CN105352873B - 页岩孔隙结构的表征方法 - Google Patents
页岩孔隙结构的表征方法 Download PDFInfo
- Publication number
- CN105352873B CN105352873B CN201510837038.9A CN201510837038A CN105352873B CN 105352873 B CN105352873 B CN 105352873B CN 201510837038 A CN201510837038 A CN 201510837038A CN 105352873 B CN105352873 B CN 105352873B
- Authority
- CN
- China
- Prior art keywords
- shale
- image
- hole
- scanning electron
- electron microscope
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011148 porous material Substances 0.000 title claims abstract description 31
- 239000005416 organic matter Substances 0.000 claims abstract description 47
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 46
- 238000005498 polishing Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001000 micrograph Methods 0.000 claims abstract description 19
- 238000003708 edge detection Methods 0.000 claims abstract description 13
- 238000012512 characterization method Methods 0.000 claims abstract description 12
- 230000002708 enhancing effect Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims description 4
- 229910052786 argon Inorganic materials 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010884 ion-beam technique Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 abstract description 4
- 239000011799 hole material Substances 0.000 description 97
- 239000007789 gas Substances 0.000 description 11
- 238000009826 distribution Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 6
- 229910052751 metal Inorganic materials 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 239000012188 paraffin wax Substances 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 244000137852 Petrea volubilis Species 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000003079 shale oil Substances 0.000 description 2
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供一种页岩孔隙结构的表征方法,包括如下步骤:1)采用扫描电镜对抛光处理后的页岩进行扫描,得到扫描电镜图像;2)对扫描电镜图像进行矩阵化处理,得到页岩的灰度直方图;将灰度直方图进行二值化阈值分割,得到页岩的灰度图;3)对灰度图进行图像增强处理,得到增强灰度图;利用Canny算子边缘检测方法对增强灰度图进行边缘检测,利用bwlabel方法对各类型的孔隙标注,采用regionprops方法提取各类型孔隙的基本参数;4)根据基本参数,得到页岩孔隙结构表征参数。本发明将页岩孔隙以发育位置的不同进行分类,通过对页岩的有机质孔隙和无机矿物孔隙分别表征,从而能够更加客观的对页岩中的页岩储气量进行评价。
Description
技术领域
本发明涉及天然气勘探技术,尤其涉及一种页岩孔隙结构的表征方法。
背景技术
随着非常规油气的大规模勘探开发,页岩油气作为一种非常规油气成为众人关注的焦点,对于页岩油气的研究也日益深入。页岩储层孔隙结构特征决定着页岩的吸附气量,是页岩气研究的重点。
页岩主要由大量的有机物质与无机物质组成,而页岩孔隙按照发育位置的不同可以分为有机质孔隙和无机矿物孔隙,发育在有机质上的孔隙为有机质孔隙,发育在无机质上的孔隙为无机矿物孔隙。页岩气的赋存形式具有多样性和复杂性,包括有机质和无机矿物表面的吸附态、微-纳米孔隙和微裂缝里的游离态和极少量油、水中的溶解态,其中又以吸附态和游离态为主。不同位置发育的孔隙由于孔隙介质的性质不同,对气体的吸附具有差异。要想准确预测页岩的含气量,就必须对页岩储层孔隙结构进行分级、分类定量表征。
目前对于页岩储层孔隙结构表征开展了大量研究,其中主要的定量表征技术手段有压汞法和气体吸附法,但这两种测试方法的结果展示的都是页岩整体的孔隙结构特点,只能从孔径大小的角度来表征页岩储层孔隙结构特征,而不能将页岩中有机质孔隙和无机矿物孔隙分开定量表征。
发明内容
本发明提供一种页岩孔隙结构的表征方法,用来克服现有技术中只通过孔径大小的角度表征页岩储层孔隙结构而为评价页岩储气能力带来局限性的缺陷。
本发明提供的页岩孔隙结构的表征方法,包括如下步骤:
1)采用扫描电镜对抛光处理后的页岩进行扫描,得到扫描电镜图像;
2)对所述扫描电镜图像进行矩阵化处理,得到所述页岩的灰度直方图;将所述灰度直方图进行二值化阈值分割,得到所述页岩的灰度图;
3)对所述灰度图进行图像增强处理,得到增强灰度图;利用Canny算子边缘检测方法对所述增强灰度图进行边缘检测,利用bwlabel方法对各种类型的孔隙进行标注,同时采用regionprops方法提取各种类型孔隙的基本参数;
4)根据所述基本参数,得到页岩孔隙结构表征参数。
一般进行电镜扫描时,可以选取约为1cm×0.5cm×0.5cm的块体页岩作为页岩样品,同时为了保证扫描电镜图像的清晰度与真实度,在对页岩样品进行电镜扫描之前需要对页岩样品进行抛光处理以使页岩表面平滑。具体的,将金属载物台放置在加热台上,并将加热台温度设置为130℃,待金属载物台升温后将少量石蜡放置在载物台上熔化,使页岩的观测面朝上将其粘贴在石蜡上,然后将金属载物台取下使石蜡固化,再将载物台放置于抛光设备中进行抛光。抛光处理结束后,将抛光后的样品从载物台上取下,同样使观测面朝上用导电胶将样品粘贴在样品台上,将样品台放置于扫描电镜设备的观察舱内进行扫描电镜观察,整个过程中要注意尽量避免碰触到样品的观测面,以免影响到后期的扫描电镜观察。
扫描结束后得到页岩样品的扫描电镜图像。通过肉眼观察,能够发现扫描电镜中存在颜色深浅的不同区域,一般的,通过经验能够简单辨别出颜色浅的为无机物区域,颜色较深的为有机物质区域,颜色最深的为孔隙,包括有机质孔隙和无机矿物孔隙。为了对不同区域进行清楚的划分,需要采用各种图像处理技术对上述扫描电镜图像进行多步骤的处理。
步骤2)中,首先对扫描电镜图像进行矩阵化处理将图片转化为二维矩阵,即通过分析扫描电镜图像像素位上的RGB色彩值,使矩阵中每一个坐标数值保存该像素位上的RGB色彩值,以像素矩阵为基本单位进行矩阵化处理,再把所有RGB值转化为0-255范围的灰度值并进行统计,得到页岩样品的灰度直方图,灰度直方图表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。通过灰度直方图中的灰度分水岭,即灰度阈值,对灰度直方图进行二值化阈值分割,最终得到页岩样品的灰度图。本发明的页岩样品灰度图中,分别通过白色、灰色以及黑色清晰的反映出无机矿物、有机质以及孔隙。
由于入射电子本身的波动性和成像过程中的像散、外界震荡、电噪音等噪声,通常会使扫描电镜图像的质量降低,因此上述得到的灰度图需要进行图像增强处理,即去噪处理,得到增强灰度图。在图像完成去噪之后,运用Canny算子边缘检测方法以清晰的检测出有机质、无机矿物和孔隙在图像中的边缘,完成对孔隙、有机质和无机矿物的分类。Canny算子边缘检测方法的具体原理为:首先,将图像分为在X轴正负方向和Y轴正负方向的四个方向角,图像中其他方向的梯度值向以上四个方向转化,然后将在同一个方向角上具有最大梯度值的像元作为边缘像元保留,将其他像元删除,最后通过滞后的阈值化将边缘标记出来,完成边缘检测。
在完成边缘检测的基础上,需要对检测出的孔隙进行分析,包括信息提取和信息分析。信息提取是采用bwlabel方法对不同的孔隙进行标注,即标注出有机质孔隙以及无极矿物孔隙,随后使用regionprops方法,分别对标注后的孔隙的基本参数进行提取,分别得到有机质和无机矿物中每个孔隙的一级参数,利用提取的基本参数信息,进行表征参数的分析,最终通过基本参数与表征参数的结合对页岩样品中每个有机质孔隙以及无机矿物孔隙进行了表征。
本发明提供的页岩孔隙结构的表征方法,以页岩孔隙发育位置的不同为切入点,将页岩孔隙分为有机质孔隙以及无机矿物孔隙,以页岩扫描电镜图像为基础,最终得到页岩中每个有机质孔隙以及无机矿物孔隙的系列参数。由于不同介质对页岩气的吸附性具有差异,因此,通过本发明的页岩表征方法能够更加客观的对页岩中的页岩储气量进行分析评价。
进一步地,所述基本参数包括每一孔隙的面积、长轴半径、短轴半径和周长。采用regionprops方法能够获取页岩样品中的每一个孔隙的面积、长轴半径、短轴半径和周长,也即可以获得页岩中有机质孔隙以及无机矿物孔隙的数量。
进一步地,所述页岩孔隙结构表征参数包括有机质孔隙的等效圆半径、圆度、延伸率以及无机矿物孔隙的等效圆半径、圆度、延伸率。具体地,可以通过下述公式并结合基本参数,计算出每一个孔隙的等效圆半径、圆度、延伸率。当然,本发明中的表征参数并不只限于孔隙的等效圆半径、圆度、延伸率,还可以通过其它公式结合基本参数,计算出页岩孔隙的孔隙度、分选系数、均值系数以及比表面等。
等效圆半径(R)的计算公式为 公式1
圆度(C)的计算公式为 公式2
延伸率(E)的计算公式为 公式3
进一步地,为了使页岩样品在进行扫描电镜处理时表面光滑,可以在对页岩样品进行抛光前,对页岩样品进行打磨处理,并且控制打磨时间为80~100min。具体地,当页岩样品为长度、宽度和厚度约为1cm×0.5cm×0.5cm的块体时,例如选取长度和宽度为1cm×0.5cm的面作为观测面,可以依次用80目、280目、600目、1000目、2000目和3000目的砂纸对观测面进行打磨,页岩样品厚度会磨制为0.2cm左右,然后再用5000目的砂纸对观测面进行精细打磨,在打磨的时候要注意以圆圈的方式进行打磨,整个打磨过程优选为90min。这里应该注意到是,在对页岩进行观测面平滑处理时,只能采用机械外力的方式对页岩样品进行处理,不能经过任何化学处理,否则无法保证岩样的原始状态。
进一步地,所述抛光处理为氩离子抛光,抛光时长为4-6h,并且控制抛光的工作条件为:电压4kv;电流1.8mA;离子束入射角6°。本发明对抛光的具体处理方式不做限制。
进一步地,所述扫描电镜的工作条件为:放大倍数:10000~100000倍;高真空背散射模式;加速电压:20KV;工作距离:11~14mm。
进一步地,本发明的步骤2)具体包括:对所述扫描电镜图像进行矩阵化处理后进行非图像因子删除,得到纯图像二维矩阵;对所述纯图像二维矩进行像素统计,得到所述灰度直方图;根据所述灰度直方图的灰度阈值对所述灰度直方图进行二值化阈值分割,得到所述页岩的灰度图。
由于扫描电镜图像中包括了图像部分以及非图像部分,具体地,非图像部分为扫描电镜图像下方的参数栏,为了得到精确的灰度图,在对扫描电镜图像矩阵化处理后会进行非图像因子删除,即删除非图像部分,以免该部分的像素参与后期的计算。这里需要注意的是,扫描电镜图像中的非图像部分并非没有任何意义,该非图像部分会显示图像部分的图像水平场宽,而水平场宽与水平方向的像素数的比值即为每一个像素单元的边长(水平方向的像素数由图像属性中的分辨率提供),在后处理过程中,regionprops方法正是根据像素单元的边长计算出每个孔隙的基本参数。
进一步地,采用小波去噪法进行所述图像增强处理。小波去噪的原理为:首先对含噪声信号f(t)的图像进行小波变换,得到一组小波分解系数wj,k,然后,对小波分解系数wj,k进行阈值处理,得到估计小波系数Ej,k,利用所述估计小波系数进行小波重构,得到估计信号f(t1),即为去噪之后的信号,得到增强灰度图。在上述去噪过程中,信号经过小波分解后,小于小波分解系数wj,k20%的信号被认为是噪声去除,高于该值的信号保留。
本发明对图像处理的软件不做限制,本发明中采用MATLAB软件对图像进行处理。
本发明的实施丰富了页岩孔隙的表征方法,考虑到不同介质对页岩气吸附能力不同,通过将页岩中有机质孔隙与无极矿物孔隙进行分别表征,为页岩储气量的评价方法提供了更为客观的理论依据。
附图说明
图1为本发明实施例页岩的扫描电镜图;
图2a为本发明实施例页岩的灰度直方图;
图2b为本发明实施例页岩的灰度图;
图3a是本发明实施例页岩中有机质分布图;
图3b是本发明实施例页岩中无机矿物分布图;
图3c是本发明实施例页岩的有机质孔隙分布图;
图3d是本发明实施例页岩的无机矿物孔隙分布图;
图4a为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-数量柱状图;
图4b为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-面积柱状图;
图4c为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-延伸率柱状图;
图4d为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-圆度柱状图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本实施例针对鄂尔多斯盆地延长矿区富县地区富页3井1274.9米处页岩进行孔隙表征,包括如下步骤:
1)样品预处理
将所取的页岩岩心切割成长度、宽度和厚度约为1cm×0.5cm×0.5cm的块体,将长度和宽度为1cm×0.5cm的面作为观测面进行打磨,依次用80目、280目、600目、1000目、2000目和3000目的砂纸打磨,耗时约30min,将样品厚度磨制为0.2cm左右,然后用5000目的砂纸对观测面进行精细打磨,耗时约60min。整个打磨过程以圆圈的方式进行。
2)扫描电镜处理
将金属载物台放置在加热台上,加热台温度设置为130℃,当金属载物台升温后,将少量石蜡放置在载物台上熔化,将上述样品观测面朝上粘贴在石蜡上,然后将金属载物台取下,石蜡固化后,将载物台放置于氩离子抛光设备中进行抛光。其中,氩离子抛光设备的型号是Leica EM RES102多功能离子减薄仪,工作电压为4kv,电流为1.8mA,离子束入射角为6°,抛光耗时6小时。
抛光处理结束后,将样品从载物台上取下,使观测面朝上用导电胶将样品粘贴在样品台上,将样品台放置于扫描电镜设备的观察舱内进行扫描电镜观察,得到样品的扫描电镜图像。其中,扫描电镜的型号是Quanta 200F场发射扫描电子显微镜,扫描电镜加速电压为20kv、放大倍数为16000倍,工作距离为11mm,扫描在高真空模式、背散射环境下进行。
图1为本发明实施例页岩的扫描电镜图。
3)扫描电镜图预处理
预处理包括非图像因子删除以及二值化阈值分割。
首先将导入的扫描电镜图像进行矩阵化处理,即将图片转化为二维矩阵,矩阵中每一个坐标数值保存该像素位上的RGB色彩值,然后将非图像的矩阵删除,得到纯图像的矩阵图像;把所有RGB值转化为0-255范围的灰度值后进行统计,得到灰度直方图,图2a为本发明实施例页岩的灰度直方图。根据图2可知该直方图的灰度阈值为80,即将80作为灰度阈值对灰度直方图进行二值化阈值分割,得到所述页岩的灰度图。图2b为本发明实施例页岩的灰度图。根据物质密度的变化规律,可以判断图像中的白色部分为页岩的无机物质,灰色部分为页岩的有机物质,黑色部分为页岩的孔隙。
4)边缘检测以及基本参数提取
采用小波去噪方式对上述灰度图进行图像增强处理,得到增强灰度图。
运用Canny算子边缘检测方法对增强灰度图进行孔隙、有机质和无机矿物的分类,通过滞后的阈值化将边缘标记出来,完成边缘检测并输出分类图像(图3a和图3b)。通过此步骤可以清晰检的展示出页岩的整体孔隙、有机质和无机矿物的分布。
图3a是本发明实施例页岩中有机质分布图;图3b是本发明实施例页岩中无机矿物分布图。图3a中,白色部分为页岩的无机矿物、灰色部分为页岩的有机物质、黑色部分为页岩的整体孔隙(在白色部分上的黑色部分为无机矿物孔隙,在灰色部分上的黑色部分为有机物孔隙);图3b中,白色部分为页岩的有机质、灰色部分为页岩的无机矿物、黑色部分为页岩的整体孔隙(在白色部分上的黑色部分为无机矿物孔隙,在灰色部分上的黑色部分为有机物孔隙)。
采用bwlabel方法对图3a以及图3b中不同的孔隙进行标注,得到页岩不同类型孔隙的图像。图3c是本发明实施例页岩的有机质孔隙分布图;图3d是本发明实施例页岩的无机矿物孔隙分布图。
使用regionprops方法,对图3c中的孔隙的基本参数进行提取,即通过该步骤获取页岩中全部有机质孔隙的基本参数,其中包括每一个有机质孔隙的面积、长轴半径、短轴半径和周长。
使用regionprops方法,对图3d中的孔隙的基本参数进行提取,即通过该步骤获取页岩中全部无机矿物孔隙的基本参数,其中包括每一个无机矿物孔隙的面积、长轴半径、短轴半径和周长。
5)表征参数的计算
通过前述公式1~3计算出页岩中每一个有机质孔隙的等效圆半径、圆度、延伸率以及页岩中全部无机矿物孔隙的等效圆半径、圆度、延伸率。
根据上述处理最终获取了页岩样品中每一个有机质孔隙的面积、长轴半径、短轴半径、周长、等效圆半径、圆度、延伸率以及每一个无机矿物孔隙的面积、长轴半径、短轴半径、周长、等效圆半径、圆度、延伸率,以孔隙发育位置的不同为区分,通过有机质孔隙和无机矿物孔隙的各种参数对页岩样品进行了表征。
具体的,为了突出页岩样品中有机质孔隙和无机矿物孔隙各种参数的差异性,便于通过吸附介质的不同对页岩储气量进行评价,可以对上述参数进行统计处理,以半径分类,统计得到各种半径范围内的有机质孔隙和无机矿物孔隙的孔隙数量、面积、延伸率以及圆度。图4a为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-数量柱状图;图4b为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-面积柱状图;图4c为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-延伸率柱状图;图4d为本发明实施例页岩的有机质孔隙和无机矿物孔隙的半径-圆度柱状图。
对图4a进行分析,可以看出页岩中的有机质孔隙数量远多于无机矿物数量,且两种类型孔隙的半径多分布于0~50nm之间;
对图4b进行分析,可以看出页岩中的孔隙面积主要由有机质孔隙提供,且由半径>150nm的有机质孔隙提供主要的孔隙面积;
对图4c进行分析,可以看出延伸率随孔径增大而增大,且无机矿物孔隙的延伸率大于有机质孔隙的延伸率;
对图4d进行分析,可以看出页岩中的孔隙半径越小,圆度越大,且有机质孔隙的圆度优于于无机矿物孔隙的圆度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种页岩孔隙结构的表征方法,其特征在于,包括如下步骤:
1)采用扫描电镜对抛光处理后的页岩进行扫描,得到扫描电镜图像;
2)对所述扫描电镜图像进行矩阵化处理,得到所述页岩的灰度直方图;将所述灰度直方图进行二值化阈值分割,得到所述页岩的灰度图;
其中,对所述扫描电镜图像进行矩阵化处理后进行非图像因子删除,得到纯图像二维矩阵;再对所述纯图像二维矩阵进行像素统计,得到所述灰度直方图;
其中,所述灰度图中包括黑、白和灰三种颜色,分别对应页岩中的孔隙、无机物质和有机物质;在白色部分上的黑色部分为无机矿物孔隙,在灰色部分上的黑色部分为有机物孔隙;
3)对所述灰度图进行图像增强处理,得到增强灰度图;利用Canny算子边缘检测方法对所述增强灰度图进行边缘检测,利用bwlabel方法对各种类型的孔隙进行标注,同时采用regionprops方法提取各种类型孔隙的基本参数;
其中,regionprops方法是根据像素单元的边长计算出每个孔隙的基本参数;所述像素单元的边长为图像水平场宽与水平方向的像素数的比值;所述图像水平场宽由非图像部分显示;
4)根据所述基本参数,得到页岩孔隙结构表征参数。
2.根据权利要求1所述的表征方法,其特征在于,所述基本参数包括每一孔隙的面积、长轴半径、短轴半径和周长。
3.根据权利要求1或2所述的表征方法,其特征在于,所述页岩孔隙结构表征参数包括有机质孔隙的等效圆半径、圆度、延伸率以及无机矿物孔隙的等效圆半径、圆度、延伸率。
4.根据权利要求1所述的表征方法,其特征在于,在抛光处理之前先对所述页岩进行打磨处理,并且控制打磨时间为80~100min。
5.根据权利要求1所述的表征方法,其特征在于,所述抛光处理为氩离子抛光,抛光时长为4~6h,并且控制抛光的工作条件为:电压4kv;电流1.8mA;离子束入射角6°。
6.根据权利要求1所述的表征方法,其特征在于,所述扫描电镜的工作条件为:放大倍数:10000~100000倍;高真空背散射模式;加速电压:20KV;工作距离:11~14mm。
7.根据权利要求1所述的表征方法,其特征在于,采用小波去噪法进行所述图像增强处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510837038.9A CN105352873B (zh) | 2015-11-26 | 2015-11-26 | 页岩孔隙结构的表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510837038.9A CN105352873B (zh) | 2015-11-26 | 2015-11-26 | 页岩孔隙结构的表征方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105352873A CN105352873A (zh) | 2016-02-24 |
CN105352873B true CN105352873B (zh) | 2018-12-21 |
Family
ID=55328879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510837038.9A Active CN105352873B (zh) | 2015-11-26 | 2015-11-26 | 页岩孔隙结构的表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105352873B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133630B (zh) * | 2016-02-29 | 2020-04-03 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
CN107063961A (zh) * | 2016-12-15 | 2017-08-18 | 中国矿业大学 | 一种水泥水化三维孔隙结构特征的表征方法 |
CN107067379B (zh) * | 2017-03-16 | 2018-07-20 | 中国科学院地质与地球物理研究所 | 基于三维fib-sem图像的页岩孔隙定量表征方法 |
CN107064187A (zh) * | 2017-04-21 | 2017-08-18 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量测定方法及装置 |
CN107449707B (zh) * | 2017-07-03 | 2020-01-07 | 中国石油天然气股份有限公司 | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 |
CN109285137A (zh) * | 2017-07-21 | 2019-01-29 | 中国石油大学(北京) | 页岩孔隙贡献度的获取方法及装置 |
CN108986068A (zh) * | 2018-05-28 | 2018-12-11 | 江苏中烟工业有限责任公司 | 一种基于圆弧度系数的打叶复烤片烟片形表征方法 |
CN108956416A (zh) * | 2018-06-06 | 2018-12-07 | 中国地质大学(北京) | 一种基于Matlab分析致密砂岩储层孔隙表征的方法 |
CN108961246B (zh) * | 2018-07-10 | 2021-05-07 | 吉林大学 | 一种基于人工智能的扫描电镜图像孔隙识别方法 |
CN110736762A (zh) * | 2018-07-20 | 2020-01-31 | 中国石油化工股份有限公司 | 用于页岩中放射虫化石研究的预处理方法 |
CN109269953B (zh) * | 2018-08-21 | 2019-11-26 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
CN109342288A (zh) * | 2018-11-02 | 2019-02-15 | 中国石油天然气股份有限公司 | 页岩储层孔隙的表征方法 |
CN109374624B (zh) * | 2018-12-12 | 2020-11-06 | 山东大学 | 透水路面堵塞检测方法及系统 |
CN110046589A (zh) * | 2019-04-22 | 2019-07-23 | 北京航空航天大学 | 一种基于图像识别技术与统计理论的纳米银烧结体内部孔隙尺寸及空间分布的表征方法 |
CN110018108B (zh) * | 2019-05-14 | 2020-04-28 | 中国科学院地质与地球物理研究所 | 岩石孔隙孔径的测定方法及设备 |
GB2584660B (en) * | 2019-06-10 | 2022-08-24 | Univ China Petroleum East China | Automatic identification method and system for different mineral pores of mud shale |
CN110223282B (zh) * | 2019-06-10 | 2021-05-14 | 中国石油大学(华东) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 |
CN110189353B (zh) * | 2019-06-10 | 2021-01-19 | 中国石油大学(华东) | 一种泥页岩能谱矿物分布图校准方法及系统 |
CN110211144B (zh) * | 2019-06-10 | 2021-06-22 | 中国石油大学(华东) | 一种泥页岩扫描电镜图片孔隙提取方法及系统 |
CN110644979B (zh) * | 2019-09-03 | 2021-08-27 | 中国石油大学(北京) | 孔隙流体初始赋存状态的获取方法及其装置 |
CN110910444B (zh) * | 2019-11-14 | 2022-12-09 | 中国科学院力学研究所 | 一种res尺度页岩等效三维孔隙参数快速提取方法 |
CN110910411B (zh) * | 2019-11-14 | 2022-12-09 | 中国科学院力学研究所 | 一种具有尺寸自适应的页岩裂缝自动提取方法 |
CN111060540A (zh) * | 2019-12-18 | 2020-04-24 | 汇鸿智能科技(辽宁)有限公司 | 一种夹杂物自动识别系统中夹杂物颗粒自动识别方法 |
CN111340298B (zh) * | 2020-02-28 | 2021-11-02 | 西安石油大学 | 页岩储层诱导非均质性动态演化预测方法 |
CN111553984B (zh) * | 2020-04-27 | 2021-06-22 | 中国矿业大学 | 基于matlab的增大页岩afm灰度图分辨率的方法 |
CN111504875B (zh) * | 2020-04-28 | 2021-06-04 | 中国地质大学(北京) | 一种致密砂岩孔喉参数的提取及计算方法及提取装置 |
CN112051202A (zh) * | 2020-08-26 | 2020-12-08 | 中国石油大学(北京) | 直流电场作用下的岩石孔隙结构测试方法及系统 |
CN112414917B (zh) * | 2020-11-03 | 2023-09-01 | 西安石油大学 | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 |
CN113192119B (zh) * | 2021-05-27 | 2023-01-06 | 宜宾学院 | 一种多尺度孔隙面孔率的定量统计方法 |
CN113281237B (zh) * | 2021-06-02 | 2022-06-03 | 中国石油大学(华东) | 基于孔径分布的页岩多相数字岩心的表面提取方法 |
CN113450371A (zh) * | 2021-06-30 | 2021-09-28 | 长江大学 | 一种储层微裂缝识别方法、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403683A (zh) * | 2008-11-17 | 2009-04-08 | 长安大学 | 采用ct技术分析多孔沥青混合料空隙结构的方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN103512838A (zh) * | 2013-09-18 | 2014-01-15 | 中国石油大学(华东) | 一种测定泥页岩储层不同孔径孔隙对孔隙度贡献的方法 |
CN103822866A (zh) * | 2014-03-21 | 2014-05-28 | 中国石油大学(华东) | 一种评价目的层段泥页岩孔隙度方法 |
-
2015
- 2015-11-26 CN CN201510837038.9A patent/CN105352873B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403683A (zh) * | 2008-11-17 | 2009-04-08 | 长安大学 | 采用ct技术分析多孔沥青混合料空隙结构的方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN103512838A (zh) * | 2013-09-18 | 2014-01-15 | 中国石油大学(华东) | 一种测定泥页岩储层不同孔径孔隙对孔隙度贡献的方法 |
CN103822866A (zh) * | 2014-03-21 | 2014-05-28 | 中国石油大学(华东) | 一种评价目的层段泥页岩孔隙度方法 |
Non-Patent Citations (4)
Title |
---|
软土扫描电子显微镜图像的微观参数特征分析;施爱勇 等;《水文地质工程地质》;20130531;第40卷(第3期);摘要,第2节微观特征参数的计算 * |
鄂尔多斯盆地陆相页岩微观孔隙类型及对页岩气储渗的影响;杨超 等;《地学前缘》;20130731;第20卷(第4期);第2节 * |
页岩孔隙结构扫描电镜分析方法研究;焦淑静 等;《电子显微学报》;20121031;第31卷(第5期);第432-436页 * |
页岩的氩离子抛光制样研究;王亮 等;《石油实验地质》;20150731;第37卷(第4期);第525-529页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105352873A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
CN107067379B (zh) | 基于三维fib-sem图像的页岩孔隙定量表征方法 | |
CN107228816B (zh) | 一种泥页岩中不同类型孔隙演化评价方法 | |
US8909508B2 (en) | Petrographic image analysis for determining capillary pressure in porous media | |
CN107449707B (zh) | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 | |
Sok et al. | Pore scale characterization of carbonates at multiple scales: Integration of Micro-CT, BSEM, and FIBSEM | |
KR100772506B1 (ko) | 영상처리를 이용한 지질재료 분류 방법 및 그 장치 | |
CN104237267B (zh) | 一种致密储层纳米孔隙中残余油的电镜识别方法及装置 | |
CN102645436B (zh) | 基于磨削纹理去除技术的工程陶瓷磨削表面损伤检测方法 | |
US11360037B1 (en) | Classified characterization method for connectivity of organic matter (OM)-hosted pores in shale | |
Tang et al. | Machine learning for point counting and segmentation of arenite in thin section | |
Al Ibrahim et al. | An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy | |
CN104318564A (zh) | 一种矿物颗粒分相的方法 | |
CN115761038B (zh) | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 | |
Kozakiewicz | Image analysis algorithm for detection and measurement of Martian sand grains | |
CN110246139B (zh) | 基于双阈值的浮游生物原位图像roi快速提取方法 | |
Mollajan et al. | Improving pore type identification from thin section images using an integrated fuzzy fusion of multiple classifiers | |
Rouillard et al. | Identifying microbial life in rocks: Insights from population morphometry | |
CN113298795A (zh) | 一种页岩油气储层孔隙精细分类提取方法及装置 | |
Zhang et al. | Orthogonal microscopy image acquisition analysis technique for rock sections in polarizer angle domain | |
CN114460053A (zh) | 基于量子点荧光效应的光学元件亚表面缺陷三维重构方法 | |
Andaru et al. | Intelligent Detection of SEM Mineralogy Using Dynamic Segmentation Algorithm in Geothermal Sedimentary Reservoir: Case Study with Quantification of Quartz Overgrowth | |
Yan et al. | A boosted decision tree approach to shadow detection in scanning electron microscope (SEM) images for machine vision applications | |
Barmpoutis et al. | Detection of various characteristics on wooden surfaces, using scanner and image processing techniques | |
CN111507954A (zh) | 用于储层裂缝的统计方法及机器可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |