CN109297878A - 一种准确计算白云岩孔洞面孔率的方法 - Google Patents
一种准确计算白云岩孔洞面孔率的方法 Download PDFInfo
- Publication number
- CN109297878A CN109297878A CN201810912561.7A CN201810912561A CN109297878A CN 109297878 A CN109297878 A CN 109297878A CN 201810912561 A CN201810912561 A CN 201810912561A CN 109297878 A CN109297878 A CN 109297878A
- Authority
- CN
- China
- Prior art keywords
- tool
- hole
- dolomite
- calculating
- accurate method
- 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
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
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
Abstract
本发明公开了一种准确计算白云岩孔洞面孔率的方法,其关键在于在Adobe Photoshop中识别非孔洞区域,并将其在图像中擦去,是提高孔洞面孔率计算的关键;其次,选择合适的切片数量对纵向分辨率有着重要的影响。利用本发明计算白云岩孔洞面孔率,排除了地质及其它干扰因素,可信度,计算速度较快,程序相对简单,计算结果稳定。
Description
技术领域
本发明涉及地质数据采集领域,更具体地说,涉及一种准确计算白云岩孔洞面孔率的方法。
背景技术
世界上大约有60%的油气资源来自于碳酸盐岩油藏。由于碳酸盐岩非均质性极强,孔隙空间类型多样,使得油气勘探难度较大。碳酸盐岩油藏储集空间分为基质孔隙、孔洞、裂缝或者这三种的任意组合。孔隙能够储存较多的烃类,但是渗透率一般很低;裂缝的孔隙度低、渗透率高,两者均不具备较好的开采条件。孔洞一般呈现缝洞形状,能导致粒状或较大的形状不规则的洞穴,孔洞孔隙度较高,连通的孔洞具有较大的储、渗能力。孔洞通常可以连通裂缝或基质孔隙,提高储层的渗透率。定量分析孔洞是近几年碳酸盐岩油藏研究的重点及难点问题,对于指导油气田勘探与开发具有重要意义。
分析碳酸盐岩油藏中的孔洞常用三种资料:常规测井曲线、岩芯和成像测井图像。常规测井曲线采样间隔大、垂直分辨率有限,识别的孔洞不具有可信度;岩芯可以直观地识别孔洞,但是取芯资难度大、取芯米数较少,不能代表全井段孔洞发育情况;成像测井图片具有高分辨率,反映了钻孔井壁岩石的特征。用成像测井技术进行储层评价可提高10%~20%的油气储量。基于成像测井图像识别全井段孔洞是最可靠和实用的方法。
目前,成像测井已用于碳酸盐岩储层表征中的各种定量分析,尤其是碳酸盐岩储层的孔隙度。Newberry等人用孔隙度频谱分析技术将成像测井图转换成等效孔隙度图;周彦球等人将成像测井数据通过电阻率、孔隙度标定转化成孔隙度图像;Delhomme、赵军等部分学者用边界坐标跟踪标记孔洞轮廓,通过图像分割计算孔洞地质参数;闫建平通过连通域标识法拾取孔洞直径和孔洞面孔率;以上这些方法将所有低阻暗色区域认定为孔洞,没有排除地质及其它干扰因素,不具备可信度,计算速度较慢、程序相对繁琐、计算极具不稳定性。
发明内容
本发明要解决的技术问题在于,针对现有技术将所有低阻暗色区域认定为孔洞,没有排除地质及其它干扰因素,不具备可信度,计算速度较慢,程序相对繁琐,计算极具不稳定性的技术缺陷,提供一种准确计算白云岩孔洞面孔率的方法。
本发明所提供的一种准确计算白云岩孔洞面孔率的方法,包含如下步骤:
(1)采用Adobe Photoshop打开成像测井图像,以选取出所需要的FMI深度段;
(2)利用工具对所述FMI深度段进行处理,选取出目标像素区域,再使用“选择-选取相似”工具来扩大选取整个所述FMI深度段中的同种像素区域,通过工具将所有的选取部分拷贝到新图层中;
(3)在所述新图层中识别出孔洞区域,删除干扰因素:将具有成层特征,延伸长的地层、具有正弦曲线特征的裂缝和由于器械造成的长方形暗色区域用工具擦除,仅留下具有孤立或成团密集分布斑点状或似圆形区域,获得全部由孔洞组成的图层;
(4)根据需要测试孔洞孔隙度的精度,将经过步骤(3)处理后获取的图层和原始成像测井图像利用“切片工具”平均划分为相同份数N;
(5)打开“窗口-直方图”,通道选择“RGB”,将切割好的原始成像测井图像拖入软件,读取像素值即为单份图片所占面积S;利用像素挑选工具“快速选择”和“选择-选取相似”工具,将极板面积选中,“直方图”中读出极板所占面积S’;
载入步骤(3)处理后且切割好的图片,在“窗口-直方图”中分别读出每份图中孔洞所占的像素,即孔洞所占面积设为Si;然后计算出孔洞孔隙度:
фVi=Si/(S-S’),
式中,i=1、2、3、...、N。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(2)中所述目标像素区域是指黑色区域。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(3)中删除的干扰因素包括:裂缝、钻头抓痕以及连续地层。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(4)还包括:用切片工具等分图片后,在“文件”菜单下拉框点击“存储为Web所用格式”,将划分好的图片存储为png格式。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,由于整张原始成像测井图像为均分,所以同一口井的S恒定;因极板从上到下所占面积不变,故同一口井中S’恒定。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(1)中,所述以选取出所需要的FMI深度段具体是指:通过“剪裁”工具剪裁出所需要的FMI深度段。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(1)所述通过“剪裁”工具剪裁出所需要的FMI深度段具体包括:
通过放大缩小工具调整成像测井图像至合适大小以供操作者清楚观察;
通过“剪裁”工具剪裁掉成像测井图像中的深度标识。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(2)中,利用“快速选择”工具对所述FMI深度段进行处理具体是指:利用“快速选择”工具对所述FMI深度段进行处理。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(2)中,通过工具将所有的选取部分拷贝到新图层中具体为:通过“图层-拷贝图层”工具将所有的选取部分拷贝到新图层中。
进一步地,在本发明的准确计算白云岩孔洞面孔率的方法中,步骤(3)中,用工具擦除是指用“橡皮擦”工具擦除。
实施本发明的准确计算白云岩孔洞面孔率的方法,具有以下有益效果:利用本发明计算白云岩孔洞面孔率,排除了地质及其它干扰因素,可信度,计算速度较快,程序相对简单,计算结果稳定。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是Adobe Photoshop CS6基本工具示意图;
图2是本发明的准确计算白云岩孔洞面孔率的方法一实施例的流程图;
图3是成像测井识别类型;
图4是实施过程的实际效果图;
图5是各部分面积示意图;
图6是孔洞层连井剖面。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
为了提高孔洞识别的准确度,本发明引入了图像处理软件-Adobe Photoshop,通过对各种干扰因素的识别,结合Adobe Photoshop软件中“选取工具、橡皮擦工具、图像切分工具和直方图工具”等,对图像进行人为处理并提取相应切片的总像素与目标像素,最终计算目标像素与切割的像素面积的比值,得到每一深度段的孔洞面孔率。最终计算的孔洞面孔率与测井曲线计算的总孔隙度有一定的相关性,也较为合理,通过设定合理切片数目,使得面孔率较为平滑,此种方法的优点在于计算准确度高、软件十分廉价、普遍适用。
以PS CS6软件为例。PS在图像处理方面十分强大,它的操作界面如图1所示。此次研究涉及到PS的工具有“选择”、“图层”、“切片”和“窗口”等主菜单工具以及“快速选择工具”、“剪裁工具”和“橡皮擦工具”等快捷工具。利用这些工具,先以图像颜色区分出目标区域,再经过人工识别擦去干扰因素像素区,最后利用“切片”和“直方图”工具读取像素,计算孔洞孔隙度。参考图2、图4,具体实施过程如下:
(1)首先,按步骤安装好Adobe Photoshop CS6,打开软件,将成像测井图像直接拖入软件界面。由于成像测井图像往往是几十米甚至几百米的长度,故需要将图片放大缩小来达到操作者清晰可视的目的。将鼠标置于需要放大的位置,按住“Ctrl+Alt键+鼠标滚轮向上滑动”为放大,按住“Ctrl+Alt键+鼠标滚轮向下滑动”为缩小。并通过“剪裁”工具框选出所需要的FMI深度段:成像测井图像左侧一般有深度,而实际定量化的后续处理过程不需要,因此需要剪裁掉。
(2)对所述FMI深度的图像进行处理:段利用“快速选择工具”选取目标像素区域(黑色部分),再使用“选择-选取相似”,来扩大选取整张剪裁后图片中的同种像素区域,通过“图层-拷贝图层”将所有选取部分拷贝到新图层中。
(3)参考图3,在新的图层中通过肉眼识别孔洞区域a,删除干扰因素裂缝b、钻头抓痕c、连续地层d。将具有成层特征,延伸长的地层、具有正弦曲线特征的裂缝和由于器械造成的长方形暗色等区域用“橡皮擦”工具擦除,仅留下具有孤立或成团密集分布斑点状或似圆形区域,获得全部由孔洞组成的图层。
(4)根据需要测试孔洞孔隙度的精度,将步骤(3)处理好的图层和原始成像测井图片利用“切片工具”平均划分为相同份数N,N为大于1的正整数。比如实际深度为25m的成像测井图划分为50等分,相当于分成的每一张图片为0.5m,每一张图片可读得一个孔隙度,即孔隙度之间间隔为0.5m。用切片工具等分图片后,在“文件”菜单下拉框点击“存储为Web所用格式”,将划分好的图片存储为png格式。
(5)参考图5,打开软件中“窗口-直方图”,可以看到界面右上方出现直方图,通道选择“RGB”。将切割好的原始成像测井图像拖入软件,读取像素值即为单份图片所占面积(设定为S);利用“像素挑选工具“快速选择”和“选择-选取相似”工具,将极板面积选中,“直方图”中读出此张切割好的原始成像测井图像中极板所占面积(设定为S’),由于整张图片为均分,所以同一口井的S恒定;又因极板从上到下所占面积不变,故同一口井中S’恒定。
将步骤(3)处理好的且分割好的孔洞图片载入软件中,即可在“直方图”中读出每张图中孔洞所占的像素,即孔洞所占面积设为Si(i取1、2、3、...、N);故孔洞孔隙度фV=Si/(S-S’),通过计算即可求得每个深度段的孔洞孔隙度。
实施方案中的关键点:在Adobe Photoshop中识别非孔洞区域,并将其在图像中擦去,是提高孔洞面孔率计算的关键;其次,选择合适的切片数量对纵向分辨率有着重要的影响。
实施后的效果:参考图6,利用Adobe Photoshop处理了四口白云岩层位的井资料,处理结果较好,有一定的横向可对比性,且与测井计算的总孔隙度及测井评价有一定的吻合。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种准确计算白云岩孔洞面孔率的方法,其特征在于,包含如下步骤:
(1)采用Adobe Photoshop打开成像测井图像,以选取出所需要的FMI深度段;
(2)利用工具对所述FMI深度段进行处理,选取出目标像素区域,再使用“选择-选取相似”工具来扩大选取整个所述FMI深度段中的同种像素区域,通过工具将所有的选取部分拷贝到新图层中;
(3)在所述新图层中识别出孔洞区域,删除干扰因素:将具有成层特征,延伸长的地层、具有正弦曲线特征的裂缝和由于器械造成的长方形暗色区域用工具擦除,仅留下具有孤立或成团密集分布斑点状或似圆形区域,获得全部由孔洞组成的图层;
(4)根据需要测试孔洞孔隙度的精度,将经过步骤(3)处理后获取的图层和原始成像测井图像利用“切片工具”平均划分为相同份数N;
(5)打开“窗口-直方图”,通道选择“RGB”,将切割好的原始成像测井图像拖入软件,读取像素值即为单份图片所占面积S;利用像素挑选工具“快速选择”和“选择-选取相似”工具,将极板面积选中,“直方图”中读出极板所占面积S’;
载入步骤(3)处理后且切割好的图片,在“窗口-直方图”中分别读出每份图中孔洞所占的像素,即孔洞所占面积设为Si;然后计算出孔洞孔隙度:
фVi=Si/(S-S’),
式中,i=1、2、3、...、N。
2.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(2)中所述目标像素区域是指黑色区域。
3.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(3)中删除的干扰因素包括:裂缝、钻头抓痕以及连续地层。
4.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(4)还包括:用切片工具等分图片后,在“文件”菜单下拉框点击“存储为Web所用格式”,将划分好的图片存储为png格式。
5.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,由于整张原始成像测井图像为均分,所以同一口井的S恒定;因极板从上到下所占面积不变,故同一口井中S’恒定。
6.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(1)中,所述以选取出所需要的FMI深度段具体是指:通过“剪裁”工具剪裁出所需要的FMI深度段。
7.根据权利要求6所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(1)所述通过“剪裁”工具剪裁出所需要的FMI深度段具体包括:
通过放大缩小工具调整成像测井图像至合适大小以供操作者清楚观察;
通过“剪裁”工具剪裁掉成像测井图像中的深度标识。
8.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(2)中,利用“快速选择”工具对所述FMI深度段进行处理具体是指:利用“快速选择”工具对所述FMI深度段进行处理。
9.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(2)中,通过工具将所有的选取部分拷贝到新图层中具体为:通过“图层-拷贝图层”工具将所有的选取部分拷贝到新图层中。
10.根据权利要求1所述的准确计算白云岩孔洞面孔率的方法,其特征在于,步骤(3)中,用工具擦除是指用“橡皮擦”工具擦除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810912561.7A CN109297878A (zh) | 2018-08-10 | 2018-08-10 | 一种准确计算白云岩孔洞面孔率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810912561.7A CN109297878A (zh) | 2018-08-10 | 2018-08-10 | 一种准确计算白云岩孔洞面孔率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109297878A true CN109297878A (zh) | 2019-02-01 |
Family
ID=65168208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810912561.7A Pending CN109297878A (zh) | 2018-08-10 | 2018-08-10 | 一种准确计算白云岩孔洞面孔率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109297878A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766742A (zh) * | 2019-09-20 | 2020-02-07 | 中国地质大学(武汉) | 基于图像识别软件准确测定白云岩面孔率的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01187455A (ja) * | 1988-01-22 | 1989-07-26 | Sumitomo Electric Ind Ltd | 金属の有孔度検出方法 |
CN103325118A (zh) * | 2013-06-26 | 2013-09-25 | 中国石油大学(北京) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 |
CN104596911A (zh) * | 2015-02-05 | 2015-05-06 | 山东大学 | 一种基于图像处理的透水混凝土孔隙特征的检测方法 |
CN105424574A (zh) * | 2015-11-10 | 2016-03-23 | 国网吉林省电力有限公司电力科学研究院 | 一种泡沫铝合金孔隙率和分散度的定量表征方法 |
ES2550903B1 (es) * | 2015-07-15 | 2016-06-21 | Universidad De La Rioja | Procedimiento para la estimación automática de la porosidad del viñedo mediante visión artificial |
EP3082104A1 (en) * | 2015-04-14 | 2016-10-19 | NGK Insulators, Ltd. | Method for analyzing microstructure of porous body, and program and microstructure analyzer for the same |
CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
CN106447670A (zh) * | 2016-08-31 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司 | 基于电成像测井图像的孔洞参数自动计算方法 |
-
2018
- 2018-08-10 CN CN201810912561.7A patent/CN109297878A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01187455A (ja) * | 1988-01-22 | 1989-07-26 | Sumitomo Electric Ind Ltd | 金属の有孔度検出方法 |
CN103325118A (zh) * | 2013-06-26 | 2013-09-25 | 中国石油大学(北京) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 |
CN104596911A (zh) * | 2015-02-05 | 2015-05-06 | 山东大学 | 一种基于图像处理的透水混凝土孔隙特征的检测方法 |
EP3082104A1 (en) * | 2015-04-14 | 2016-10-19 | NGK Insulators, Ltd. | Method for analyzing microstructure of porous body, and program and microstructure analyzer for the same |
ES2550903B1 (es) * | 2015-07-15 | 2016-06-21 | Universidad De La Rioja | Procedimiento para la estimación automática de la porosidad del viñedo mediante visión artificial |
CN105424574A (zh) * | 2015-11-10 | 2016-03-23 | 国网吉林省电力有限公司电力科学研究院 | 一种泡沫铝合金孔隙率和分散度的定量表征方法 |
CN106447670A (zh) * | 2016-08-31 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司 | 基于电成像测井图像的孔洞参数自动计算方法 |
CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
Non-Patent Citations (1)
Title |
---|
张学丰等: "应用Adobe Photoshop定量分析岩石结构", 《沉积学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766742A (zh) * | 2019-09-20 | 2020-02-07 | 中国地质大学(武汉) | 基于图像识别软件准确测定白云岩面孔率的方法 |
CN110766742B (zh) * | 2019-09-20 | 2022-05-03 | 中国地质大学(武汉) | 基于图像识别软件准确测定白云岩面孔率的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9977996B2 (en) | Characterizing porosity distribution from a borehole image | |
KR101148835B1 (ko) | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 | |
CN109388817A (zh) | 一种储层裂缝三维建模方法 | |
CN104948176B (zh) | 一种基于渗透增大率识别碳酸盐岩储层裂缝的方法 | |
US20150009215A1 (en) | Generating a 3d image for geological modeling | |
Zhang | MPS-driven digital rock modeling and upscaling | |
CN108663714A (zh) | 一种沉积微相刻画方法 | |
US20130292111A1 (en) | Method of constructing a well log of a quantitative property from sample measurements and log data | |
CN109297878A (zh) | 一种准确计算白云岩孔洞面孔率的方法 | |
Zlotnik et al. | Using direct-push methods for aquifer characterization in dune-lake environments of the Nebraska Sand Hills | |
Jasim et al. | Specifying quality of a tight oil reservoir through 3-d reservoir modeling | |
Noufal et al. | New Borehole Image Log Based Technique for Pore System Characterization Predicts Productive Intervals in a Tight Carbonate Reservoir in Abu Dhabi | |
CN114137633B (zh) | 火山岩岩相逐级识别方法 | |
Moghaddas et al. | Lithofacies classification based on multiresolution graph-based clustering using image log in South Pars gas field | |
Esmaeili et al. | Simulating reservoir capillary pressure curves using image processing and classification machine learning algorithms applied to petrographic thin sections | |
Naides | Petrophysical Analysis Method to Identify" Sweet Spots" in Tight Reservoirs: Case Study From Punta Rosada Formation in Neuquen Basin, Argentina | |
Zhang et al. | Study on automatic recognition method of Continental Shale Sandy laminae based on electrical imaging image | |
Freeman et al. | A New Facies Classification Scheme Using Gamma Ray and Bulk Density Logs, With Multiple Practical Applications in North Kuwait Heavy Oil Fields | |
Shakirov et al. | Automated Well Log-Based Prediction of Formation Tops: Case Study of Norway Offshore Data | |
CN111781330B (zh) | 基于多露头点的碳酸盐岩沉积旋回特征的研究方法 | |
US11940398B2 (en) | Method to determine relative thermal maturity from porosities measured by quantitative imaging on uncleaned samples and GRI porosity measured on crushed cleaned samples | |
US20230228187A1 (en) | Upscaling of formation petrophysical characteristics to a whole core scale | |
US20230074500A1 (en) | Selection of simulation models using fracture information | |
Jordan et al. | Quantitative biostratigraphic analysis and age estimates of Middle Cretaceous sequences in the Baltimore Canyon Trough, offshore Mid-Atlantic US Margin | |
Petrov et al. | ML Driven Integrated Approach for Perforation Interval Selection Based on Advanced Borehole Images AI Assisted Interpretation |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |