CN106570872A - 一种岩心孔隙图像分割方法及装置 - Google Patents
一种岩心孔隙图像分割方法及装置 Download PDFInfo
- Publication number
- CN106570872A CN106570872A CN201610958002.0A CN201610958002A CN106570872A CN 106570872 A CN106570872 A CN 106570872A CN 201610958002 A CN201610958002 A CN 201610958002A CN 106570872 A CN106570872 A CN 106570872A
- Authority
- CN
- China
- Prior art keywords
- image
- gradient
- pixel
- threshold
- original
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 239000011435 rock Substances 0.000 title claims abstract description 70
- 238000003709 image segmentation Methods 0.000 title claims abstract description 30
- 239000011148 porous material Substances 0.000 title abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000000877 morphologic effect Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 84
- 238000002372 labelling Methods 0.000 claims description 52
- 230000011218 segmentation Effects 0.000 claims description 28
- 238000005260 corrosion Methods 0.000 claims description 12
- 230000007797 corrosion Effects 0.000 claims description 12
- 239000003550 marker Substances 0.000 claims description 11
- 238000005530 etching Methods 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000007787 solid Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种岩心孔隙图像分割方法及装置。所述方法包括:获取目的层中岩心的原始岩心图像;对所述原始岩心图像进行平面卷积运算,得到原始梯度图像;对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像;对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像;对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像;采用分水岭图像分割方法对所述标准标记图像进行图像分割。本申请实施例提供的一种岩心孔隙图像分割方法及装置,可以提高岩心孔隙图像分割的准确度。
Description
技术领域
本申请涉及岩石物理技术领域,特别涉及一种岩心孔隙图像分割方法及装置。
背景技术
储集层通常是指能够储集流体,并且能对流体进行渗滤的岩层。储集层中岩石的孔隙特性直接影响储集层中岩石的孔隙度,进而影响储集层储存油气的能力,并最终影响石油和天然气等流体的储集含量。所述岩石的孔隙特性是指岩石中孔隙的几何特征、分布情况以及孔隙在固体骨架构成的空间中的相互连通性;其中孔隙是指岩石中未被填充的空间;固体骨架是岩石中构成孔隙空间的固体物质。岩心是指根据地质勘查工作或工程的需要,使用环状岩心钻头及其他取心工具,从所钻的孔内取出的圆柱状岩石样品。研究岩心中孔隙的特性是预测油气形成和分布规律的主要方法。而将岩心图像中孔隙区域和固体骨架区域分割出来,是研究岩心中孔隙的几何特征和分布情况等特性的前提。目前常用的对岩心图像中孔隙区域和固体骨架区域进行分割的方法是分水岭图像分割方法。具体地,一般是获取岩心灰度图像对应的梯度图像,首先对获取的梯度图像中每个像素的灰度级从低到高进行排序,然后在从低到高实现淹没过程中,采用FIFO(First Input First Output,先进先出)结构对获取的梯度图像中每一个局部极小值在h阶高度的影响域进行判断及标注,根据标注结果实现分水岭分割,最终将岩心灰度图像中孔隙区域和固体骨架区域分割出来。
发明人发现现有技术中至少存在如下问题:所述分水岭图像分割方法对噪声和杂质点比较敏感,当图像中噪声和杂质点较多时,该方法会检测到过多的局部极小值,进而造成过分割现象,过分割会导致无法正确划分孔隙区域和固体骨架区域,无法进一步对目标区域的特性进行分析。
发明内容
本申请实施例的目的是提供一种岩心孔隙图像分割方法及装置,以提高岩心孔隙图像分割的准确度。
为解决上述技术问题,本申请实施例提供一种岩心孔隙图像分割方法及装置是这样实现的:
一种岩心孔隙图像分割方法,包括:
获取目的层中岩心的原始岩心图像;
对所述原始岩心图像进行平面卷积运算,得到原始梯度图像;
对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像;
对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像;
对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像;
采用分水岭图像分割方法对所述标准标记图像进行图像分割。
优选方案中,所述对原始梯度图像进行阈值处理,得到阈值处理后的梯度图像,包括:
根据所述原始梯度图像中像素点的灰度值,确定第一梯度阈值;
利用第一梯度阈值对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像。
优选方案中,所述利用第一梯度阈值对所述原始梯度图像进行阈值处理,包括:
当所述原始梯度图像中第一像素点的灰度值小于第一梯度阈值时,用第一梯度阈值替换第一像素点的灰度值;或,
当所述原始梯度图像中第一像素点的灰度值大于或等于第一梯度阈值时,保持第一像素点的灰度值不变。
优选方案中,第一梯度阈值为所述原始梯度图像中像素点的灰度值的最大熵值。
优选方案中,所述对阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像,包括:
对所述阈值处理后的梯度图像进行腐蚀操作,得到腐蚀后的第一梯度图像;
统计所述腐蚀后的第一梯度图像中各连通域的像素面积和各像素点的灰度值,计算所述连通域的像素面积的分布信息、均值和偏差,以及所述连通域中像素点的灰度值的平均值;
根据所述连通域的像素面积分布信息、均值和偏差,用所述灰度值的平均值替换所述腐蚀后的第一梯度图像的第一连通域中像素点的灰度值,得到腐蚀后的第二梯度图像;
基于所述阈值处理后的梯度图像,对所述腐蚀后的第二梯度图像进行形态学重建操作,得到重建后的梯度图像;
对所述重建后的梯度图像进行求补操作,得到滤波后的梯度图像。
优选方案中,所述对滤波后的梯度图像中的像素点进行标号,得到标准标记图像,包括:
对所述滤波后的梯度图像中的像素点的灰度值进行由低到高排序;
将相同灰度级的像素点存储在一个链表中,以及将不同灰度级的像素点存储在不同链表中;
对所述链表中的像素点进行标号,得到标准标记图像。
优选方案中,所述方法还包括:
采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像;
那么,采用分水岭图像分割方法对所述目标标记图像进行图像分割。
优选方案中,所述采用强制最小值的方式对所述标准标记图像进行阈值处理,包括:
根据所述标准标记图像,确定第二梯度阈值;
利用第二梯度阈值对所述标准图像进行阈值处理。
优选方案中,第二梯度阈值为所述标准标记图像中预设灰度值密度区域的像素点的灰度值的平均值。
优选方案中,所述预设灰度值密度区域为所述标准标记图像中灰度值密度大于或等于5%的区域;所述灰度值密度表示某一灰度值的像素点个数在所述标准标记图像中总像素点个数的百分比。
优选方案中,所述利用第二梯度阈值对所述标准标记图像进行阈值处理,包括:将所述标准标记图像中灰度值小于第二梯度阈值的像素点的灰度值替换为0。
一种岩心孔隙图像分割装置,所述装置包括:岩心图像获取模块、梯度图像确定模块、阈值处理模块、形态滤波处理模块、标准标记图像确定模块和图像分割模块;其中,
所述岩心图像获取模块,用于获取目的层中岩心的原始岩心图像;
所述梯度图像确定模块,用于对所述原始岩心图像进行平面卷积运算,得到原始梯度图像;
所述阈值处理模块,用于对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像;
所述形态滤波处理模块,用于对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像;
所述标准标记图像确定模块,用于对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像;
所述图像分割模块,用于采用分水岭图像分割的方式对所述标准标记图像进行图像分割。
优选方案中,所述装置还包括:强制最小值处理模块;其中,
所述强制最小值处理模块,用于采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像;
那么,所述图像分割模块,用于采用分水岭图像分割方法对所述目标标记图像进行图像分割。
本申请提供了一种岩心孔隙图像分割方法及装置,对原始岩心图像进行平面卷积运算,得到原始梯度图像,对原始梯度图像进行阈值处理和形态滤波处理,提高原始梯度图像的信噪比,采用分水岭的图像分割方式对阈值处理和形态滤波处理后的梯度图像进行图像分割,避免对图像过分割,可以准确划分孔隙区域和固体骨架区域,可以提高岩心孔隙图像分割的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一种岩心孔隙图像分割方法实施例的流程图;
图2是本申请实施例中原始岩心图像的示意图;
图3示出了利用现有技术得到的图2的原始岩心图像的分割结果;
图4示出了利用本申请方法实施例得到的图2的原始岩心图像的分割结果;
图5是本申请岩心孔隙图像分割装置的组成结构图。
具体实施方式
本申请实施例提供一种岩心孔隙图像分割方法及装置。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
在实际岩心孔隙图像中,可能会存在一些低对比度区域,现有技术中采用的分水岭图像分割方法,无法识别所述低对比度区域的边界位置,可能导致孔隙区域中部分孔隙轮廓丢失。为解决该技术问题,本申请实施例在对原始梯度图像进行阈值处理和形态滤波处理之后,以及分水岭分割图像之前,对所述阈值处理和形态滤波处理后的原始梯度图像进行强制最小值操作,可以保留低对比度图像的轮廓,进一步提高岩心孔隙图像分割的准确度。
图1是本申请一种岩心孔隙图像分割方法实施例的流程图。如图1所示,所述岩心孔隙图像分割方法,包括以下步骤。
步骤S101:获取目的层中岩心的原始岩心图像。
可以通过扫描电子显微镜对目的层中的岩心进行扫描和成像,获取目的层中岩心的原始岩心图像。所述原始岩心图像具体可以为灰度图像。所述原始岩心图像具体可以包括孔隙区域和固体骨架区域。
例如,图2是本申请实施例中原始岩心图像的示意图。如图2所示,原始岩心图像中黑色部分表示孔隙区域,深灰色部分为固体骨架区域。从图2中可以看出,孔隙区域的几何形状各异,不规则地分布在固体骨架区域周围。
步骤S102:对所述原始岩心图像进行平面卷积运算,得到原始梯度图像。
索贝尔(Sobel)算子可以是一个3×3的梯度算子矩阵。可以利用Sobel算子在横向和纵向两个方向分别与所述原始岩心图像进行卷积运算。Gx和Gy分别为Sobel算子在横向和纵向两个方向上的算子矩阵。
可以将所述原始岩心图像作为一个大矩阵。所述原始岩心图像中每一个像素点对应大矩阵中每一个元素,每一个像素点的灰度值对应每一个元素值。所述算子矩阵中算子元素与所述原始岩心图像中像素点之间,可以有如下对应关系:
公式中,i=1,2,[G]1和[G]2可以分别表示横向和纵向的算子矩阵。所述原始岩心图像中像素的灰度值可以为f(j,k),则可以有
所述卷积运算具体可以采用下述公式实现:
公式中,fi(j,k)表示卷积运算后的灰度值,即所述原始梯度图像中像素的灰度值。所述原始梯度图像可以用g(x,y)来表示。
步骤S103:对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像。
根据所述原始梯度图像中像素点的灰度值,可以确定第一梯度阈值。利用第一梯度阈值对所述原始梯度图像进行阈值处理,可以得到阈值处理后的梯度图像。
第一梯度阈值具体可以为所述原始梯度图像中像素点的灰度值的最大熵值。
所述利用第一梯度阈值对所述原始梯度图像进行阈值处理,具体可以包括:当所述原始梯度图像中第一像素点的灰度值小于第一梯度阈值时,可以用第一梯度阈值替换第一像素点的灰度值。当所述原始梯度图像中第一像素点的灰度值大于或等于第一梯度阈值时,可以保持第一像素点的灰度值不变。所述利用第一梯度阈值对所述原始梯度图像进行阈值处理,具体可以采用下述公式实现:
公式中,g'(x,y)表示所述阈值处理后的梯度图像;gθ表示第一梯度阈值;g(x,y)表示所述原始梯度图像。
步骤S104:对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像。
可以利用基于重建的形态学运算,对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波后的梯度图像。具体地,可以包括:对所述阈值处理后的梯度图像进行腐蚀操作,可以得到腐蚀后的第一梯度图像;统计所述腐蚀后的第一梯度图像中各连通域的像素面积和各像素点的灰度值,可以计算所述连通域的像素面积的分布信息、均值和偏差,以及所述连通域中像素点的灰度值的平均值;根据所述连通域的像素面积分布信息、均值和偏差,可以用所述灰度值的平均值替换所述腐蚀后的第一梯度图像的第一连通域中像素点的灰度值,得到腐蚀后的第二梯度图像;基于所述阈值处理后的梯度图像,可以对所述腐蚀后的第二梯度图像进行形态学重建操作,得到重建后的梯度图像;对所述重建后的梯度图像进行求补操作,可以得到滤波后的梯度图像。
所述连通域具体可以为具有相同灰度级的像素构成的区域。第一连通域可以用于表示像素面积的偏差大于所述像素面积的均值的百分之五十,且像素面积小于所述像素面积的均值的百分之五十的连通域。所述求补运算具体可以为对图像中各像素点的灰度值均进行乘以-1并加255的操作。所述重建运算具体可以为将阈值处理后的梯度图像作为掩膜板图像,对腐蚀后第二梯度图像进行不断膨胀操作,并保持对所述阈值处理后的图像的扫略,直到所述腐蚀后的梯度图像与掩膜板图像接触或重合。
所述腐蚀操作是一种消除边界点,使边界向内收缩的处理过程,可以用于消除小于结构元素的噪声点,以及将某些实际相邻不接触,但反映在图像中为相连的目标边界区分开。所述腐蚀运算中的结构元素可以为圆形结构元素。所述圆形结构元素的尺寸可以为小于所述阈值处理后的梯度图像中最小待分割区域的外接圆半径的最大整数值。所述最小待分割区域可以用于表示采用分水岭算法对所述阈值处理后的梯度图像中像素点的灰度值进行区域划分后得到的最小区域。所述膨胀操作中采用的结构元素与所述腐蚀操作中采用的结构元素可以相同。
步骤105:对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像。
可以对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像。具体地,可以包括:可以采用循环比较法对所述滤波后的梯度图像中的像素点的灰度值进行由低到高排序;可以将相同灰度级的像素点存储在一个链表中,以及将不同灰度级的像素点存储在不同链表中;可以对所述链表中的像素点进行标号,得到标准标记图像。
所述链表可以为所述滤波后的梯度图像中的像素点按照灰度值从小到大的一维排序数组;其中,灰度值小的像素点排在灰度值大的像素点的前面,相同灰度值的像素点中左上方的像素点排在右下方像素点的前面。
所述对链表中的像素点进行标号,具体可以包括:对同一个链表中的像素点进行相同的标号,对不同链表中的像素点进行不同的标号;按照从左上到右下的顺序扫描所述滤波后的梯度图像中像素点,确定所述滤波后的梯度图像中像素点的标号。进一步地,所述按照从左上到右下的顺序扫描所述滤波后的梯度图像中像素点,确定所述滤波后的梯度图像中像素点的标号,具体可以包括:若当前处理像素点的上下左右四个邻点只有一种标号,则当前处理像素点的标号等于该标号;若当前处理像素点的上下左右四个邻点有两种或两种以上的标号,则当前处理像素点位于两个或两个以上区域的交界处,当前处理像素点为分水岭点。
步骤S106:采用分水岭图像分割方法对所述标准标记图像进行图像分割。
所述标准标记图像中相同标号的像素点构成一个区域,可以利用所述标准标记图像中分水岭点构成的分水岭线对不同标号对应的不同区域进行分割。
在另外一种实施方式中,所述岩心孔隙图像分割方法,还可以包括:采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像;那么,采用分水岭图像分割方式对所述目标标记图像进行图像分割。
所述采用强制最小值的方式对所述标准标记图像进行阈值处理,具体可以包括:根据所述标准标记图像,确定第二梯度阈值;;可以利用第二梯度阈值对所述标准图像进行阈值处理。其中,第二梯度阈值具体可以为所述标准标记图像中预设灰度值密度区域的像素点的灰度值的平均值。进一步地,所述利用第二梯度阈值对所述标准标记图像进行阈值处理,具体可以包括:可以将所述标准标记图像中灰度值小于第二梯度阈值的像素点的灰度值替换为0。其中,所述预设灰度值密度区域具体可以为所述标准标记图像中灰度值密度大于或等于5%的区域;所述灰度值密度可以用于表示某一灰度值的像素点个数在所述标准标记图像中总像素点个数的百分比。
例如,图3示出了利用现有技术得到的图2的原始岩心图像的分割结果。图4示出了利用本申请方法实施例得到的图2的原始岩心图像的分割结果。如图3和图4所示,从利用现有技术得到的分割结果中可以看出,存在过分割现象以及部分低对比度区域图像轮廓缺失现象;从利用本申请方法实施例得到的分割结果中可以看出,本申请方法实施例有效避免过分割现象,而且保留低对比度区域图像的轮廓。
所述岩心孔隙图像分割方法实施例,对原始岩心图像进行平面卷积运算,得到原始梯度图像,对原始梯度图像进行阈值处理和形态滤波处理,提高原始梯度图像的信噪比,采用分水岭的图像分割方式对阈值处理和形态滤波处理后的梯度图像进行图像分割,可以避免对图像过分割,可以准确划分孔隙区域和固体骨架区域,可以提高岩心孔隙图像分割的准确度。在对原始梯度图像进行阈值处理和形态滤波之后,以及分水岭分割图像之前,对所述预处理后的原始梯度图像进行强制最小值操作,可以保留低对比度图像的轮廓,可以进一步提高岩心孔隙图像分割的准确度。
图5是本申请岩心孔隙图像分割装置的组成结构图。如图5所示,所述岩心孔隙图像分割装置,可以包括:岩心图像获取模块100、梯度图像确定模块200、阈值处理模块300、形态滤波处理模块400、标准标记图像确定模块500和图像分割模块600。
所述岩心图像获取模块100,可以用于获取目的层中岩心的原始岩心图像。
所述梯度图像确定模块200,可以用于对所述原始岩心图像进行平面卷积运算,得到原始梯度图像。
所述阈值处理模块300,可以用于对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像。
所述形态滤波处理模块400,可以用于对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像。
所述标准标记图像确定模块500,可以用于对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像。
所述图像分割模块600,可以用于采用分水岭图像分割方法对所述标准标记图像进行图像分割。
在另一种实施方式中,所述装置还可以包括:强制最小值处理模块700。
所述强制最小值处理模块700,可以用于采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像。
那么,所述图像分割模块600,可以用于采用分水岭图像分割方法对所述目标标记图像进行图像分割。
所述岩心孔隙图像分割装置实施例与所述岩心孔隙图像分割方法实施例相对应,可以避免对图像过分割,可以准确划分孔隙区域和固体骨架区域,可以提高岩心孔隙图像分割的准确度;还可以保留低对比度图像的轮廓,可以进一步提高岩心孔隙图像分割的准确度。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。该计算机软件产品可以包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。该计算机软件产品可以存储在内存中,内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括短暂电脑可读媒体(transitory media),如调制的数据信号和载波。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (13)
1.一种岩心孔隙图像分割方法,其特征在于,包括:
获取目的层中岩心的原始岩心图像;
对所述原始岩心图像进行平面卷积运算,得到原始梯度图像;
对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像;
对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像;
对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像;
采用分水岭图像分割方法对所述标准标记图像进行图像分割。
2.根据权利要求1所述的一种岩心孔隙图像分割方法,其特征在于,所述对原始梯度图像进行阈值处理,得到阈值处理后的梯度图像,包括:
根据所述原始梯度图像中像素点的灰度值,确定第一梯度阈值;
利用第一梯度阈值对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像。
3.根据权利要求2所述的一种岩心孔隙图像分割方法,其特征在于,所述利用第一梯度阈值对所述原始梯度图像进行阈值处理,包括:
当所述原始梯度图像中第一像素点的灰度值小于第一梯度阈值时,用第一梯度阈值替换第一像素点的灰度值;或,
当所述原始梯度图像中第一像素点的灰度值大于或等于第一梯度阈值时,保持第一像素点的灰度值不变。
4.根据权利要求2所述的一种岩心孔隙图像分割方法,其特征在于,第一梯度阈值为所述原始梯度图像中像素点的灰度值的最大熵值。
5.根据权利要求1所述的一种岩心孔隙图像分割方法,其特征在于,所述对阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像,包括:
对所述阈值处理后的梯度图像进行腐蚀操作,得到腐蚀后的第一梯度图像;
统计所述腐蚀后的第一梯度图像中各连通域的像素面积和各像素点的灰度值,计算所述连通域的像素面积的分布信息、均值和偏差,以及所述连通域中像素点的灰度值的平均值;
根据所述连通域的像素面积分布信息、均值和偏差,用所述灰度值的平均值替换所述腐蚀后的第一梯度图像的第一连通域中像素点的灰度值,得到腐蚀后的第二梯度图像;
基于所述阈值处理后的梯度图像,对所述腐蚀后的第二梯度图像进行形态学重建操作,得到重建后的梯度图像;
对所述重建后的梯度图像进行求补操作,得到滤波后的梯度图像。
6.根据权利要求1所述的一种岩心孔隙图像分割方法,其特征在于,所述对滤波后的梯度图像中的像素点进行标号,得到标准标记图像,包括:
对所述滤波后的梯度图像中的像素点的灰度值进行由低到高排序;
将相同灰度级的像素点存储在一个链表中,以及将不同灰度级的像素点存储在不同链表中;
对所述链表中的像素点进行标号,得到标准标记图像。
7.根据权利要求1所述的一种岩心孔隙图像分割方法,其特征在于,所述方法还包括:
采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像;
那么,采用分水岭图像分割方法对所述目标标记图像进行图像分割。
8.根据权利要求7所述的一种岩心孔隙图像分割方法,其特征在于,所述采用强制最小值的方式对所述标准标记图像进行阈值处理,包括:
根据所述标准标记图像,确定第二梯度阈值;
利用第二梯度阈值对所述标准图像进行阈值处理。
9.根据权利要求8所述的一种岩心孔隙图像分割方法,其特征在于,第二梯度阈值为所述标准标记图像中预设灰度值密度区域的像素点的灰度值的平均值。
10.根据权利要求9所述的一种岩心孔隙图像分割方法,其特征在于,所述预设灰度值密度区域为所述标准标记图像中灰度值密度大于或等于5%的区域;所述灰度值密度表示某一灰度值的像素点个数在所述标准标记图像中总像素点个数的百分比。
11.根据权利要求8所述的一种岩心孔隙图像分割方法,其特征在于,所述利用第二梯度阈值对所述标准标记图像进行阈值处理,包括:将所述标准标记图像中灰度值小于第二梯度阈值的像素点的灰度值替换为0。
12.一种岩心孔隙图像分割装置,其特征在于,所述装置包括:岩心图像获取模块、梯度图像确定模块、阈值处理模块、形态滤波处理模块、标准标记图像确定模块和图像分割模块;其中,
所述岩心图像获取模块,用于获取目的层中岩心的原始岩心图像;
所述梯度图像确定模块,用于对所述原始岩心图像进行平面卷积运算,得到原始梯度图像;
所述阈值处理模块,用于对所述原始梯度图像进行阈值处理,得到阈值处理后的梯度图像;
所述形态滤波处理模块,用于对所述阈值处理后的梯度图像进行形态滤波处理,得到滤波处理后的梯度图像;
所述标准标记图像确定模块,用于对所述滤波后的梯度图像中的像素点进行标号,得到标准标记图像;
所述图像分割模块,用于采用分水岭图像分割的方式对所述标准标记图像进行图像分割。
13.根据权利要求12所述的一种岩心孔隙图像分割装置,其特征在于,所述装置还包括:强制最小值处理模块;其中,
所述强制最小值处理模块,用于采用强制最小值的方式对所述标准标记图像进行阈值处理,得到目标标记图像;
那么,所述图像分割模块,用于采用分水岭图像分割方法对所述目标标记图像进行图像分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610958002.0A CN106570872A (zh) | 2016-10-27 | 2016-10-27 | 一种岩心孔隙图像分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610958002.0A CN106570872A (zh) | 2016-10-27 | 2016-10-27 | 一种岩心孔隙图像分割方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570872A true CN106570872A (zh) | 2017-04-19 |
Family
ID=58535745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610958002.0A Pending CN106570872A (zh) | 2016-10-27 | 2016-10-27 | 一种岩心孔隙图像分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570872A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934772A (zh) * | 2019-03-11 | 2019-06-25 | 深圳岚锋创视网络科技有限公司 | 一种图像融合方法、装置及便携式终端 |
CN110246138A (zh) * | 2018-03-09 | 2019-09-17 | 中国石油化工股份有限公司 | 一种数字岩心图像孔喉分割的方法 |
CN111292295A (zh) * | 2020-01-20 | 2020-06-16 | 凌云光技术集团有限责任公司 | 一种检测低对比度图像的方法和装置 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106716A (zh) * | 2007-08-21 | 2008-01-16 | 北京大学软件与微电子学院 | 一种分水岭图象分割处理方法 |
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN105160668A (zh) * | 2015-08-26 | 2015-12-16 | 爱威科技股份有限公司 | 图像分割方法、系统与细胞图像分割方法、系统 |
-
2016
- 2016-10-27 CN CN201610958002.0A patent/CN106570872A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106716A (zh) * | 2007-08-21 | 2008-01-16 | 北京大学软件与微电子学院 | 一种分水岭图象分割处理方法 |
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN105160668A (zh) * | 2015-08-26 | 2015-12-16 | 爱威科技股份有限公司 | 图像分割方法、系统与细胞图像分割方法、系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246138A (zh) * | 2018-03-09 | 2019-09-17 | 中国石油化工股份有限公司 | 一种数字岩心图像孔喉分割的方法 |
CN110246138B (zh) * | 2018-03-09 | 2021-06-15 | 中国石油化工股份有限公司 | 一种数字岩心图像孔喉分割的方法 |
CN109934772A (zh) * | 2019-03-11 | 2019-06-25 | 深圳岚锋创视网络科技有限公司 | 一种图像融合方法、装置及便携式终端 |
CN109934772B (zh) * | 2019-03-11 | 2023-10-27 | 影石创新科技股份有限公司 | 一种图像融合方法、装置及便携式终端 |
CN111292295A (zh) * | 2020-01-20 | 2020-06-16 | 凌云光技术集团有限责任公司 | 一种检测低对比度图像的方法和装置 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN112085693B (zh) * | 2020-06-24 | 2022-09-20 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570872A (zh) | 一种岩心孔隙图像分割方法及装置 | |
CN108267466B (zh) | 一种构建数字岩心的方法及装置 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
Bayram et al. | A novel algorithm for coastline fitting through a case study over the Bosphorus | |
Zheng et al. | A robust channel network extraction method combining discrete curve evolution and the skeleton construction technique | |
Vogt | User guide of guidos toolbox | |
Ares Oliveira et al. | Machine Vision algorithms on cadaster plans | |
CN112116585B (zh) | 图像移除篡改盲检测方法、系统、设备及存储介质 | |
Kolesnikov | Efficient algorithms for vectorization and polygonal approximation | |
Zheng et al. | An automatic and objective approach to hydro-flatten high resolution topographic data | |
CN111141768B (zh) | 原油驱替中岩石润湿性变化的获取方法及装置 | |
CN116342888B (zh) | 一种基于稀疏标注训练分割模型的方法及装置 | |
US20060153435A1 (en) | Method and means for 2d-gel-image segmentation | |
US7551777B1 (en) | Method and system for displaying large data signals | |
Peller | From paper map to geospatial vector layer: Demystifying the process | |
CN109492025A (zh) | 一种基于频繁模式的目标群体多层级挖掘方法及装置 | |
Noskov | Computer vision approaches for big geo-spatial data: quality assessment of raster tiled web maps for smart city solutions | |
CN108320307B (zh) | 一种确定储层岩石样品的有效单元体积的方法及装置 | |
Zhang et al. | An innovative image-based workflow for quantitative pore structure characterization in reservoir rocks | |
Höfler et al. | Modelling prehistoric terrain Models using LiDAR-data: a geomorphological approach | |
Dammannagari Gangadhara | Mobile high-throughput phenotyping using watershed segmentation algorithm | |
Trhan | The creation of space vector models of buildings from RPAS photogrammetry data | |
CN113756795B (zh) | 油气甜点识别方法、装置、设备及存储介质 | |
CN110689549B (zh) | 对象提取方法、装置和设备 | |
CN116630225B (zh) | 一种铁路桥梁水下基础损伤识别方法、装置以及处理设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |
|
WD01 | Invention patent application deemed withdrawn after publication |