行砂岩微观图像的二值化操作；在RGB颜色空间中，环氧树脂颜色为蓝色，颗粒的颜色为白色和黄色，根据它们不同的颜色区分图像中的孔隙和颗粒，对于图像中任一像素点，计算其颜色值P(R,G,B)与标准颜色X(R,G,B)在RGB颜色空间中距离：

d＝|P-X|(2)；

如果当前像素与步骤10中输入的任一标准颜色的距离d小于给定的阈值T，则当前像素点被识别为孔隙，反之则被识别为颗粒；对于岩石薄片图像，所述阈值T取60；

步骤12：针对步骤11中得出的二值化图像中杂点的去除，通过种子算法或扫描线种子算法来识别图像中独立的孔隙和杂点，具体步骤为：1)查找一个种子像素；2)在二值图像中查找与种子像素相连通的所有像素点，并将其记录下来；通过a，b两个种子像素点，查找出独立的两个区块A’和B’。识别出图像中各独立区块后，计算每个区块的面积，当区块面积小于给定最小孔隙阈值TA时，则将其识别为杂点并去除；

步骤13：对孔隙区块进行腐蚀运算，消除孔隙间通道，得到了两个独立的种子区块A’和B’；

步骤14：将腐蚀区域归并到邻近种子区块，并识别出两个独立的孔隙区域；

步骤15：获取孔隙识别结果；计算各区块的面积，将小于最小孔隙阈值的区块归并到邻近的大孔隙中，得到最终的孔隙识别结果；

步骤16：根据图像中颗粒形态、颜色和纹理特征区分出不同颗粒，用单像素的曲线划出颗粒间的边界手动操作来分割不同颗粒；采用步骤12至15方法进一步识别出各个颗粒；

步骤17输出颗粒识别结果。

进一步地，所述步骤12中的最小孔隙阈值TA取值为50.

进一步地，所述步骤13-14具体实现过程为：

步骤20：在图像中存在两个像素化的孔隙，孔隙之间通过直径为两像素的孔喉连接；

步骤21：运用腐蚀算法对孔隙进行两像素的腐蚀，孔隙边界向内收缩两个像素；

步骤22：采用种子算法识别出两个独立的种子区块A’和B’；

步骤23：应用归并算法，将被腐蚀掉的像素归并到相连通的最近种子区块上；

步骤24：识别出两个孔隙A和B。

本发明的有益效果是：一方面传统手动测量存在着人工误差，低精度和低效率等缺点，而采用本发明提出的孔隙和颗粒识别方法具有低损耗，可重复和高效性等优势，并且相比手动测量，精度大大提高。另一方面本发明基于数字图像二值化，二值图像去杂点，孔隙封闭，孔隙系统识别，颗粒系统识别的一整套数字图像处理方案，大大方便了相关人员的操作使用，减少了工作量。并可以通过得到的孔隙颗粒数据自动计算出岩石微观结构的各种有价值的参数，极大的提高了对所研究的岩石微观结构的认知，对实际工程运用，相关领域研究提供了帮助。

附图说明

图1为本发明的颗粒(孔隙)与裂隙识别系统方法总体结构流程图；

图2为本发明的种子算法在像素尺度上的具体流程图；

图3为本发明的归并算法在像素尺度上的具体工作流程图。

具体实施方式

图1为本方法实施的总体结构和工作原理，其特点是采用标准颜色、改进种子算法等技术实现了岩石孔隙系统自动识别和颗粒系统的识别。

步骤10输入图像和标准颜色。通过光学显微镜拍照得到的砂岩薄片微观图像一般为彩色图像。岩石铸体薄片孔隙的颜色以蓝色为主，表现为普蓝(CM)、浅蓝(CL)、深蓝(CD)和绿色调(CG)。输入其四个标准参考颜色CM(#00558C)，CL(#007D9F)，CD(#00245B)，CG(#006B69)。

步骤11是进行砂岩微观图像的二值化操作。彩色图像每一个像素的颜色由红绿蓝(RGB)三个颜色分量确定，每个分量取值为0～255。在RGB颜色空间中，环氧树脂的蓝色与颗粒的颜色(白色和黄色)相距很远，图像中的孔隙和颗粒可以根据它们不同的颜色区分开来。因此，对于图像中任一像素点，计算其颜色值P(R,G,B)与标准颜色在RGB颜色空间中距离：

d＝|P-X|(3)

如果当前像素与任一标准颜色的距离d小于给定的阈值T，则当前像素点被识别为孔隙，反之则被识别为颗粒。对于岩石薄片图像，阈值T取60。如步骤10的彩色图像通过二值化得到步骤11的黑白二值图像，其中黑色代表孔隙，而白色代表颗粒。

步骤12是针对步骤11中得出的二值化图像中杂点的去除，图像中独立的孔隙和杂点，可以通过经典的种子算法或改进的扫描线种子算法来识别。这种方法的基本思想包括两个部分：1)查找一个未被记录的任一个种子像素；2)在二值图像中查找与种子像素相连通的所有像素点，并将其记录下来。如步骤12对应的图中，通过a，b两个种子像素点，即可查找出独立的两个区块A’和B’。识别出图像中各独立区块后，计算每个区块的面积，当区块面积小于给定最小孔隙阈值TA时，则将其识别为杂点并去除。

步骤13-14采用改进的种子算法分割和识别孔隙。步骤13对孔隙区块进行腐蚀运算，消除孔隙间通道，得到了两个独立的种子区块A’和B’。

步骤14是将腐蚀区域归并到邻近种子区块，并识别出两个独立的孔隙区域。

步骤15是获取孔隙识别结果。在腐蚀运算中，孔隙边缘的突起可能保留为细小的种子区块(步骤13附图中区块C’)，并在归并运算中被识别为独立的小孔隙(步骤14附图中区块C)。因此，需要计算各区块的面积，将小于最小孔隙阈值的区块归并到邻近的大孔隙中，得到最终的孔隙识别结果。附图中不同的灰度代表不同的孔隙。

步骤16是根据图像中颗粒形态，颜色和纹理特征等区分出不同颗粒，用单像素的曲线划出颗粒间的边界手动操作来分割不同颗粒。采用步骤12至15方法进一步识别出各个颗粒。

步骤17输出颗粒识别结果，图中不同颜色的区块代表不同的颗粒。

具体地说，本发明的步骤具体实现过程为：

(1)基于标准颜色的彩色图像自动二值化。首先彩色图像需要转化成二值黑白图像，通过计算图像各像素颜色和标准颜色在RGB颜色空间的距离，与预先给定的阈值T做比较，从而区分出孔隙和颗粒；在得到的二值图像中，黑色代表孔隙，白色代表颗粒。

(2)二值图像去杂点。通过应用传统种子算法查找二值图像中所有的独立区块，计算每个区块的面积，当区块小于给定的最小孔隙阈值TA时则将识别为杂点并去除。

(3)采用改进的种子算法实现孔隙系统分割和识别。传统种子算法可以得到了图像中各个独立区域的像素集合。但如图1步骤10所示，两个孔隙之间可能通过细小通道(即孔喉)连接，采用传统种子算法无法正确地区分图中A和B两个孔隙。因此，本发明提出一种改进的种子算法，通过封闭特定直径的孔喉，实现孔隙的自动分割和识别。包括对图像做腐蚀运算，以清除孔隙间的细小连接，然后识别出各种子孔隙，再将剩余像素归并到种子孔隙上，得到真实孔隙。

(4)颗粒系统识别。由于岩石中的颗粒在成岩过程中经历了压实、胶结和结晶等作用。颗粒联接紧密，颗粒间的分界线常常不够清晰，很难通过二值图像和逻辑运算来自动区分和识别颗粒，所以通过手动操作来分割不同颗粒，并进一步识别出各个颗粒。用单像素的曲线划出颗粒间的边界，由于颗粒已经进行了分割，通过与孔隙识别相同的步骤完成颗粒的识别。

图2是种子算法在像素尺度上的具体流程图，即步骤13-14具体实现过程。

步骤20是表示在图像中存在两个像素化的孔隙，孔隙之间通过直径为两像素的孔喉连接。

步骤21是运用腐蚀算法对孔隙进行两像素的腐蚀，孔隙边界向内收缩两个像素，通过此操作，消除了孔隙间通道。

步骤22是采用种子算法识别出两个独立的种子区块A’和B’。

步骤23是应用归并算法，将被腐蚀掉的像素归并到相连通的最近种子区块上。

步骤24识别出两个孔隙A和B。

图3是归并算法的具体工作流程图，即步骤23的具体实现过程。其主要思想是记录被腐蚀的像素，将其逐层归并到已识别出的种子孔隙中，种子孔隙逐步“生长”，得到完整的孔隙系统。

步骤30将图像中被腐蚀的像素记录在集合E中。

步骤31遍历集合E中各像素，将与种子区块相邻的像素记录在集合A中，剩余像素记录在集合B中。

步骤32将集合A中的像素分配到与之相邻的种子孔隙中，实现种子孔隙的“生长”，即种子孔隙边缘增厚一个像素。将集合B中的像素赋给集合E。

步骤33判断集合E中的元素个数是否减少。如果减少了，返回步骤31；如果不变，说明所有种子孔隙已经完成“生长”，进入步骤34。

步骤34将各孔隙像素记录在相应集合中，得到孔隙识别结果。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种资源的主题处理方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种岩石孔隙和颗粒系统的计算机数字图像识别方法，其特征在于：包括以下步骤：

步骤10：输入图像和标准颜色；即通过光学显微镜拍照得到的砂岩薄片微观图像；岩石铸体薄片孔隙的颜色以蓝色为主，表现为普蓝CM、浅蓝CL、深蓝CD和绿色调CG；向上位机中输入其四个标准参考颜色：

CM＝#00558C，CL＝#007D9F，CD＝#00245B，CG＝#006B69；

步骤11：进行砂岩微观图像的二值化操作；在RGB颜色空间中，环氧树脂颜色为蓝色，颗粒的颜色为白色和黄色，根据它们不同的颜色区分图像中的孔隙和颗粒，对于图像中任一像素点，计算其颜色值P(R,G,B)与标准颜色X(R,G,B)在RGB颜色空间中距离：

d＝|P-X|(1)；

如果当前像素与步骤10中输入的任一标准颜色的距离d小于给定的阈值T，则当前像素点被识别为孔隙，反之则被识别为颗粒；对于岩石薄片图像，所述阈值T取60；

步骤12：针对步骤11中得出的二值化图像中杂点的去除，通过种子算法或扫描线种子算法来识别图像中独立的孔隙和杂点，具体步骤为：1)查找一个种子像素；2)在二值图像中查找与种子像素相连通的所有像素点，并将其记录下来；通过a，b两个种子像素点，查找出独立的两个区块A’和B’。识别出图像中各独立区块后，计算每个区块的面积，当区块面积小于给定最小孔隙阈值TA时，则将其识别为杂点并去除；

步骤13：对孔隙区块进行腐蚀运算，消除孔隙间通道，得到了两个独立的种子区块A’和B’；

步骤14：将腐蚀区域归并到邻近种子区块，并识别出两个独立的孔隙区域；

步骤15：获取孔隙识别结果；计算各区块的面积，将小于最小孔隙阈值的区块归并到邻近的大孔隙中，得到最终的孔隙识别结果；

步骤16：根据图像中颗粒形态、颜色和纹理特征区分出不同颗粒，用单像素的曲线划出颗粒间的边界手动操作来分割不同颗粒；采用步骤12至15方法进一步识别出各个颗粒；

步骤17输出颗粒识别结果。

2.根据权利要求1所述的一种岩石孔隙和颗粒系统的计算机数字图像识别方法，其特征在于：所述步骤12中的最小孔隙阈值TA取值为50。

3.根据权利要求1所述的一种岩石孔隙和颗粒系统的计算机数字图像识别方法，其特征在于：所述步骤13-14具体实现过程为：

步骤20：在图像中存在两个像素化的孔隙，孔隙之间通过直径为两像素的孔喉连接；

步骤21：运用腐蚀算法对孔隙进行两像素的腐蚀，孔隙边界向内收缩两个像素；

步骤22：采用种子算法识别出两个独立的种子区块A’和B’；

步骤23：应用归并算法，将被腐蚀掉的像素归并到相连通的最近种子区块上；

步骤24：识别出两个孔隙A和B。