CN108062789B - 岩心样品选取方法和装置 - Google Patents

Abstract

本说明书实施例提供一种岩心样品选取方法和装置。所述方法包括：获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品。

Description

岩心样品选取方法和装置

技术领域

本说明书实施例涉及石油天然气勘探技术领域，特别涉及一种岩心样品选取方法和装置。

背景技术

数字岩心技术作为开展岩石数值模拟的关键手段，在油田开发过程中有着广泛的应用前景，例如用于微观渗流机理研究及宏观传导性预测、驱替机理研究及驱油剂应用效果评价、油藏生产动态的模拟和预测等。数字岩心的构建方法可以包括物理实验法。物理实验法是指利用扫描电镜、核磁共振、CT扫描仪等物理实验设备来构建三维数字岩心，其原理是利用图像处理技术和数学算法将岩心在不同切面上的二维图像进行三维重构。物理实验法可以包括序列成像法、聚焦扫描法、核磁共振法、CT扫描法等。

在使用物理实验法构建数字岩心的过程中通常需要从岩心体中选取岩心样品。目前，通常通过肉眼观察岩心体，选取认为其中具有代表性的区域或感兴趣的区域以钻取岩心样品。但是，这样钻取的岩心样品往往具有较大的随意性，无法代表岩心体的整体特点，从而使得构建的数字岩心的代表性较差。

发明内容

本说明书实施例的目的是提供一种岩心样品选取方法和装置，以准确地选取具有代表性的岩心样品。

为实现上述目的，本说明书实施例提供一种岩心样品选取方法，包括：获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品。

为实现上述目的，本说明书实施例提供一种岩心样品选取装置，包括：第一获取单元，用于获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；计算单元，用于计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；第二获取单元，用于基基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；第三获取单元，用于基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品。

由以上本说明书实施例提供的技术方案可见，本说明书实施例可以获取岩心体的多个扫描图像集合；可以计算扫描图像的分形盒维数和面孔率继而得到目标扫描图像集合；可以钻取所述目标扫描图像集合在所述岩心体对应的位置部分，得到岩心样品。本实施例可以克服目前数字岩心构建过程中岩心样品的选择随意性强，使得建立的数字岩心代表性差等问题。本实施例选取的岩心样品与岩心体的整体差异性较小，有利于数字岩心的构建。

附图说明

为了更清楚地说明本说明书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说明书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为本说明书实施例一种岩心样品选取方法的流程图；

图2为本说明书实施例一种对岩心体进行CT扫描得到多个扫描图像的示意图；

图3为本说明书实施例一种扫描图像的示意图；

图4为本说明书实施例一种扫描图像的灰度直方图；

图5为本说明书实施例一种岩心样品选取装置的功能结构示意图。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

请参阅图1。本说明书实施例提供一种岩心样品选取方法，所述岩心样品可以用于构建数字岩心。所述岩心样品选取方法可以包括以下步骤。

步骤S10：获取岩心体的多个扫描图像集合。

在本实施例中，所述岩心体可以为待进行CT扫描的岩心体以用于钻取岩心样品。具体地，可以对所述岩心体进行CT扫描，得到多个扫描图像；可以基于扫描顺序对所述多个扫描图像进行分组，得到多个扫描图像集合。每个扫描图像集合可以包括多个扫描图像；各个扫描图像集合中扫描图像的数量可以相同；各个扫描图像集合中的扫描图像可以全部不同或部分相同。所述扫描图像可以包括灰度图像。

在本实施例的一个场景示例中，所述岩心体可以为岩心柱，所述岩心柱的高度可以为L。用于构建的数字岩心的尺寸可以为l×l×l。可以设定CT扫描的扫描间距为d；可以选择毫米级或微米级等合适的扫描分辨率对所述岩心体进行CT扫描，得到N个扫描图像并有序存放；可以根据扫描顺序对所述N个扫描图像进行分组进而得到多个扫描图像集合。其中，L＝N×d，L≥l。

在本场景示例中，具体地，每个扫描图像集合中扫描图像的数量可以为n；扫描图像集合的数量可以为N-n+1；第j个扫描图像集合I_j＝[picj,pic(j+1),...,pic(j+n-1)]。其中，j为整数并且N-n+1≥j≥1；n≤N；n×d≥l。例如，请参阅图2、图3和图4。L＝N×d＝10cm，d＝0.1mm，N＝1000，n＝150，l＝15mm。那么，扫描图像集合的数量N-n+1可以为851；扫描图像集合I₁＝[pic1,pic2,...,pic150]，扫描图像集合I₂＝[pic2,pic3,...,pic151]，……，扫描图像集合I₈₅₁＝[pic851,pic852,...,pic1000]。

步骤S12：计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率。

在本实施例中，分形维数是分形理论及应用中较为重要的概念和内容，它是度量物体或分形体复杂性和不规则性的主要指标，是定量描述分形自相似性程度大小的参数。分形维数可以包括盒维数(Box-counting dimension)。所述扫描图像可以为灰度图像。灰度图像内像素点的灰度值范围为[0,255]内的整数。以灰度图像的左上角为坐标原点，以水平向右方向为X轴正方向，以竖直向下方向为Y轴正方向，根据右手定则构建三维直角坐标系。如此，灰度图像的灰度值可以视为一个灰度表面[x,y,z(x,y)]；其中，z(x,y)为灰度图像(x,y)位置处的灰度值。从而，灰度图像中灰度值的变化情况可以反映在灰度表面的粗糙程度上。使用不同尺度去度量灰度表面，得到的维数即为灰度图像的分形盒维数。

在本实施例中，可以使用公式logN_r＝D_blog(1/r)+logK计算每个扫描图像的分形盒维数；其中，D_b为分形盒维数；K为常数；N_r为覆盖扫描图像所需的盒子数量，盒子的大小为s×s×h；r为划分比率，r＝s/M；M为扫描图像的长边边长。

具体可以通过如下步骤计算每个扫描图像的分形盒维数。

步骤1)：针对每个扫描图像，使用大小为s×s像素的网格对该扫描图像进行网格化处理，得到Q个网格。

针对每个扫描图像，记该扫描图像的大小为M×N像素；记该扫描图像的最大灰度值为G₀；可以使用大小为s×s像素的网格对该扫描图像进行网格化处理，从而将该扫描图像划分为Q个网格；记划分比率r＝s/M。其中，M≥N；s为整数且M/2≥s>1；Q＝([M/s]+1)×([N/s]+1)；[]为运算符，[X]具体表示不大于X的最大整数。

步骤2)：针对每个网格，使用大小为s×s×h的盒子对该网格的灰度值进行划分，得到覆盖该网格所需的盒子数n_r。

针对所述Q个网格中的每个网格，记该网格的最大灰度值为G_max；记该网格的最小灰度值为G_min；可以使用大小为s×s×h的盒子来划分该网格的灰度值，则完全覆盖该网格的灰度值所需的盒子数量n_r＝f–k+1。其中，h为整数且满足[G₀/h]＝[M/s]；f为G_max所在盒子的编号，k为G_min所在盒子的编号(k≤f，盒子从下往上顺序编号)；具体f＝{G_max/h}，k＝{G_min/h}，{}为运算符，{X}具体表示不小于X的最小整数。

步骤3)：使用公式N_r＝Q×n_r计算覆盖该扫描图像所需的盒子数N_r；并记录数据(N_r,r)。

步骤4)：改变S的大小并重复步骤1)-步骤3)，得到多个数据(N_r,r)。

改变s的取值例如可以为将s的取值加1。当然，还可以采用其它的方法改变s的取值，例如，将s的取值加2、加5、加10、减3等等。

步骤5)：使用公式logN_r＝D_b log(1/r)+logK计算该扫描图像的分形盒维数。

可以计算每个数据(N_r,r)对应的数据[logN_r,log(1/r)]；可以根据公式logN_r＝D_blog(1/r)+logK，采用最小二乘法对多个数据[logN_r,log(1/r)]进行直线拟合，拟合直线的斜率即为该扫描图像的分形盒维数D_b。

在本实施例中，可以使用公式

计算每个扫描图像的面孔率；其中，φ表示面孔率；D_f表示孔隙分形维数；λ_max表示最大孔隙半径；λ_min表示最小孔隙半径。

在本实施例中，可以使用边缘检测算法对每个扫描图像进行处理，得到含有边缘信息的二值图像。所述边缘检测算法例如可以包括索贝尔(Sobel)边缘检测算法、Robert边缘检测算法、Prewitt边缘检测算法等。在二值图像中，鉴于孔隙的形态复杂多样，可以将每个孔隙视为与其等面积的圆形区域，可以使用该圆形区域来表征该孔隙，可以将该圆形区域的半径作为该孔隙的等效半径。如此，可以基于二值图像获取等效半径集合以及所述等效半径集合中每个等效半径的累计孔隙数量；基于所述等效半径集合以及所述等效半径集合中每个等效半径的累计孔隙数量，进行直线拟合，得到该扫描图像的D_f、λ_max和λ_min。

具体地，可以获取二值图像中各个孔隙的等效半径，作为等效半径集合中的等效半径。针对所述等效半径集合中的每个等效半径，可以统计二值图像中等效半径小于或等于该等效半径的孔隙数量，作为该等效半径的累计孔隙数量。例如，所述等效半径集合中的等效半径可以包括1、2、3、4、5、6。等效半径1对应的孔隙数量为1；等效半径2对应的孔隙数量为2；等效半径3对应的孔隙数量为3；等效半径4对应的孔隙数量为2；等效半径5对应的孔隙数量为2；等效半径6对应的孔隙数量为3。那么，等效半径1的累计孔隙数量可以为1；等效半径2的累计孔隙数量可以为3；等效半径3的累计孔隙数量可以为6；等效半径4的累计孔隙数量可以为7；等效半径5的累计孔隙数量可以为9；等效半径6的累计孔隙数量可以为12。

在无标度区间内，等效半径λ与该等效半径λ的累计孔隙数量N_c遵循公式ln[N_c]＝-D_flnλ+D_flnλ_max。可见，等效半径λ与该等效半径λ的累计孔隙数量N_c呈线性关系，直线的斜率即为孔隙分形维数D_f。如此，可以采用最小二乘法对等效半径集合中的等效半径以及等效半径的累积孔隙数量进行线性拟合，拟合直线的斜率即为孔隙分形维数D_f；拟合直线的两个端点分别为λ_max和λ_min。

步骤S14：基于分形盒维数和面孔率，从所述多个扫描图像集合中获取目标扫描图像集合。

在本实施例中，可以计算每个扫描图像集合的平均分形盒维数和平均面孔率；可以基于平均分形盒维数和平均面孔率，从所述多个扫描图像集合中选取目标扫描图像集合。

在本实施例中，可以使用公式

计算每个扫描图像集合的平均分形盒维数；可以使用公式

计算每个扫描图像集合的平均面孔率。其中，D_bi为第i个扫描图像的分形盒维数；

为第j个扫描图像集合的平均分形盒维数；n为扫描图像集合中扫描图像的数量；φ_i为第i个扫描图像的面孔率；

为第j个扫描图像集合的平均面孔率。

在本实施例中，所述目标扫描图像集合可以为与所述多个扫描图像集合整体差异最小的最佳扫描图像集合。可以使用如下公式从所述多个扫描图像集合中选取目标扫描图像集合。

其中，i∈(1,N)，j∈(1,N-n+1)，I^*为目标扫描图像集合，Ω()为取最小非负数函数。

步骤S16：基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品。

在本实施例中，可以基于所述目标扫描图像集合表示的位置，从所述岩心体中钻取岩心样品。例如，所述岩心体可以为圆柱体；所述圆柱体的长度L＝10cm；扫描间距d＝0.1mm。一次CT扫描的图像总数N＝1000；每个扫描图像集合中扫描图像的数量n＝150；从而可以得到851个扫描图像集合。所述目标图像集合可以为I₂₀₁＝[pic201,pic202,...,pic350]。那么，钻取岩样方法是：分别截去所述岩心体上端20mm和下端65mm，留下部分即为岩心样品。

在本实施例中，可以获取岩心体的多个扫描图像集合；可以计算扫描图像的分形盒维数和面孔率继而得到目标扫描图像集合；可以钻取所述目标扫描图像集合在所述岩心体对应的位置部分，得到岩心样品。本实施例可以克服目前数字岩心构建过程中岩心样品的选择随意性强，使得建立的数字岩心代表性差等问题。本实施例选取的岩心样品与岩心体的整体差异性较小，有利于数字岩心的构建。此外，本实施例还可以适用于材料工程领域以及其他筛选样品领域，具有较高推广价值和社会效益。

请参阅图5。本说明书实施例还提供一种岩心样品选取装置，包括：

第一获取单元20，用于获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；

计算单元22，用于计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；

第二获取单元24，用于基基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；

第三获取单元26，用于基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品。

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。

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。

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。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

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说明书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，本说明书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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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)执行本说明书各个实施例或者实施例的某些部分所述的方法。

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。

本说明书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。

本说明书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说明书，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说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

Claims (8)

1.一种岩心样品选取方法，其特征在于，包括：

获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；

计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；

基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；

基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品；

其中，所述从所述多个扫描图像集合中选取目标扫描图像集合，包括：

使用公式

计算每个扫描图像集合的平均分形盒维数；

使用公式

计算每个扫描图像集合的平均面孔率；

基于平均分形盒维数和平均面孔率，使用公式如下公式从所述多个扫描图像集合中选取目标扫描图像集合：

其中，i∈(1,N)；j∈(1,N-n+1)；I^*为目标扫描图像集合；Ω()为取最小非负数函数。

2.如权利要求1所述的方法，其特征在于，所述获取岩心体的多个扫描图像集合，包括：

对所述岩心体进行CT扫描，得到多个扫描图像；

基于扫描顺序对所述多个扫描图像进行分组，得到多个扫描图像集合。

3.如权利要求2所述的方法，其特征在于，扫描图像集合I_j＝[picj,pic(j+1),...,pic(j+n-1)]；其中，j为整数并且N-n+1≥j≥1；N为CT扫描得到的扫描图像数量；n为扫描图像集合中扫描图像的数量。

4.如权利要求1所述的方法，其特征在于，所述计算所述多个扫描图像集合中每个扫描图像的分形盒维数，包括：

使用公式log N_r＝D_blog(1/r)+logK计算每个扫描图像的分形盒维数；其中，D_b为分形盒维数；K为常数；N_r为覆盖该扫描图像所需的盒子数量；r为划分比率。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

步骤1)：针对每个扫描图像，使用大小为s×s像素的网格对该扫描图像进行网格化处理，得到Q个网格；

步骤2)：针对每个网格，使用大小为s×s×h的盒子对该网格的灰度值进行划分，得到覆盖该网格所需的盒子数n_r；

步骤3)：使用公式N_r＝Q×n_r计算覆盖该扫描图像所需的盒子数N_r；并记录数据(N_r,r)；其中，r＝s/M；M为该扫描图像的边长；

步骤4)：改变s的大小并重复步骤1)-步骤3)，得到多个数据(N_r,r)；

相应地，所述使用公式log N_r＝D_blog(1/r)+logK计算每个扫描图像的分形盒维数，包括：

基于所述多个数据(N_r,r)，使用公式log N_r＝D_blog(1/r)+logK进行直线拟合；将拟合直线的斜率作为该扫描图像的分形盒维数D_b。

6.如权利要求1所述的方法，其特征在于，所述计算所述多个扫描图像集合中每个扫描图像的面孔率，包括：

使用公式

计算每个扫描图像的面孔率；其中，φ为面孔率；D_f为孔隙分形维数；λ_max为最大孔隙半径；λ_min为最小孔隙半径。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

使用边缘检测算法对每个扫描图像进行处理，得到二值图像；

基于所述二值图像获取等效半径集合以及所述等效半径集合中每个等效半径的累计孔隙数量；

基于所述等效半径集合以及所述等效半径集合中每个等效半径的累计孔隙数量，进行直线拟合，得到该扫描图像的孔隙分形维数、最大孔隙半径和最小孔隙半径。

8.一种岩心样品选取装置，其特征在于，包括：

第一获取单元，用于获取岩心体的多个扫描图像集合；其中，每个扫描图像集合包括多个扫描图像；

计算单元，用于计算所述多个扫描图像集合中每个扫描图像的分形盒维数和面孔率；

第二获取单元，用于基于分形盒维数和面孔率，从所述多个扫描图像集合中选取目标扫描图像集合；

第三获取单元，用于基于所述目标扫描图像集合表示的位置，从所述岩心体中获取岩心样品；

其中，所述从所述多个扫描图像集合中选取目标扫描图像集合，包括：

使用公式

计算每个扫描图像集合的平均分形盒维数；

使用公式

计算每个扫描图像集合的平均面孔率；

基于平均分形盒维数和平均面孔率，使用公式如下公式从所述多个扫描图像集合中选取目标扫描图像集合：

其中，i∈(1,N)；j∈(1,N-n+1)；I^*为目标扫描图像集合；Ω()为取最小非负数函数。

Images