CN108961332A - 砂岩图像代表性区域面积大小确定方法及装置 - Google Patents
砂岩图像代表性区域面积大小确定方法及装置 Download PDFInfo
- Publication number
- CN108961332A CN108961332A CN201710366500.0A CN201710366500A CN108961332A CN 108961332 A CN108961332 A CN 108961332A CN 201710366500 A CN201710366500 A CN 201710366500A CN 108961332 A CN108961332 A CN 108961332A
- Authority
- CN
- China
- Prior art keywords
- areal porosity
- porosity
- areal
- group
- sub
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种砂岩图像代表性区域面积大小确定方法及装置,包括:步骤101,对获取的砂岩样品的扫描图像进行二值化处理以获得二值化图像。步骤102,对二值化图像进行搜索以获取代表性区域;步骤103,对各代表性区域分别计算区域面孔率,并根据各区域面孔率计算获得面孔率组。步骤104,从第二预设阈值组中选择未执行过步骤102的第二预设子阈值,重复执行步骤102和步骤103。步骤105,将面孔率组中各参数值均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。上述方法通过面孔率组中的各参数是否落入预设置信区间来确定代表性区域面积大小,克服了人为判断确定砂岩图像代表性区域面积大小随意性方面的不足。
Description
技术领域
本发明涉及石油勘探领域,尤其涉及一种砂岩图像代表性区域面积大小确定方法及装置。
背景技术
致密砂岩储层孔喉结构复杂,现有技术难以准确确定代表性区域大小。同时,随着微区分析技术的进一步发展,这个问题的制约影响也越来越突出,确定代表性区域大小对于后期在此基础上开展的其他微区孔喉结构实验分析具有重要的参考价值。
目前,试图确定致密砂岩扫描图像代表性区域大小的方法,主要采用人为判断法,即通过观察整个图像区域孔喉结构特征,包括孔隙类型和主要的孔隙大小分布区间,进而选取具有相似特征的孔隙发育区域作为代表性区域。
现有文献在研究土壤颗粒扫描图像时发现了代表性区域大小与面孔率之间存在一定的相关关系(唐朝生,施斌,王宝军.基于SEM土体微观结构研究中的影响因素分析。岩土工程学报,2008,6(30):560~565),认为随着覆盖区域的增大,由土体非均质性导致的误差逐渐减小,面孔率趋于稳定,从而使分析区域具有代表性。
现有方法存在的问题主要是:人为确定具有随意性,无法定量确定代表性区域大小。而文献中仅介绍了代表性区域大小受土壤非均质性影响,缺少定量刻画代表性区域大小的方法和步骤,缺少数学推导建立的代表性区域大小判别方式。并且由于研究对象、使用图像来源、图像处理方法、代表性区域确定指标不一致等问题,使该方法难以定量确定致密砂岩扫描图像代表性区域大小。
因此,仅仅依靠人为判断,依靠文献认识,很难确定代表性区域的大小。而面孔率是致密砂岩图像微观孔隙结构的直接量化反映,有必要探索一种利用面孔率确定致密砂岩图像代表性区域大小的方法。
发明内容
本发明提供一种砂岩图像代表性区域面积大小确定方法及装置,用以解决现有技术中人为判断确定砂岩图像代表性区域面积大小随意性方面的不足。
本发明一方面提供一种砂岩图像代表性区域面积大小确定方法,包括:
步骤101,获取砂岩样品的扫描图像,并对扫描图像进行二值化处理,以获得与砂岩样品的孔隙度一致的二值化图像;
步骤102,对二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,代表性区域的面积大小等于第二预设子阈值,第二预设子阈值属于第二预设阈值组,第二预设阈值组包括多个互不相等的第二预设子阈值;
步骤103,对各代表性区域分别计算相应的区域面孔率,并根据各区域面孔率计算获得与第二预设子阈值对应的面孔率组,其中,面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率;
步骤104,从第二预设阈值组中选择未执行过步骤102的第二预设子阈值,重复执行步骤102和步骤103,直到第二预设阈值组中的第二预设子阈值全部遍历完后,转步骤105执行;
步骤105,将面孔率组中各参数值均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
进一步的,步骤105具体包括:
以第二预设子阈值为横坐标,以相应的面孔率组为纵坐标,绘制K线图,其中,第二预设阈值组中的第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值;
在K线图中绘制与横坐标平行的第一直线和第二直线,其中,预设置信区间包括预设上限和预设下限,第一直线的纵坐标为预设下限,第二直线的纵坐标为预设上限,
将位于第一直线与第二直线之间的K线所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
进一步的,步骤101还包括:
根据扫描图像获取样品面孔率;
根据样品面孔率求取预设置信区间。
进一步的,步骤103具体包括:
对各代表性区域计算相应的区域面孔率;
根据各区域面孔率,绘制面孔率累计概率分布图;
根据面孔率累计概率分布图获得与第二预设子阈值对应的面孔率组。
进一步的,根据面孔率累计概率分布图获得与第二预设子阈值对应的面孔率组,具体包括:
将区域面孔率最小值作为最小面孔率;将区域面孔率最大值作为最大面孔率;将面孔率累计概率分布图中10%所对应的区域面孔率作为第一累积面孔率;将面孔率累计概率分布图中90%所对应的区域面孔率作为第二累积面孔率。
本发明另一方面提供一种砂岩图像代表性区域面积大小确定装置,包括:
扫描图像处理模块,用于获取砂岩样品的扫描图像,并对扫描图像进行二值化处理,以获得与砂岩样品的孔隙度一致的二值化图像;
代表性区域获取模块,用于对二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,并触发面孔率组计算模块;代表性区域的面积大小等于第二预设子阈值,第二预设子阈值属于第二预设阈值组,第二预设阈值组包括多个互不相等的第二预设子阈值;
面孔率组计算模块,用于对各代表性区域分别计算相应的区域面孔率,并根据各区域面孔率计算获得与第二预设子阈值对应的面孔率组,其中,面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率;
第二预设子阈值选择模块,用于从第二预设阈值组中选择未被选中过的第二预设子阈值,触发代表性区域获取模块,直到第二预设阈值组中的第二预设子阈值全部遍历完后,触发砂岩图像代表性区域面积大小确定模块;
砂岩图像代表性区域面积大小确定模块,用于将所述面孔率组中各参数值均落入预设置信区间内的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将所述面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
进一步的,砂岩图像代表性区域面积大小确定模块,具体包括:
K线图绘制子模块,用于以第二预设子阈值为横坐标,以相应的面孔率组为纵坐标,绘制K线图,其中,第二预设阈值组中的第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值;
置信区间绘制子模块,用于在K线图中绘制与横坐标平行的第一直线和第二直线,其中,预设置信区间包括预设上限和预设下限,第一直线的纵坐标为预设下限,第二直线的纵坐标为预设上限;
砂岩图像代表性区域面积大小确定子模块,用于将位于第一直线与第二直线之间的K线所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
进一步的,扫描图像处理模块还用于:
根据扫描图像获取样品面孔率;
根据样品面孔率求取预设置信区间。
进一步的,面孔率组计算模块具体包括:
区域面孔率计算子模块,用于对各代表性区域计算相应的区域面孔率;
面孔率累计概率分布图绘制子模块,用于根据各区域面孔率,绘制面孔率累计概率分布图;
面孔率组计算子模块,用于根据面孔率累计概率分布图获得与第二预设子阈值对应的面孔率组。
进一步的,面孔率组计算子模块具体用于:
将区域面孔率最小值作为最小面孔率;将区域面孔率最大值作为最大面孔率;将面孔率累计概率分布图中10%所对应的区域面孔率作为第一累积面孔率;将面孔率累计概率分布图中90%所对应的区域面孔率作为第二累积面孔率。
本发明实施例提供的砂岩图像代表性区域面积大小确定方法,通过在砂岩样品的二值化图像中进行搜索,计算搜索到的多个代表性区域的区域面孔率,根据计算获得的区域面孔率计算获得面孔率组中的各参数,并逐步增大代表性区域的面积(即对第二预设阈值组中的第二预设子阈值按照从小到大进行选择),并求取相应的面孔率组中的各参数,最后选择面孔率组中的各参数均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。上述方法及装置建立了代表性区域面积大小与面孔率组的相关关系,最后通过面孔率组中的各参数是否落入预设置信区间来确定代表性区域面积大小,该方法克服了人为判断确定砂岩图像代表性区域大小随意性方面的不足。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为本发明实施例一提供的砂岩图像代表性区域面积大小确定方法的一流程示意图;
图2为本发明实施例一提供的砂岩图像代表性区域面积大小确定方法的另一流程示意图;
图3为区域面孔率的累计概率分布图;
图4为砂岩样品扫描图像;
图5为图4中扫描图像的二值化图像;
图6为对图5中的二值化图像进行代表性区域搜索的结果图;
图7为代表性区域边长为100像素的区域面孔率的累计概率分布图;
图8为不同面积大小的代表性区域搜索图结果图;
图9为代表性区域边长为800像素的区域面孔率的累计概率分布图;
图10为代表性区域所对应的K线图与预设置信区间的关系图;
图11为本发明实施例二提供的砂岩图像代表性区域面积大小确定装置的结构示意图。
在附图中,相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例一
图1为本发明实施例一提供的砂岩图像代表性区域面积大小确定方法的流程示意图;如图1所示,本发明实施例提出一种砂岩图像代表性区域面积大小确定方法,包括步骤101-步骤105。
其中,步骤101,获取砂岩样品的扫描图像,并对扫描图像进行二值化处理,以获得二值化图像。
砂岩样品的扫描图像是通过场发射扫描电镜形成的MAPS图像获取的,即通过图像处理技术,可获取砂岩样品的扫描图像,并对该扫描图像进行二值化处理,获得的二值化图像与砂岩样品孔隙度一致。
进一步的,在本发明一个具体实施例中,步骤101还包括:根据扫描图像获取样品面孔率;根据样品面孔率求取预设置信区间。利用图像分析软件可以非常准确的获取扫描图像的样品面孔率,然后根据样品面孔率求取预设置信区间,例如,当样品面孔率为P样品,预设置信区间的上限为P上,下限为P下时,可通过如下方法计算获得预设置信区间:
P下=P样品(1-5%);
P上=P样品(1+5%);
步骤102,对二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,代表性区域的面积大小等于第二预设子阈值,第二预设子阈值属于第二预设阈值组,第二预设阈值组包括多个互不相等的第二预设子阈值。
具体的,第一预设阈值、第二预设阈值组和第二预设子阈值可根据实际情况进行设置,在此不做限定。一般的,第二预设子阈值不应小于砂岩颗粒的直径的平方。
在获得的二值化图像上进行搜索,选择合适的面积大小为初始值,即第二预设子阈值应选择第二预设阈值组中值最小的一个,随机搜索产生1000(此处的1000即为第一预设阈值,可根据实际情况进行选择,例如也可以取500)个相同面积的图像区域。一般的,第二预设子阈值不能小于砂岩样品颗粒直径的平方。另外,在对二值化图像进行搜索时,为了不漏掉最佳计算结果,选择的第二预设子阈值的大小应是依次增加的。在本实施例中,选择第二预设阈值组中值最小的第二预设子阈值作为初始值。
假定确定初始代表性区域面积(即第二预设阈值组中值最小的第二预设子阈值)为X,通过计算程序随机搜索出二值化图像中面积为X的代表性区域1000个,此处的1000即为第一预设阈值,当然也可以设置为500或者800,可根据实际需要进行选择,在此不做限定。
步骤103,对各代表性区域分别计算相应的区域面孔率,并根据各区域面孔率计算获得与第二预设子阈值对应的面孔率组,其中,面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率。
在本步骤中,对于每一个代表性区域均计算获得相应的区域面孔率,将面积等于第二预设子阈值的所有代表性区域对应的区域面孔率计算完成之后,根据这些区域面孔率计算获得面孔率组,该面孔率组与第二预设子阈值为一一对应关系,即对于第二预设阈值组中的每一个第二预设子阈值,均对应有一个面孔率组。
进一步的,如图2所示,在本发明一个具体实施例中,步骤103具体包括:
步骤1031,对各代表性区域计算相应的区域面孔率。
步骤1032,根据各区域面孔率,绘制面孔率累计概率分布图。图3为区域面孔率累计概率分布图,其中,横坐标为与代表性区域对应的区域面孔率,纵坐标为累计概率。
步骤1033,根据面孔率累计概率分布图获得与第二预设子阈值对应的面孔率组,即将值最小的区域面孔率作为最小面孔率;将值最大的区域面孔率作为最大面孔率;将面孔率累计概率分布图中10%所对应的区域面孔率作为第一累积面孔率;将面孔率累计概率分布图中90%所对应的区域面孔率作为第二累积面孔率。
步骤104,从第二预设阈值组中选择未执行过步骤102的第二预设子阈值,重复执行步骤102和步骤103,直到第二预设阈值组中的第二预设子阈值全部遍历完后,转步骤105执行。
当第二预设阈值组中的第二预设子阈值全部遍历完后,对于每一个第二预设子阈值,都有对应的最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率。
步骤105,将面孔率组中各参数值均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将所述面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。即如果面孔率组中最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率的值均在预设置信区间内,那么该面孔率组所对应的第二预设子阈值即可作为砂岩图像代表性区域面积大小的值。
进一步的,如图2所示,在本发明一个具体实施例中,步骤105具体包括:
步骤1051,以第二预设子阈值为横坐标,以相应的面孔率组为纵坐标,绘制K线图,其中,第二预设阈值组中的第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值。
具体的,对于每一个第二预设子阈值和对应的面孔率组,均可绘制一条K线,在该条K线中,与第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值。
步骤1052,在K线图中绘制与横坐标平行的第一直线和第二直线,其中,预设置信区间包括预设上限和预设下限,第一直线的纵坐标为预设下限,第二直线的纵坐标为预设上限;
步骤1053,将位于第一直线与第二直线之间的K线所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。即如果面孔率组中最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率的值均在预设置信区间内,那么该面孔率组所对应的第二预设子阈值即可作为砂岩图像代表性区域面积大小的值。
进一步的,根据实验条件,一般情况下可将砂岩图像代表性区域面积大小划分为严格意义上砂岩样品代表性区域面积和相对意义上砂岩样品代表性区域面积:当面孔率组中的最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率的值均在预设置信区间内,那么该面孔率组所对应的第二预设子阈值即为严格意义上砂岩样品代表性区域面积。当面孔率组中的第一累积面孔率和第二累积面孔率的值均在预设置信区间内且最大面孔率和最小面孔率没有同时落入预设置信区间内时,那么该面孔率组所对应的第二预设子阈值即为相对意义上砂岩样品代表性区域面积。严格意义上砂岩样品代表性区域面积和相对意义上砂岩样品代表性区域面积都可作为砂岩图像代表性区域面积大小。在实际应用中,可根据实际情况选择计算严格意义上砂岩样品代表性区域面积,还是相对意义上砂岩样品代表性区域面积。
本发明实施例提供的砂岩图像代表性区域面积大小确定方法,通过在砂岩样品的二值化图像中进行搜索,计算搜索到的多个代表性区域的区域面孔率,根据计算获得的区域面孔率计算获得面孔率组中的各参数,并逐步增大代表性区域的面积(即对第二预设阈值组中的第二预设子阈值从小到大进行选择),并求取相应的面孔率组中的各参数,最后选择面孔率组中的各参数均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内且最大面孔率和最小面孔率没有同时落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。上述方法建立了代表性区域大小与面孔率组的相关关系,最后通过面孔率组中的各参数是否落入预设置信区间来确定代表性区域面积大小,该方法克服了人为判断确定砂岩图像代表性区域大小随意性方面的不足。
该方法有效利用面孔率变化的趋势定量确定了代表性区域的大小。
以下利用详细实施例以对上述方法进行说明。
K样品为某油田主力产油层储层样品,样品孔隙度为14.57%,渗透率0.73mD,为典型的致密砂岩储层。该样品经场发射扫描电镜扫描,图像拼接后,获得分辨率为250nm、像素达16704×17088的图像,如图4所示。
第一步,获得二值化图像,二值化图像如图5所示,确定样品面孔率和预设置信区间。根据样品物性分析成果,确定图像的样品面孔率为P样品=14.57%,然后计算预设置信区间P上、P下:
P上=P样品×(1+5%)=15.3%;
P下=P样品×(1-5%)=13.84%;
第二步,在获得的二值化图像中,通过计算机搜索随机产生1000个满足条件的代表性区域;且代表性区域的面积不应小于砂岩颗粒的直径的平方。
在本具体实施例中,以边长为100(即第二预设子阈值)像素的正方形区域为初始值(在对二值化图像进行搜索时,为了不漏掉最佳计算结果,选择的第二预设子阈值的大小应是依次增加的,初始值即第二预设阈值组中值最小的第二预设子阈值),通过计算机程序随机搜索出1000(此处的1000即为第一预设阈值,当然也可以设置为500或者800,可根据实际需要进行选择,在此不做限定)个代表性区域,分别记为A1-1,A1-2……A1-1000,搜索结果如图6所示。
第三步,计算获得的1000个代表性区域的区域面孔率,统计获取对应的面孔率组。
具体的,计算第二步中获得的代表性区域的区域面孔率,并对所有区域面孔率做累计概率分布图,图7为边长为100像素的区域面孔率的累计概率分布图,从图7中可得出P1MIN、P110%、P190%、P1MAX分别为0.12%,1.5%、29.5%和56.22%。
第四步,扩大代表性区域的大小(即按照从小到大的顺序依次选择第二预设阈值组中的第二预设子阈值),重复第二步和第三步。
扩大代表性区域,然后分别统计不同大小代表性区域的区域面孔率,得出第n个不同代表性区域的区域面孔率参数PnMIN、Pn10%、Pn90%、PnMAX,图8所示为不同大小的代表性区域搜索图,图9为代表性区域边长为800像素,总像素达64×104的区域面孔率统计特征图,表1为不同面积大小的代表性区域与区域面孔率关系的统计表。
表1
第五步,以代表性区域大小(即第二预设子阈值)为横坐标,以区域面孔率为纵坐标,作K线图。其中PMIN为最低值,P10%为开盘值,P90%为收盘值,PMAX为最高值,如图10所示。
第六步,确定砂岩图像代表性区域面积大小。
如图10所示,当代表性区域大小为8000像素边长的正方形区域时,PMIN为14.05%,P下为13.84%,PMAX为15.27%,P上为15.3%,面孔率组中的参数全部落在预设置信区间内,此时6400×104个像素对应的方形区域即为严格意义上砂岩样品代表性区域面积。
当代表性区域大小为5000像素边长的正方形区域时,P10%为14.1%,P下为13.84%,P90%为15.26%,P上为15.3%,面孔率组中的P10%和P90%落在预设置信区间内而PMIN和PMAX在预设置信区间之外,此时2500×104个像素对应的方形区域即为相对意义上砂岩样品代表性区域面积。
因此,通过上述对K样品分析可得,严格意义上砂岩样品代表性区域面积为6400×104像素,即4mm2,相对意义上砂岩样品代表性区域面积为2500×104像素,即1.56mm2。
实施例二
图11为本发明实施例二提供的砂岩图像代表性区域面积大小确定装置的结构示意图,如图11所示,本发明实施例提供一种砂岩图像代表性区域面积大小确定装置,包括扫描图像处理模块201、代表性区域获取模块202、面孔率组计算模块203、第二预设子阈值选择模块204和砂岩图像代表性区域面积大小确定模块205。
其中,扫描图像处理模块201,用于获取砂岩样品的扫描图像,并对扫描图像进行二值化处理,以获得与砂岩样品孔隙度一致的二值化图像。
进一步的,在本发明一个具体实施例中,扫描图像处理模块201还用于:根据所述扫描图像获取样品面孔率;根据所述样品面孔率求取预设置信区间。
代表性区域获取模块202,用于对二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,并触发面孔率组计算模块203;代表性区域的面积大小等于第二预设子阈值,第二预设子阈值属于第二预设阈值组,第二预设阈值组包括多个互不相等的第二预设子阈值。
面孔率组计算模块203,用于对各代表性区域分别计算相应的区域面孔率,并根据各区域面孔率计算获得与第二预设子阈值对应的面孔率组,其中,面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率。
进一步的,在本发明另一个具体实施例中,面孔率组计算模块203具体包括区域面孔率计算子模块、面孔率累计概率分布图绘制子模块和面孔率组计算子模块。
其中,区域面孔率计算子模块,用于对各所述代表性区域计算相应的所述区域面孔率。
面孔率累计概率分布图绘制子模块,用于根据各所述区域面孔率,绘制面孔率累计概率分布图。
面孔率组计算子模块,用于根据所述面孔率累计概率分布图获得与所述第二预设子阈值对应的面孔率组。进一步的,面孔率组计算子模块具体用于将区域面孔率最小值作为最小面孔率;将区域面孔率最大值作为最大面孔率;将面孔率累计概率分布图中10%所对应的区域面孔率作为第一累积面孔率;将面孔率累计概率分布图中90%所对应的区域面孔率作为第二累积面孔率。
第二预设子阈值选择模块204,用于从第二预设阈值组中选择未被选中过的第二预设子阈值,触发代表性区域获取模块202,直到第二预设阈值组中的第二预设子阈值全部遍历完后,触发砂岩图像代表性区域面积大小确定模块205。
砂岩图像代表性区域面积大小确定模块205,用于将面孔率组中各参数值均落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
进一步的,在本发明一个具体实施例中,砂岩图像代表性区域面积大小确定模块205具体包括K线图绘制子模块、置信区间绘制子模块和砂岩图像代表性区域面积大小确定子模块。
其中,K线图绘制子模块用于以第二预设子阈值为横坐标,以相应的面孔率组为纵坐标,绘制K线图,其中,第二预设阈值组中的第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值。
置信区间绘制子模块用于在K线图中绘制与横坐标平行的第一直线和第二直线,其中,预设置信区间包括预设上限和预设下限,第一直线的纵坐标为预设下限,第二直线的纵坐标为预设上限。
砂岩图像代表性区域面积大小确定子模块用于将位于第一直线与第二直线之间的K线所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内的面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
本实施例是与方法实施例一对应的装置实施例,具体可参见实施例一中的描述,在此不再赘述。
虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种砂岩图像代表性区域面积大小确定方法,其特征在于,包括:
步骤101,获取砂岩样品的扫描图像,并对所述扫描图像进行二值化处理,以获得与所述砂岩样品的孔隙度一致的二值化图像;
步骤102,对所述二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,所述代表性区域的面积大小等于第二预设子阈值,所述第二预设子阈值属于第二预设阈值组,所述第二预设阈值组包括多个互不相等的第二预设子阈值;
步骤103,对各所述代表性区域分别计算相应的区域面孔率,并根据各所述区域面孔率计算获得与所述第二预设子阈值对应的面孔率组,其中,所述面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率;
步骤104,从所述第二预设阈值组中选择未执行过步骤102的所述第二预设子阈值,重复执行步骤102和步骤103,直到所述第二预设阈值组中的所述第二预设子阈值全部遍历完后,转步骤105执行;
步骤105,将所述面孔率组中各参数值均落入预设置信区间内的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将所述面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
2.根据权利要求1所述的砂岩图像代表性区域面积大小确定方法,其特征在于,步骤105具体包括:
以所述第二预设子阈值为横坐标,以相应的所述面孔率组为纵坐标,绘制K线图,其中,所述第二预设阈值组中的所述第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与所述第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值;
在K线图中绘制与横坐标平行的第一直线和第二直线,其中,所述预设置信区间包括预设上限和预设下限,所述第一直线的纵坐标为预设下限,所述第二直线的纵坐标为预设上限,
将位于所述第一直线与所述第二直线之间的K线所对应的所述第二预设子阈值作为砂岩图像代表性区域面积大小。
3.根据权利要求1所述的砂岩图像代表性区域面积大小确定方法,其特征在于,步骤101还包括:
根据所述扫描图像获取样品面孔率;
根据所述样品面孔率求取预设置信区间。
4.根据权利要求1-3中任一项所述的砂岩图像代表性区域面积大小确定方法,其特征在于,步骤103具体包括:
对各所述代表性区域计算相应的所述区域面孔率;
根据各所述区域面孔率,绘制面孔率累计概率分布图;
根据所述面孔率累计概率分布图获得与所述第二预设子阈值对应的面孔率组。
5.根据权利要求4中所述的砂岩图像代表性区域面积大小确定方法,其特征在于,根据所述面孔率累计概率分布图获得与所述第二预设子阈值对应的面孔率组,具体包括:
将所述区域面孔率最小值作为所述最小面孔率;将所述区域面孔率最大值作为所述最大面孔率;将所述面孔率累计概率分布图中10%所对应的所述区域面孔率作为第一累积面孔率;将所述面孔率累计概率分布图中90%所对应的所述区域面孔率作为第二累积面孔率。
6.一种砂岩图像代表性区域面积大小确定装置,其特征在于,包括:
扫描图像处理模块,用于获取砂岩样品的扫描图像,并对所述扫描图像进行二值化处理,以获得与所述砂岩样品的孔隙度一致的二值化图像;
代表性区域获取模块,用于对所述二值化图像进行搜索,以获取具有第一预设阈值个数的代表性区域,并触发面孔率组计算模块;所述代表性区域的面积大小等于第二预设子阈值,所述第二预设子阈值属于第二预设阈值组,所述第二预设阈值组包括多个互不相等的第二预设子阈值;
面孔率组计算模块,用于对各所述代表性区域分别计算相应的区域面孔率,并根据各所述区域面孔率计算获得与所述第二预设子阈值对应的面孔率组,其中,所述面孔率组中的参数值包括最大面孔率、最小面孔率、第一累积面孔率和第二累积面孔率;
第二预设子阈值选择模块,用于从所述第二预设阈值组中选择未被选中过的所述第二预设子阈值,触发代表性区域获取模块,直到所述第二预设阈值组中的所述第二预设子阈值全部遍历完后,触发砂岩图像代表性区域面积大小确定模块;
砂岩图像代表性区域面积大小确定模块,用于将所述面孔率组中各参数值均落入预设置信区间内的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小,或者将所述面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内、且最大面孔率和最小面孔率未同时落入预设置信区间内时的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
7.根据权利要求6所述的砂岩图像代表性区域面积大小确定装置,其特征在于,砂岩图像代表性区域面积大小确定模块,具体包括:
K线图绘制子模块,用于以所述第二预设子阈值为横坐标,以相应的所述面孔率组为纵坐标,绘制K线图,其中,所述第二预设阈值组中的所述第二预设子阈值在横坐标上按照从左至右依次增大的方式排列,与所述第二预设子阈值对应的最小面孔率、第一累积面孔率、第二累积面孔率和最大面孔率分别作为对应K线的最小值、开盘值、收盘值和最大值;
置信区间绘制子模块,用于在K线图中绘制与横坐标平行的第一直线和第二直线,其中,所述预设置信区间包括预设上限和预设下限,所述第一直线的纵坐标为预设下限,所述第二直线的纵坐标为预设上限;
砂岩图像代表性区域面积大小确定子模块,用于将位于所述第一直线与所述第二直线之间的K线所对应的所述第二预设子阈值作为砂岩图像代表性区域面积大小,或者将所述面孔率组中第一累积面孔率和第二累积面孔率同时落入预设置信区间内的所述面孔率组所对应的第二预设子阈值作为砂岩图像代表性区域面积大小。
8.根据权利要求6所述的砂岩图像代表性区域面积大小确定装置,其特征在于,扫描图像处理模块还用于:
根据所述扫描图像获取样品面孔率;
根据所述样品面孔率求取预设置信区间。
9.根据权利要求6-8中任一项所述的砂岩图像代表性区域面积大小确定装置,其特征在于,面孔率组计算模块具体包括:
区域面孔率计算子模块,用于对各所述代表性区域计算相应的所述区域面孔率;
面孔率累计概率分布图绘制子模块,用于根据各所述区域面孔率,绘制面孔率累计概率分布图;
面孔率组计算子模块,用于根据所述面孔率累计概率分布图获得与所述第二预设子阈值对应的面孔率组。
10.根据权利要求9中所述的砂岩图像代表性区域面积大小确定装置,其特征在于,面孔率组计算子模块具体用于:
将所述区域面孔率最小值作为所述最小面孔率;将所述区域面孔率最大值作为所述最大面孔率;将所述面孔率累计概率分布图中10%所对应的所述区域面孔率作为第一累积面孔率;将所述面孔率累计概率分布图中90%所对应的所述区域面孔率作为第二累积面孔率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710366500.0A CN108961332B (zh) | 2017-05-23 | 2017-05-23 | 砂岩图像代表性区域面积大小确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710366500.0A CN108961332B (zh) | 2017-05-23 | 2017-05-23 | 砂岩图像代表性区域面积大小确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961332A true CN108961332A (zh) | 2018-12-07 |
CN108961332B CN108961332B (zh) | 2021-06-15 |
Family
ID=64463050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710366500.0A Active CN108961332B (zh) | 2017-05-23 | 2017-05-23 | 砂岩图像代表性区域面积大小确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961332B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738978A (zh) * | 2020-03-27 | 2020-10-02 | 中国石油化工股份有限公司 | 储层孔喉连通性的评价方法、装置、电子设备及存储介质 |
CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014072810A1 (en) * | 2012-11-08 | 2014-05-15 | Total Sa | Method for processing an image |
CN104535475A (zh) * | 2015-01-08 | 2015-04-22 | 中国石油大学(北京) | 碳酸盐岩微观结构的确定方法及装置 |
CN104573339A (zh) * | 2014-12-24 | 2015-04-29 | 中国石油大学(北京) | 页岩气储层的地质参数确定方法和装置 |
CN105354404A (zh) * | 2014-08-19 | 2016-02-24 | 中国石油化工股份有限公司 | 一种构建资源量参数分布模型的方法 |
CN105809692A (zh) * | 2016-03-10 | 2016-07-27 | 中国石油大学(华东) | 一种页岩结构的定量表征方法 |
-
2017
- 2017-05-23 CN CN201710366500.0A patent/CN108961332B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014072810A1 (en) * | 2012-11-08 | 2014-05-15 | Total Sa | Method for processing an image |
CN105354404A (zh) * | 2014-08-19 | 2016-02-24 | 中国石油化工股份有限公司 | 一种构建资源量参数分布模型的方法 |
CN104573339A (zh) * | 2014-12-24 | 2015-04-29 | 中国石油大学(北京) | 页岩气储层的地质参数确定方法和装置 |
CN104535475A (zh) * | 2015-01-08 | 2015-04-22 | 中国石油大学(北京) | 碳酸盐岩微观结构的确定方法及装置 |
CN105809692A (zh) * | 2016-03-10 | 2016-07-27 | 中国石油大学(华东) | 一种页岩结构的定量表征方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738978A (zh) * | 2020-03-27 | 2020-10-02 | 中国石油化工股份有限公司 | 储层孔喉连通性的评价方法、装置、电子设备及存储介质 |
CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
CN113029899B (zh) * | 2021-02-24 | 2022-07-01 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108961332B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780744B (zh) | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 | |
CN104573705B (zh) | 一种建筑物激光扫描点云数据的聚类方法 | |
CN101441766B (zh) | 基于多尺度几何分析的sar图像融合方法 | |
CN105626058A (zh) | 一种确定储层岩溶发育程度的方法及装置 | |
CN108961332A (zh) | 砂岩图像代表性区域面积大小确定方法及装置 | |
CN105068918B (zh) | 一种页面测试方法及装置 | |
CN103853922B (zh) | 一种油气田相似性的可视化定量评价方法 | |
CN108399424B (zh) | 一种点云分类方法、智能终端及存储介质 | |
Hao et al. | Fractal characteristics of tight sandstone reservoirs: A case from the Upper Triassic Yanchang Formation, Ordos Basin, China | |
CN101706956A (zh) | 一种利用多点地质统计法重构图像统计信息的方法 | |
CN107292913A (zh) | 一种基于视频的多阶段摔倒检测算法 | |
CN109598729A (zh) | 一种基于srm分割和分层线段特征的船舶目标检测方法 | |
CN108563901A (zh) | 一种预测和评价泥页岩水压致裂裂网扩展规律的方法 | |
CN105095898B (zh) | 一种面向实时视觉系统的目标压缩感知方法 | |
CN110672072A (zh) | 一种用于裂隙岩体结构的信息多元解译与表征方法 | |
Monaco | Taphonomic features of Paleodictyon and other graphoglyptid trace fossils in Oligo-Miocene thin-bedded turbidites, northern Apennines, Italy | |
Zheng et al. | A new approach to evaluation of loess collapsibility based on quantitative analyses of colloid-clay coating with statistical methods | |
CN101339556A (zh) | 一种利用圆锥坐标实现图像颜色相似对比的方法 | |
CN110188811A (zh) | 基于赋范梯度特征与卷积神经网络的水下目标检测方法 | |
CN111709992B (zh) | 一种用于编织陶瓷基复合材料经纬纱交叉处定位方法 | |
CN103777244B (zh) | 一种地震裂缝属性体的定量分析方法 | |
CN108072893B (zh) | 一种微地震压裂裂缝模型的多样化构建方法 | |
Chen et al. | Dynamic characteristics of Xianyang loess based on microscopic analysis: a quantitative evaluation | |
Liu et al. | Pore structure heterogeneity in middle Bakken formation | |
CN114266138B (zh) | 一种利用云端数据进行城市边缘区识别与验证方法 |
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 |