CN106600535A - 全井眼测井图像生成方法 - Google Patents
全井眼测井图像生成方法 Download PDFInfo
- Publication number
- CN106600535A CN106600535A CN201611149402.3A CN201611149402A CN106600535A CN 106600535 A CN106600535 A CN 106600535A CN 201611149402 A CN201611149402 A CN 201611149402A CN 106600535 A CN106600535 A CN 106600535A
- Authority
- CN
- China
- Prior art keywords
- filled
- filling
- gray
- candidate
- pixel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 24
- 230000036548 skin texture Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012887 quadratic function Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种全井眼测井图像生成方法,所述方法包括:获得目标窗口范围内的测井电成像数据;对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像;在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点;基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块;基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度;选取一与该待填充块相似度最高的候选填充块对该待填充块进行图像填充。如此,可以对更加复杂多变的地层图像进行处理,获得的灰度图像,数据精确度及可靠性更强,且计算效率更高。
Description
技术领域
本发明涉及石油勘探技术领域,具体而言,涉及一种全井眼测井图像生成方法。
背景技术
石油勘探中需要对测井数据进行分析以获得地质储层信息及工程技术资料。其中,电成像测井技术可以提供大量高分辨率、直观的地层图像信息,广泛应用于碳酸盐岩、火山岩等复杂岩性的储层评价。
现目前的电成像测井技术中,由于受电成像测井仪器结构的限制,在获取测井图像时无法达到360°全井眼100%覆盖,会在井周二维图像上产生规则分布的空白条带,严重影响图像质量。基于现有技术获得图像进行地层分析工作,会导致在对缝洞等储层参数定量计算时可能产生较大的误差,甚至错误,给后续工作带来极大困扰。
发明内容
为了克服现有技术中的上述不足,本发明的目的在一种全井眼测井图像生成方法,所述方法包括:
获得目标窗口范围内的测井电成像数据;
对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像;
在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点;
基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块;
基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度,选取一与该待填充块相似度最高的候选填充块作为最优填充块;
使用所述最优填充块对该待填充块进行图像填充;
重复确定所述待填充块并进行图像填充的步骤,对所述目标窗口范围内的所有待填充区域进行图像填充。
进一步地,在上述方法中,对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像的步骤,包括:
在所述测井电成像数据上选取未进行灰度化处理的图像数据,对所述未进行灰度化处理的图像数据进行归一灰度化处理得到灰度图像。
进一步地,在上述方法中,在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点的步骤,包括:
在所述灰度图像上选取空白的区域作为待填充区域;
基于像素点周围预设优先级计算范围内的像素点置信度及像素点的数据计算所述待填充区域边界点的优先级,选取一优先级最高的边界点作为填充中心点。
进一步地,在上述方法中,所述纹理特征由所述填充中心点周围预设纹理检测范围内的像素平均梯度模值表征;所述基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块的步骤,包括:
计算所述填充中心点周围预设纹理检测范围内的像素平均梯度模值;
基于所述像素平均梯度模值,以所述填充中心点为中心确定一待填充块的大小。
进一步地,在上述方法中,所述基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度,选取一与该待填充块相似度最高的候选填充块作为最优填充块的步骤,包括:
在所述填充中心点周围一预设搜索范围内的已填充区域中,选取多个与该待填充块大小相同的候选填充块;
从多个所述候选填充块中筛选剔除与所述待填充区域的灰度差异大于预设灰度差异阈值的候选填充块;
在筛选后的所述候选填充块中选取一与所述待填充块相似度最高的候选填充块作为最优填充块。
进一步地,在上述方法中,从多个所述候选填充块中筛选剔除与所述待填充区域的灰度差异大于预设灰度差异阈值的候选填充块的步骤,包括:
计算所述待填充块中已有灰度值的像素点的平均像素灰度,及多个所述候选填充块中像素点的平均像素灰度;
计算多个所述候选填充块的平均像素灰度与所述待填充块的平均像素灰度之差的绝对值,并剔除所述绝对值大于一预设灰度差异阈值的候选填充块。
进一步地,在上述方法中,所述候选填充块与所述待填充块相似度通过一空间加权灰度距离表征;所述在筛选后的所述候选填充块中选取一与所述待填充块相似度最高的候选填充块作为最优填充块的步骤,包括:
针对所述待填充区域中已有灰度值的每个像素点,计算所述像素点与所述候选填充块中位置对应的像素点的灰度差,获得所述待填充区域与所述候选填充块的灰度距离;
采用所述待填充区域与所述候选填充块中对应像素点的空间距离,对所述灰度距离进行加权计算,获得所述待填充区域与所述候选填充块的空间加权灰度距离,并将于所述待填充块的空间加权灰度距离最小的候选填充块作为所述最优填充块。
进一步地,在上述方法中,所述所述使用所述最优填充块对该待填充块进行图像填充的步骤,包括:
使用所述最优填充块的图像数据对所述待填充块进行图像填充;
根据所述最优填充块与所述待填充区域的灰度距离,计算更新获得所述待填充区域被填充后的像素点的置信度。
进一步地,在上述方法中,在对所述目标窗口范围内的所有待填充区域进行图像填充的步骤之后,所述方法还包括:
通过二次函数拟合法对所述目标窗口范围内填充完成的图像数据进行滤波,输出滤波后所述目标窗口范围内各像素点的灰度数据。
进一步地,在上述方法中,通过二次函数拟合法对所述目标窗口范围内填充完成的图像数据进行滤波,输出滤波后所述目标窗口范围内各像素点的灰度数据的步骤之后,所述方法还包括:
将所述目标窗口在测井电成像数据中移动一预设步长,并获取所述目标窗口内的测井电成像数据进行图像填充。
相对于现有技术而言,本发明具有以下有益效果:
本发明提供的全井眼测井图像生成方法,可以根据图像的纹理特征自适应地选择适当的大小填充块,并基于像素点灰度及像素点距离筛选出最优填充块进行图像填充。在对复杂多变的地层图像进行处理时,获得的灰度图像数据精确度及可靠性更强,且计算效率更高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的全井眼测井图像生成方法流程示意图;
图2为本发明实施例提供的目标窗口示意图;
图3为图1所示步骤S140的子步骤流程示意图;
图4为图1所示步骤S150的子步骤流程示意图;
图5为本发明实施例提供的图像处理效果展示图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
请参照图1,本实施例提供了一种全井眼测井图像生成方法,所述方法包括以下步骤。
步骤S110,获得目标窗口范围内的测井电成像数据。
具体地,请参照图2,测井电成像数据为宽度一定,长度沿测井延伸方向增加的数据集。在本实施例中,在所述测井电成像数据上确定一延伸深度为预设窗长的目标窗口,获取所述目标窗口范围内的测井电成像数据。在本实施例中,所述预设窗长可以设置为0.5m。
进一步地,请再次参照图2,当对所述目标窗口内的测井电成像数据处理完成后,将所述目标窗口在测井电成像数据中移动一预设步长,并对沿测井延伸方向移动后,所述目标窗口范围内的测井电成像数据进行处理。在本实施例中,所述步长可以设置为0.25m,每次所述目标窗口移动后,所述目标窗口范围中的数据是有一半是已经处理过的,如此在进行图像补全时可以保证补全部分的置信度。
步骤S120,对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像。
具体地,在所述测井电成像数据上选取未进行灰度化处理的图像数据,对所述未进行灰度化处理的图像数据进行归一灰度化处理得到灰度图像。归一化公式如下:
其中:rij表示所述目标窗口中第i行、第j列像素点的测井电成像数据;rmin、rmax分别表示所述目标窗口内测井电成像数据的最小值、最大值;L表示设定的图像灰度级别,一般为256。由于测井电成像数据一般远大于255,故选取大于255的值进行归一灰度化处理;小于255为已经过灰度化处理的数据,则不再做处理。Iij表示所述目标窗口中已经过灰度化处理后第i行、第j列像素点的灰度值。
步骤S130,在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点。
具体地,在本实施例中,按照从左至右的顺序在所述灰度图像上选取空白的区域作为待填充区域。
基于像素点周围预设优先级计算范围内的像素点置信度及像素点的数据计算所述待填充区域边界点的优先级,选取一优先级最高的边界点作为填充中心点。
在本实施例中,记所述边界点的优先级值P(p),P(p)值越大,优先级越高,从所述边界点中选取P(p)最大的点作为所述填充中心点。
优先级P(p)计算公式如下:
P(p)=eC(p)-1[w+(1-w)*D(p)],
其中,P(p)表示p点优先级的值;C(p)表示预设优先级计算范围的置信度值;D(p)表示待填充块的数据值;w表示规则化参数,满足0<w<1,在本实施例中,w的值可以取0.7。
在上述公式中C(p)及D(p)的计算方式如下:
假设有局部图像I,预设优先级计算范围为Ω,所述待填充区域的边界线为δΩ,已知区域为φ(φ=I-Ω),待填充区域内沿边界线的方形预设优先级计算范围为Ψp,边界点p在边界线δΩ上。则有:
其中:
C(p)表示预设优先级计算范围的置信度值;C(q)表示预设优先级计算范围内像素点的置信度值,初始化时,预设优先级计算范围内每个像素点的置信度值为0,已知区域中的每个像素点的置信度值为1。
D(p)表示预设优先级计算范围像素的数据值;|Ψp|表示预设优先级计算范围Ψp的面积(即像素点的个数),在本实施例中,Ψp可以设置为13*13的像素区域;a表示标准化参数(对于典型的灰度图像a=255);np表示在p点处与填充区域边界垂直的单位向量;表示p点梯度方向的垂直方向,也称为等照度线向量,计算公式为:
Ix和Iy分别表示像素点p在x和y方向上的偏微分。
步骤S140,基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块。
具体地,所述纹理特征由所述填充中心点周围预设纹理检测范围内的平均梯度模值表征,平均梯度模值小的区域,图像比较平滑,平均梯度模值较大的区域,图像包含比较复杂的结构和纹理信息。
请参照图3,步骤S140可以通过以下子步骤确定所述待填充块。
子步骤S141,计算所述填充中心点周围预设纹理检测范围内的像素平均梯度模值。
在本实施例中,记所述预设纹理检测范围内的像素梯度的模值为其计算公式如下:
其中:表示方形领域的平均梯度模值;ε表示预设纹理检测范围的边长,φ(i,j)表示预设纹理检测范围第i行、第j列的灰度值,i、j满足1≤i≤ε、1≤j≤ε。
当预设纹理检测范围内图像中包含丰富的纹理细节和边缘时,选取较小的填充块进行图像填充,而对于较平滑图像选择较大的填充块进行图像填充可以过得更加可靠的匹配结果。
在本实施例中,需要选取一以所述填充中心点为中心的方形区域作为所述待填充块,则所述待填充块的边长应选择为一大于1的奇数。同时,为防止所述待填充块过大导致的计算错误,经发明人反复研究和实验发现,所述待填充块的边长限定在3~13之间时具有最好的图像处理效果,即待填充块的大小包括:3x3、5x5、7x7、9x9、11x11、13x13。
故在本实施例中,以所述待填充块的最大范围值为所述预设纹理检测范围值,即在计算时取ε值为13。
子步骤S142,基于所述像素平均梯度模值,以所述填充中心点为中心确定一待填充块的大小。
在本实施例中,经发明人大量研究和实践发现,根据子步骤S141得出的所述像素平均梯度模值,可以通过一分段函数确定待填充块的边长,分段函数如下:
步骤S150,基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度,选取一与该待填充块相似度最高的候选填充块作为最优填充块。
具体的,请参照图4,步骤S150可以通过以下子步骤获得所述相似度。
子步骤S151,在所述填充中心点周围一预设搜索范围内的已填充区域中,选取多个与该待填充块大小相同的候选填充块。
在本实施例中,以所述填充中心点为中心,在一预设搜索范围内根据与所述填充中心点以由近到远的策略,搜索已填充区域中与所述待填充块大小相同的像素块作为候选填充块。在本实施例中,所述预设搜索范围可以设置为100x100像素范围,在所述预设搜索范围中,以5像素单位为搜索步长搜索该预设搜索范围,生成多个所述候选填充块。
子步骤S152,从多个所述候选填充块中筛选剔除与所述待填充区域的灰度差异大于预设灰度差异阈值的候选填充块。
具体地,所述灰度差异为所述候选填充块的平均像素灰度与所述待填充块的平均像素灰度之差。在本实施例中,记所述待填充块平均像素灰度为Gp,计算公式如下,
其中:p表示所述填充中心点,Gp表示p点为中心的待填充块已有灰度值像素点的平均像素灰度;ε表示步骤S140中确定的所述待填充块的边长;pij表示所述待填充块中第i行、第j列像素灰度值;g(i,j)表示所述待填充块内第i行、第j列像素是否参与平均像素灰度计算,g(i,j)=0参与计算,g(i,j)=1不参与计算;i、j满足1≤i≤ε、1≤j≤ε;n、m表示所述待填充块中参与平均像素灰度计算的像素点个数,满足1<nm<ε2。
在本实施例中,记所述候选填充块平均像素灰度为Gk,计算出每个所述候选填充块的平均像素灰度Gk与所述待填充块已有灰度信息的平均像素灰度Gp之差的绝对值Gkp计算公式如下,
其中:Gk表示第k个候选填充块的平均像素灰度;Gkp表示第k个候选填充块平均像素灰度与待填充块平均像素灰度的差。fk(i,j)表示第k个候选块的第i行、第j列像素点的灰度值;i、j满足0<i≤ε、0<j≤ε;ε表示待填充块与候选填充块的边长。
将Gkp与一预设灰度差异阈值TG进行比较,若Gkp大于设定的所述灰度差异阈值TG,则剔除该候选填充块;如果Gkp小于设定的所述灰度差异阈值TG,则保留该候选填充块。
如此,通过Gkp从候选填充块中筛选出灰度差异较小的候选填充块作为可预计算的候选填充块,剔除掉大部分灰度差异较大的候选填充块,为下步更精细的候选填充块优选缩小范围,极大提高计算效率。
经发明人反复实验发现,TG取10时可以最有效的进行所述候选填充块的剔除,故在本实施例中,所述灰度差异阈值TG的值可以设置为10。
子步骤S153,在筛选后的所述候选填充块中选取一与所述待填充块相似度最高的候选填充块作为最优填充块。
具体地,在本实施例中,所述候选填充块与所述待填充块相似度通过一空间加权灰度距离表征。
所述空间加权灰度距离根据所述候选填充块与所述待填充块的灰度距离计算获得,记所述灰度距离为GD,计算公式如下:
其中:d(Ψp,Ψq)表示候选填充块Ψq与待填充块Ψp之间的灰度距离;ε表示待填充块与候选填充块的边长;pij、qij分别表示待填充块和候选填充块内第i行、第j列像素灰度值;f(i,j)表示待填充块内第i行、第j列像素是否参与相似度计算,f(i,j)=0参与计算,f(i,j)=1不参与计算;ω(pij,qij)表示待填充块和候选块填充内第i行、第j列像素的空间距离;i、j满足0<i≤ε、0<j≤ε;分别为在搜索区域内点坐标,满足≤100-ε、
获得所述灰度距离后,以像素点空间距离的倒数作为加权因子对所述灰度距离进行加权计算获得所述空间加权灰度距离,计算公式如下:
所述空间加权灰度距离越小则该候选填充块与所述待填充块之间的相似度越高。选取所述候选填充块中与所述待填充块空间加权灰度距离最小的候选填充块作为最优填充块。
在本实施例中,采用所述空间加权灰度距离来度量所述待填充块与所述候选填充块相似度法,不仅考虑了灰度值的相似性,还考虑了待填充块与候选块的各自像素点之间灰度值的变化关系,采用这种方法优选的匹配块更加精确。
步骤S160,选取一与该待填充块相似度最高的候选填充块对该待填充块进行图像填充。
使用所述最优填充块的图像数据对所述待填充块进行图像填充。
在填充后,根据所述最优填充块与所述待填充区域的灰度距离,计算更新获得所述待填充区域被填充后的像素点置信度,计算公式如下:
其中:如果最优填充块对应的灰度距离GD小于一设定的灰度距离阈值μ,则新填充像素点的置信度值为1,认为完全可信;若最优填充块的GD值大于设定的所述灰度距离阈值μ,新填充像素点的置信度值用最优填充块的置信度值进行更新。在本实施例中,灰度距离阈值μ可以设置为3。
步骤S170,重复确定所述待填充块并进行图像填充的步骤,对所述目标窗口范围内的所有待填充区域进行图像填充。
重复步骤S130至步骤S160,直至对所述目标窗口范围内的所有待填充区域进行图像填充。
进一步地,在步骤S170之后,对填充完成的灰度图像采用五点二次函数拟合法对所述目标窗口内的灰度图像进行滤波,输出滤波后所述目标窗口范围内各像素点的灰度数据。
在本实施例中,在对目标窗口的图像处理完成后,根据步骤S110所述窗口移动的方法,根据所述预设步长进行窗口移动,并处理移动后窗口覆盖范围内的测井电成像数据。
基于上述设计,本发明提供的全井眼测井图像生成方法相对现有技术可以根据图像的纹理特征自适应地选择适当的填充块,并基于所述空间加权灰度距离准确的选取最优填充块。在对复杂多变的地层图像进行处理时,获得的灰度图像,数据精确度及可靠性更强,其计算效率更高。请参照图5,通过本发明提供的全井眼测井图像生成方法对测井图像进行处理,准确清晰地补全的测井图像的空白,使勘测人员能够从处理后的测井图像中更准确的对地层构造进行分析。
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、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种全井眼测井图像生成方法,其特征在于,所述方法包括:
获得目标窗口范围内的测井电成像数据;
对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像;
在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点;
基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块;
基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度,选取一与该待填充块相似度最高的候选填充块作为最优填充块;
使用所述最优填充块对该待填充块进行图像填充;
重复确定所述待填充块并进行图像填充的步骤,对所述目标窗口范围内的所有待填充区域进行图像填充。
2.根据权利要求1所述的方法,其特征在于,对所述目标窗口范围内测井电成像数据进行灰度化处理,得到灰度图像的步骤,包括:
在所述测井电成像数据上选取未进行灰度化处理的图像数据,对所述未进行灰度化处理的图像数据进行归一灰度化处理得到灰度图像。
3.根据权利要求1所述的方法,其特征在于,在灰度图像上确定待填充区域,并在所述待填充区域上选取一填充中心点的步骤,包括:
在所述灰度图像上选取空白的区域作为待填充区域;
基于像素点周围预设优先级计算范围内的像素点置信度及像素点的数据计算所述待填充区域边界点的优先级,选取一优先级最高的边界点作为填充中心点。
4.根据权利要求1所述的方法,其特征在于,所述纹理特征由所述填充中心点周围预设纹理检测范围内的像素平均梯度模值表征;所述基于所述填充中心点周围预设纹理检测范围内的图像纹理特征确定一待填充块的步骤,包括:
计算所述填充中心点周围预设纹理检测范围内的像素平均梯度模值;
基于所述像素平均梯度模值,以所述填充中心点为中心确定一待填充块的大小。
5.根据权利要求1所述的方法,其特征在于,所述基于该待填充块的大小在所述灰度图像中选取多个候选填充块,并基于该待填充块的平均像素灰度计算得到所述多个候选填充块与所述待填充块的相似度,选取一与该待填充块相似度最高的候选填充块作为最优填充块的相似度的步骤,包括:
在所述填充中心点周围一预设搜索范围内的已填充区域中,选取多个与该待填充块大小相同的候选填充块;
从多个所述候选填充块中筛选剔除与所述待填充区域的灰度差异大于预设灰度差异阈值的候选填充块;
在筛选后的所述候选填充块中选取一与所述待填充块相似度最高的候选填充块作为最优填充块。
6.根据权利要求5所述的方法,其特征在于,从多个所述候选填充块中筛选剔除与所述待填充区域的灰度差异大于预设灰度差异阈值的候选填充块的步骤,包括:
计算所述待填充块中已有灰度值的像素点的平均像素灰度,及多个所述候选填充块中像素点的平均像素灰度;
计算多个所述候选填充块的平均像素灰度与所述待填充块的平均像素灰度之差的绝对值,并剔除所述绝对值大于一预设灰度差异阈值的候选填充块。
7.根据权利要求5所述的方法,其特征在于,所述候选填充块与所述待填充块相似度通过一空间加权灰度距离表征;所述在筛选后的所述候选填充块中选取一与所述待填充块相似度最高的候选填充块作为最优填充块的步骤,包括:
针对所述待填充区域中已有灰度值的每个像素点,计算所述像素点与所述候选填充块中位置对应的像素点的灰度差,获得所述待填充区域与所述候选填充块的灰度距离;
采用所述待填充区域与所述候选填充块中对应像素点的空间距离,对所述灰度距离进行加权计算,获得所述待填充区域与所述候选填充块的空间加权灰度距离,并将于所述待填充块的空间加权灰度距离最小的候选填充块作为所述最优填充块。
8.根据权利要求7所述的方法,其特征在于,所述使用所述最优填充块对该待填充块进行图像填充的步骤,包括:
使用所述最优填充块的图像数据对所述待填充块进行图像填充;
根据所述最优填充块与所述待填充区域的灰度距离,计算更新获得所述待填充区域被填充后的像素点的置信度。
9.根据权利要求1所述的方法,其特征在于,在对所述目标窗口范围内的所有待填充区域进行图像填充的步骤之后,所述方法还包括:
通过二次函数拟合法对所述目标窗口范围内填充完成的图像数据进行滤波,输出滤波后所述目标窗口范围内各像素点的灰度数据。
10.根据权利要求9所述的方法,其特征在于,通过二次函数拟合法对所述目标窗口范围内填充完成的图像数据进行滤波,输出滤波后所述目标窗口范围内各像素点的灰度数据的步骤之后,所述方法还包括:
将所述目标窗口在测井电成像数据中移动一预设步长,并获取所述目标窗口内的测井电成像数据进行图像填充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611149402.3A CN106600535B (zh) | 2016-12-14 | 2016-12-14 | 全井眼测井图像生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611149402.3A CN106600535B (zh) | 2016-12-14 | 2016-12-14 | 全井眼测井图像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106600535A true CN106600535A (zh) | 2017-04-26 |
CN106600535B CN106600535B (zh) | 2020-05-19 |
Family
ID=58801955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611149402.3A Active CN106600535B (zh) | 2016-12-14 | 2016-12-14 | 全井眼测井图像生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600535B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909549A (zh) * | 2017-10-26 | 2018-04-13 | 中石化石油工程技术服务有限公司 | 一种测井电成像动态图像台阶自动消除方法 |
CN110716239A (zh) * | 2018-07-11 | 2020-01-21 | 中石化石油工程技术服务有限公司 | 一种基于电成像的测井砂砾岩体岩性精细评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1687806A (zh) * | 2005-06-10 | 2005-10-26 | 中油测井技术服务有限责任公司 | 一种电成像测井图全井壁复原方法 |
CN101777178A (zh) * | 2010-01-28 | 2010-07-14 | 南京大学 | 一种图像修复方法 |
CN105825487A (zh) * | 2016-04-06 | 2016-08-03 | 中国海洋石油总公司 | 一种全井周电成像图像生成方法和系统 |
-
2016
- 2016-12-14 CN CN201611149402.3A patent/CN106600535B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1687806A (zh) * | 2005-06-10 | 2005-10-26 | 中油测井技术服务有限责任公司 | 一种电成像测井图全井壁复原方法 |
CN101777178A (zh) * | 2010-01-28 | 2010-07-14 | 南京大学 | 一种图像修复方法 |
CN101777178B (zh) * | 2010-01-28 | 2011-08-31 | 南京大学 | 一种图像修复方法 |
CN105825487A (zh) * | 2016-04-06 | 2016-08-03 | 中国海洋石油总公司 | 一种全井周电成像图像生成方法和系统 |
Non-Patent Citations (3)
Title |
---|
傅少庆 等: "电成像空白条带自适应修复方法", 《第十八届测井年后论文集》 * |
曹沛强: "基于纹理合成的图像修复算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
桂要生: "数字图像修复算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909549A (zh) * | 2017-10-26 | 2018-04-13 | 中石化石油工程技术服务有限公司 | 一种测井电成像动态图像台阶自动消除方法 |
CN107909549B (zh) * | 2017-10-26 | 2021-11-12 | 中石化石油工程技术服务有限公司 | 一种测井电成像动态图像台阶自动消除方法 |
CN110716239A (zh) * | 2018-07-11 | 2020-01-21 | 中石化石油工程技术服务有限公司 | 一种基于电成像的测井砂砾岩体岩性精细评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106600535B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526693B (zh) | 裂缝识别方法和装置 | |
CN101539629B (zh) | 基于多特征证据融合与结构相似度的遥感图像变化检测方法 | |
CN104361582B (zh) | 一种对象级高分辨率sar影像洪水灾害变化检测方法 | |
MX2007000380A (es) | Metodo basado en computadora para modelar y visualizar mientras se preforan formaciones terrestres subterraneas en capas. | |
Ling et al. | Superresolution land cover mapping using spatial regularization | |
CN108734171A (zh) | 一种深度协同稀疏编码网络的合成孔径雷达遥感图像海洋浮筏识别方法 | |
Yang et al. | Evaluating SAR sea ice image segmentation using edge-preserving region-based MRFs | |
CN113628234B (zh) | 基于综合邻域信息的显著性极化sar图像变化检测方法 | |
CN112324422B (zh) | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 | |
CN106600552A (zh) | 纹理图像补全方法及装置 | |
Yu et al. | CRIM-FCHO: SAR image two-stage segmentation with multifeature ensemble | |
Delhomme | A quantitative characterization of formation heterogeneities based on borehole image analysis | |
CN106600535A (zh) | 全井眼测井图像生成方法 | |
CN110097524B (zh) | 基于融合卷积神经网络的sar图像目标检测方法 | |
CN106780332A (zh) | 全井眼测井图像生成装置 | |
CN115639605B (zh) | 基于深度学习的高分辨率断层的自动识别方法和装置 | |
CN104732190B (zh) | 一种基于正交纹理相关分析的合成孔径声纳目标检测方法 | |
Xiong et al. | Singularity-exponent-domain image feature transform | |
Taiebi et al. | Detection of reservoir fractures in imaging logs using directional filtering | |
CN113591740B (zh) | 基于深度学习的复杂河流环境下泥沙颗粒识别方法及装置 | |
CN109948291A (zh) | 一种砂体不连续界线方向自适应识别方法 | |
Al-Sit | Automatic feature detection and interpretation in borehole data | |
Zhang et al. | Stereo matching cost computation based on nonsubsampled contourlet transform | |
CN109447944A (zh) | 碳酸盐岩的岩相识别方法及系统 | |
Lee et al. | Total variation-based image noise reduction with generalized fidelity function |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200518 Address after: 730000 No.318, Donggang West Road, Chengguan District, Lanzhou City, Gansu Province Patentee after: NORTHWEST INSTITUTE OF ECO-ENVIRONMENT AND RESOURCES, CAS Address before: Chengguan District of Gansu city of Lanzhou province Donggang West Road 730099 No. 382 Patentee before: Lanzhou Center for Oil and Gas Resources, Institute of Geology and Geophysics, CAS |