CN110874846B - 一种彩色曲线位图矢量化方法、计算机设备及存储介质 - Google Patents

一种彩色曲线位图矢量化方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN110874846B
CN110874846B CN201811023996.2A CN201811023996A CN110874846B CN 110874846 B CN110874846 B CN 110874846B CN 201811023996 A CN201811023996 A CN 201811023996A CN 110874846 B CN110874846 B CN 110874846B
Authority
CN
China
Prior art keywords
pixel
curve
pixel point
target
coordinate
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.)
Active
Application number
CN201811023996.2A
Other languages
English (en)
Other versions
CN110874846A (zh
Inventor
韩晟
刘慧�
王连君
桑广杰
吕德胜
冯小英
范立红
吕亚辉
梅杰
周斌
王小玄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN201811023996.2A priority Critical patent/CN110874846B/zh
Publication of CN110874846A publication Critical patent/CN110874846A/zh
Application granted granted Critical
Publication of CN110874846B publication Critical patent/CN110874846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种彩色曲线位图矢量化方法,属于油气物探工程领域,所述方法包括:获取彩色曲线位图中目标测井曲线的颜色编码;根据在曲线的延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,获得目标测井曲线对应的二值化图像;根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据,完成对彩色曲线位图的矢量化处理。本申请实施例直接通过采集目标曲线颜色编码的方式获得目标曲线,避免了相关技术中对彩色曲线图像难以进行轮廓提取的问题,使得该方法在测井曲线的彩色位图矢量化方面应用更为灵活,拾取效率更高。

Description

一种彩色曲线位图矢量化方法、计算机设备及存储介质
技术领域
本申请涉及油气勘探工程领域,特别涉及一种彩色曲线位图矢量化方法、装置、计算机设备及存储介质。
背景技术
在油田勘探与开发过程中,测井是确定和评价油、气层的重要手段之一,它能直接为石油地质和工程技术人员提供各项资料和数据。而测井信息的矢量化将有利于数据的存储、管理以及分析等,所以测井图纸的矢量化就成为了各油田大数据时代的核心工作之一。
在大量保存的测井曲线中,有些测井曲线由于年代久远或其他原因,只有位图格式的文件被保存下来。但随着数字化技术的发展,很多勘探开发的技术又需要用到矢量化的井数据。相关技术中,位图的矢量化方法大多基于贝塞尔曲线对位图中的图像进行贝尔塞拟合来获得图像的轮廓,并进一步做矢量化处理,从而得到目标位图的矢量图。
上述相关技术所采用位图的矢量化方法,对象都是图像中的人、物以及景物,在油田勘探中的测井曲线彩色位图中,都是多条的一维曲线,某一目标曲线的轮廓难以获得,使得相关技术不能高效地应用于测井曲线彩色位图的矢量化。
发明内容
为了解决相关技术存在的问题,本申请实施例提供了一种彩色曲线位图矢量化方法、装置、计算机设备及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种彩色曲线位图矢量化方法,所述彩色曲线位图中的曲线延伸范围内包含至少一条测井曲线,所述曲线延伸范围是二维直角坐标区域,且所述二维直角坐标区域中的第一像素坐标对应井深,所述二维直角坐标区域中的第二像素坐标对应测井参数,所述方法包括:
获取所述彩色曲线位图中的目标测井曲线的颜色编码;
根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像;
对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,所述预设像素点组包含属于所述目标测井曲线,且第一像素坐标的坐标值相同的各个像素点;
根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据,所述测井数据包括井深数值和测井参数数值;
将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据;
可选的,所述根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像,包括:
对于第一像素点,获取所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值,所述第一像素点是所述曲线延伸范围内的任一像素点;
当所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值处于预设差值范围内时,将所述第一像素点的灰度值设为255;
当所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值处于预设差值范围外时,将所述第一像素点的灰度值设为0;
可选的,所述对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,包括:
对于第一像素点组,计算所述第一像素点组中的每个像素点的第二像素坐标的坐标值的方差,所述第一像素点组是所述每个预设像素点组中的任一像素点组;
当计算获得的所述方差小于预设方差阈值时,执行所述对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤;
可选的,所述方法还包括:
当计算获得的所述方差不小于所述预设方差阈值时,去除第一像素点组中的边缘像素点,所述边缘像素点是第二像素坐标的坐标值距离平均坐标值最远的像素点,所述平均坐标值是所述第一像素点组中各个像素点的第二像素坐标的坐标值的平均值;
计算去除边缘像素点之后的所述第一像素点组中的各个像素点的第二像素坐标的坐标值的新的方差;
当计算获得的所述新的方差小于所述预设方差阈值时,执行所述对于所述二值化图像中的各个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤;
可选的,所述根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据之前,所述方法包括:
根据各个所述预设像素点组的目标像素点中,相邻像素点之间的第二像素坐标的坐标值之间的差值,确定所述预设像素点组的目标像素点中发生偏移的像素点;
按照预设的修正规则,对确定的发生偏移的像素点的第二像素坐标的坐标值进行偏移修正;
可选的,所述对所述二值化图像中的各个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值之后,所述方法还包括:
判断各个所述预设像素点组中的目标像素点构成的曲线是否连续;
若各个所述预设像素点组中的目标像素点构成的曲线不连续,在对各个所述预设像素点组中的目标像素点构成的曲线中的不连续的部分进行插值处理;
可选的,所述将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据之后,所述方法还包括:
对所述目标测井曲线的测井数据按照预设采样率进行采样处理。
另一方面,本申请实施例提供一种彩色曲线位图矢量化装置,所述彩色曲线位图中的曲线延伸范围内包含至少一条测井曲线,所述曲线延伸范围是二维直角坐标区域,且所述二维直角坐标区域中的第一像素坐标对应井深,所述二维直角坐标区域中的第二像素坐标对应测井参数,所述装置包括:
第一获取模块,用于获取所述彩色曲线位图中的目标测井曲线的颜色编码;
图像获得模块,用于根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像;
坐标获得模块,用于对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,所述预设像素点组包含属于所述目标测井曲线,且第一像素坐标的坐标值相同的各个像素点;
第二获取模块,用于根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据,所述测井数据包括井深数值和测井参数数值;
第三获取模块,用于将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据。
又一方面,本申请实施例提供一种计算机设备,其特征在于,所述计算机设备包含处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的彩色曲线位图矢量化方法。
又一方面,本申请实施例提供一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的彩色曲线位图矢量化方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例实现了对目标曲线的矢量化处理,直接通过采集目标曲线颜色编码的方式获得目标曲线,避免了相关技术中对彩色曲线图像难以进行轮廓提取的问题,使得该方法在测井曲线的彩色位图矢量化方面应用更为灵活,拾取效率更高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请一示例性实施例提供的电缆测井系统示意图;
图2是本申请一示例性实施例提供的一种彩色曲线位图矢量化方法的方法流程图;
图3是本申请一示例性实施例提供的一种彩色测井曲线矢量化方法的方法流程图;
图4示出了图3所示实施例涉及的一种彩色测井曲线位图矢量化的界面示意图;
图5示出了本申请实施例涉及图4有关点击导入位图的按钮411而弹出的导入对话框示意图;
图6是本申请一示例性实施例提供的一张测井曲线位图的图片;
图7示出了涉及图4有关点击设置按钮412而弹出的设置对话框示意图;
图8示出了涉及图4有关点击选择区域的按钮414而弹出的选择区域对话框示意图;
图9示出了本申请实施例涉及图4有关点击触发将生成的矢量化图像二值化图像以图片形式输出的按钮416而弹出的数据输出对话框示意图;
图10示出了本申请实施例涉及的彩色测井曲线位图矢量化前后的对比图;
图11示出了本申请实施例一种彩色曲线位图矢量化装置结构示意图;
图12是本申请一个示例性实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。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。
测井,也叫地球物理测井,是利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性,测量地球物理参数的方法,属于应用地球物理方法之一。石油钻井时,在钻到设计井深深度后以及油井下完套管后都必须进行测井,以获得各种石油地质及工程技术资料,作为开发油田的原始资料。
测井得到的测井曲线是把由测量仪器所采集到的每口油井的各个物理参量随地层深度而变化的趋势以曲线的形式绘制到半透明的坐标纸上形成的。这些物理量的变化因井而异,可表示为波形曲线。波形曲线从线型上可分为实线、虚线、点线、点实线;从复杂程度上可分孤立线、交叉线、粘连点等,其中孤立线又有孤立的实线、孤立的虚线、孤立的点线之分,如果以水平方向表示物理量的幅度值,垂直方向表示地层深度,则这些曲线全是“S”形的曲线,即幅度值与深度是一一对应的。
测井曲线一般利用电、磁、声、热、核等物理原理制造的各种测井仪器,可以通过电缆测井、成像测井以及随钻测井等方法进行获取。比如,电缆测井是用测井电缆将测井仪器下放至井底,再进行上提,上提的过程中进行测量记录,使测井仪器可沿着井筒连续记录随深度变化的各种参数,通过测井电缆将数据传输给地面控制设备中,地面控制设备通过获得的数据绘制测井曲线,保存到存储器中或者再传输给测井曲线处理设备进行处理后进行保存。其中,上述地面控制设备或者测井曲线处理设备在进行保存处理后的测井曲线的时候,可以以位图以及其他形式来保存(比如:工程蓝图)。
比如,图1是本申请一示例性实施例提供的电缆测井系统100示意图,如图1所示,该系统主要包括:测井仪器101、测井电缆102、地面控制设备103,此外,该系统还包括测井曲线处理设备104以及测井曲线分析设备105等。
其中,测井仪器101用于测量需要的油井数据,地面控制设备103用于控制测井电缆102以及测井仪器101。比如地面控制设备103可以包含测井电缆伸缩开关、测井仪器工作开关、信号接收器、信号放大器和记录器等。
具体比如,在石油油井勘测过程中,测井人员通过控制地面控制设备103,控制连接有测井仪器101的测井电缆102进入到油井中,直至将测井仪器101放至井底,再通过地面控制设备103将测井仪器101拉出油井,在测井仪器101拉出时,提前通过地面控制设备103控制测井仪器101运行,使得测井仪器101在后续拉出过程中可以进行测量,并通过测井电缆102将数据传输给地面控制设备103,并由地面控制设备103将接收到的数据记录得到测井曲线。
常规石油测井中,需要对井下多种参数进行测量,为满足石油测井的各种参数需求,可以更换上述电缆测井系统中不同的测井仪器进行井下不同参数的测量,比如:声测井设备、电测井设备以及核测井设备等。其中,声测井设备可以完成井径的测量、井下声波的测量、井下孔隙度的测量等,电测井设备可以完成自然电位的测量、光电指数的测量、井下电阻率的测量等,核测井设备可以完成自然伽马的测量、井下原子密度的测量、井下中子的测量等。
测井曲线处理设备104用于对地面控制设备103接收获得的测井曲线数据或图像进行处理,以便提高后续对地震数据进行分析观测的准确性。比如,在本申请实施例中,测井曲线处理设备104可以对测井曲线位图进行二值化处理、对测井曲线修复偏移值处理以及测井曲线位图的坐标进行比例缩放处理等等。
测井曲线分析设备105可以对测井曲线处理设备104处理后的测井曲线图像或数据进行分析,比如:将测井曲线转化成地质语言──油气钻井的地质剖面图或构造图。在油气勘探领域,通过对测井曲线的分析解释,不仅可以确定地下岩层的产状和构造关系,还可以研究油气储集层的储集特性以及在地下各个位置油、气的分布量和储备量,并且更加直观的评价油、气储集层的生产能力以及发现的地质问题等。
在图1所示的系统中,上述测井曲线处理设备104和测井曲线分析设备105可以实现为同一个计算机设备,或者,上述测井曲线处理设备104和测井曲线分析设备105也可以分别实现为不同的计算机设备。
本申请结合像素拾取方法,提出了一种可以将彩色曲线位图自动矢量化的方案,该方案可以如图2所示。
图2是本申请一示例性实施例提供的一种彩色曲线位图矢量化方法的方法流程图,该方法可以由计算机设备执行,比如,该计算机设备可以是上述图1所示系统中的测井曲线处理设备104。
位图是测井曲线保存时常用的一种格式,亦称为点阵图像或绘制图像,是由称作像素(图片元素)的单个点组成的。一张位图格式的图片中的每个像素点都有确定的像素坐标,并且也是由横坐标和纵坐标构成的,本申请实施例中的第一像素坐标即代表的像素纵坐标,第二像素坐标即代表的像素横坐标,另一种可能的方式中,第一像素坐标于第二像素坐标代表的像素坐标可以互换,即第一像素坐标代表的像素横坐标,第二像素坐标代表的像素纵坐标。
本申请实施例采用的彩色曲线位图中的曲线延伸区域内包含至少一条测井曲线,该曲线延伸范围是二维直角坐标区域,且二维直角坐标区域中的第一像素坐标对应井深,二维直角坐标区域中的第二像素坐标对应测井参数,如图2所示,该方法包括如下步骤:
步骤201,获取彩色曲线位图中目标测井曲线的颜色编码。
步骤202,根据曲线延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像。
步骤203,对于二值化图像中的每个预设像素点组,对预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值。
其中,预设像素点组包含属于目标测井曲线,且第一像素坐标的坐标值相同的各个像素点。
步骤204,根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据。
其中,测井数据包括井深数值和测井参数数值。
步骤205,将每个预设像素点组中的目标像素点对应的测井数据,获取为目标测井曲线的测井数据。
本申请实施例所示的方法可以用于彩色曲线位图的曲线矢量化处理,基于位图的各种颜色编码形式,选择想要获取的目标曲线的颜色编码信息,在彩色曲线位图中进行筛选,得到目标曲线,并进行二值化处理,从而得到二值化图像,对得到的二值化图像进行处理得到更加精确的二值化数据图像,并计算处理后的二值化图像中的像素坐标对应的真实坐标值,将想要获取的目标曲线从原彩色位图中处理成为最终方便存储、读取的矢量图。
综上所述,本申请实施例所示的方案,获取彩色曲线位图中目标测井曲线的颜色编码;根据在曲线的延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像;获得二值化图像中的每个预设像素点组中的目标像素点的第二像素坐标的坐标值;根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据;将每个预设像素点组中的目标像素点对应的测井数据,获取为目标测井曲线的测井数据,完成彩色曲线位图的矢量化处理。本申请实施例实现了对目标曲线的矢量化处理,直接通过采集目标曲线颜色编码的方式获得目标曲线,避免了相关技术中对彩色曲线图像难以进行轮廓提取的问题,使得该方法在测井曲线的彩色位图矢量化方面应用更为灵活,拾取效率更高。
请参考图3,其示出了本申请一示例性实施例提供的一种彩色测井曲线矢量化方法的方法流程图,该方法可以由计算机设备执行,比如,该计算机设备可以是上述图1所示系统中的测井曲线处理设备104,且该彩色曲线位图的颜色编码是RGB(red、green、blue,红色、绿色、蓝色)颜色编码。其中,位图的颜色编码可以有多种,本申请实施例仅以位图的颜色编码按照RGB颜色编码为例,对位图颜色编码的其他格式并不加以限定。如图3所示,该方法具体包括如下步骤:
步骤301,读取彩色测井曲线位图数据。
请参考图4,其示出了图3所示实施例涉及的一种彩色测井曲线位图矢量化的界面示意图,如图4所示,计算机设备在屏幕中展示应用界面41,该应用界面41中包含用于导入位图的按钮411、用于输入目标曲线颜色编码的按钮412、用于显示图像的窗口413、用于选择区域的按钮414、用于触发进行彩色测井曲线矢量化的按钮415、以及用于触发将生成的二值化图像以图片形式输出的按钮416等。
请参考图5,其示出了本申请实施例涉及图4有关点击导入位图的按钮411而弹出的导入对话框示意图,如图5所示,其中包含了导入对话框501,确认按钮502等,计算机设备的操作人员点击图4中的按钮411后,计算机设备展示如图5所示的彩色测井曲线图像导入对话框501,操作人员通过该对话框501选择要导入的彩色测井曲线图像的存储路径后,点击确定按钮502,之后,计算机设备根据用户选择的存储路径,读取并导入彩色测井曲线图像。如图4所示,可以在图4所示的应用界面41中的窗口413中可以显示彩色曲线位图图像。
具体的,本申请实施例以某油井的实际资料为例,该资料是一张位图格式的测井曲线图,请参考图6,其示出了本申请一示例性实施例提供的一张测井曲线位图的图片,如图6所示,图中包含了紫红色的井径曲线601、灰色的自然伽马曲线602、红色的自然电位曲线603、蓝色的光电指数曲线604以及绿色的背景网格605。另外,图6中还包含了代表深度的纵坐标、网格标注以及比例尺信息等。操作人员执行了上述读取彩色测井曲线位图的数据步骤后,就可以在图4所示的应用界面中的显示图像的窗口413中显示该测井曲线位图图像。
步骤302,获取彩色曲线位图中目标曲线的颜色编码。
其中,上述目标曲线的颜色编码可以由操作人员在计算机设备中设置,或者,上述目标曲线的颜色编码也可以由其它设备发送给计算机设备。
对于上述图6的位图,以该目标曲线为图6所示位图中灰色的自然伽马曲线602为例,具体比如,请参考图7,其示出了涉及图4有关点击设置按钮412而弹出的设置对话框701示意图,如图7所示,其中包含了可以输入目标曲线的颜色编码输入框702、设置预设差值范围输入框703、设置预设方差阈值输入框704以及确认按钮705等。
具体的,操作人员可以通过点击上述图4所示的应用界面41的设置按钮412,相应的,在弹出的设置对话框701中,操作人员可以手动输入目标曲线的颜色编码。比如,以目标曲线为图6所示的位图中的灰色自然伽马曲线602为例,在RGB颜色编码中,灰色的RGB颜色编码是(60,60,60),操作人员就可以在对话框701上的输入目标曲线的颜色编码输入框702中输入目标曲线的颜色编码为(60,60,60)。计算机设备会根据操作人员进行输入操作并点击确定按钮705后,获取目标曲线的颜色编码。
步骤303,获取目标曲线的延伸范围的边界坐标信息以及对应的像素坐标信息;
请参考图8,其示出了涉及图4有关点击选择区域的按钮414而弹出的选择区域对话框801示意图,如图8所示,其包含了可以输入纵坐标上限与下限的输入框802,可以输入横坐标上限与下限的输入框803以及确定按钮804。操作人员点击选择区域的按钮414后,可以在相应弹出的选择区域对话框801中设置目标曲线的延伸范围。具体的,操作人员可以在纵坐标输入框802中输入上述彩色曲线位图中第一坐标的上限与下限,在横坐标输入框803中输入第二坐标的上限与下限,点击确认按钮804后,计算机设备就可以根据操作人员输入的纵坐标与横坐标,得到目标曲线的延伸范围的边界坐标信息以及对应的像素坐标信息,从而确定出目标曲线的延伸范围。
步骤304,根据曲线延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像。
可选的,对于第一像素点,获取第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值。
其中,第一像素点是上述曲线延伸范围内的任一像素点。
当第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值处于预设差值范围内时,将第一像素点的灰度值设为255;
其中,预设差值范围可以在步骤302中,输入颜色编码时的设置界面41中设置预设差值范围输入框703中进行设置,具体操作与设置颜色编码的相同,再次不再累述。
当第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值处于预设差值范围外时,将所述第一像素点的灰度值设为0。
比如,在一种可能实现方式中,操作人员可以通过点击图4中的触发进行彩色测井曲线矢量化的按钮415,触发计算机设备执行将目标曲线图像矢量化的步骤。具体如下,计算机设备检测到按钮414被点击后,即可以自动根据获取到目标曲线的颜色编码,并在获取到的曲线的延伸范围内,通过上述判断差值是否在预设差值范围内,搜寻到目标曲线进而对该曲线进行二值化处理。
具体比如,计算机设备根据获得的目标曲线的颜色编码和曲线的延伸范围后,在上述曲线的延伸范围内,获取第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值,计算出该差值的绝对值,并与步骤302中设定的判断颜色编码的差值的绝对值是否在预设差值范围。
当获取的第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值的绝对值处于预设差值范围内时,计算机设备获取对应差值的绝对值处于预设差值范围内的第一像素点对应的像素点的像素信息,该像素信息包括像素坐标信息以及像素灰度值信息;计算机设备记录该第一像素点的像素坐标以及像素点灰度值,其中,将该第一像素点的灰度值记为255。
当获取的第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值的绝对值处于预设差值范围外时,计算机设备获取对应差值的绝对值处于预设差值范围外的第一像素点对应的像素点的像素信息,并记录该第一像素点的像素坐标以及像素点灰度值,其中,将该第一像素点的灰度值记为0。
具体的,如果用X,Y分别代表上述第一像素点的像素横坐标和像素纵坐标,i取1,2,3分别代表RGB颜色编码中的红色编码值,绿色编码值,蓝色编码值,Ri(X,Y)为位图图片上第一像素点的颜色编码,Ti为目标曲线的颜色编码,α代表设定的判断颜色编码的差值绝对值的预设差值范围,那么上述判断关系可以表述为
|Ri(X,Y)-Ti|≤α;
根据上述记录的各个第一像素点的像素信息,计算机设备会按照对应的曲线延伸范围生成出目标曲线的二值化曲线数据,并记录或存储到相应的内存中。
在另一种可能实现的方式中,可以将上述步骤302中获取目标测井曲线的颜色编码改为获取目标测井曲线的颜色编码范围,对应的将304步骤中判断颜色编码的差值绝对值的预设差值范围改为一个确定的预设值。具体例子如下:
仍以目标曲线为图6所示的位图中的灰色自然伽马曲线602为例,灰色的RGB颜色编码是(60,60,60),此时,这种实现方式中,获取的目标测井曲线的颜色编码范围是(45~100,45~100,45~100),其中,以每种颜色编码值减去15,加上40为例,获取到目标测井曲线的颜色编码范围,本申请实施例对颜色编码范围的获取方式并不加以限定。按照上述执行步骤,计算机设备获取到目标曲线的颜色编码范围、曲线延伸范围以及判断颜色编码差值的绝对值的预设值,仍用X,Y分别代表上述第一像素点的像素横坐标和像素纵坐标,i取1,2,3分别代表RGB颜色编码中的红色编码值,绿色编码值,蓝色编码值,Ri(X,Y)为位图图片上第一像素点的颜色编码,Ti为目标曲线的颜色编码范围(以灰色的颜色编码60的为例),δ代表设定的判断颜色编码的差值绝对值的预设值(以3为例),那么上述判断关系可以表述为
|Ri(X,Y)-45~100|≤3;
计算机设备根据获得的目标曲线的颜色编码范围和曲线的延伸范围后,在上述曲线的延伸范围内,获取第一像素点的颜色编码与第一颜色编码之间的差值,其中,第一颜色编码是目标曲线的颜色编码范围内任一颜色编码,计算出该差值的绝对值,并判断该差值的绝对值是否不大于提前设定的预设值。
当获取的第一像素点的颜色编码与第一颜色编码的差值的绝对值不大于预设值时,计算机设备获取对应差值的绝对值不大于预定值的第一像素点对应的像素点的像素信息,该像素信息包括像素坐标信息以及像素灰度值信息;计算机设备记录该第一像素点的像素坐标以及像素点灰度值,其中,将该第一像素点的灰度值记为255。
当获取的第一像素点的颜色编码与第一颜色编码的差值的绝对值大于预设值时,计算机设备获取对应差值的绝对值大于预定值的第一像素点对应的像素点的像素信息,该像素信息包括像素坐标信息以及像素灰度值信息;计算机设备记录该第一像素点的像素坐标以及像素点灰度值,其中,将该第一像素点的灰度值记为0。
根据上述记录的各个第一像素点的像素信息,计算机设备按照对应的曲线延伸范围生成出目标曲线的二值化曲线数据,并记录或存储到相应的内存中。
步骤305,对于二值化图像中的每个预设像素点组,对预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值。
其中,预设像素点组包含属于目标测井曲线,且第一像素坐标的坐标值相同的各个像素点。
可选的,在执行步骤305之前,对于第一像素点组,计算第一像素点组中的每个像素点的第二像素坐标的坐标值的方差。
其中,第一像素点组是每个预设像素点组中的任一像素点组。
判断上述计算的第一像素点组中的每个像素点的第二像素坐标的坐标值的方差是否小于预设方差阈值。
当计算获得的方差小于预设方差阈值时,执行对于二值化图像中的每个预设像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
其中,预设方差阈值可以在步骤302中,输入颜色编码时的设置界面41中设置预设方差阈值输入框704中进行设置,具体操作与设置颜色编码的相同,再次不再累述。
其中,由于在位图中,所有的曲线都是有宽度的,从纵坐标角度看,在图片数据上显示为同一个纵坐标对应多个横坐标,而矢量化后的数据在同一个纵坐标只能对应一个横坐标,即,需要计算出在每个纵坐标像素点对应的唯一值。同时也有些位图的图片质量不高,或者不同颜色的曲线相互交叉,也有可能造成颜色的偏差等原因,使得计算机识别的二值化图像数据对应的像素点在同一像素纵坐标上也同时对应多个像素横坐标的值,因此有必要对计算机的拾取结果做离散性分析,并确定出各个纵坐标像素点对应的唯一值。
具体比如,操作人员点击图4应用界面41中的触发进行彩色测井曲线矢量化的按钮415,上述计算机设备执行完成上述步骤之后,该计算机设备可以对记录的第一像素点组,即,二值化图像数据中灰度值记为255的那些像素点,这些像素点按照同一第一像素坐标来划分,可以将这些像素点的第二像素坐标分在不同的组,计算每组像素点的第二像素坐标的方差值,将这些值存储在计算机的内存中。
当计算机设备判断该方差值小于预设方差阈值时,计算机设备执行对于二值化图像中的每个预设像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,作为预设像素点组中的目标像素点的第二像素坐标的坐标值,从而获得预设像素点组中的目标像素点的第二像素坐标的唯一坐标值。
可选的,当计算获得的方差不小于预设方差阈值时,去除第一像素点组中的边缘像素点。
其中,上述边缘像素点是第二像素坐标的坐标值距离平均坐标值最远的像素点,平均坐标值是第一像素点组中各个像素点的第二像素坐标的坐标值的平均值。
可选的,计算去除边缘像素点之后的第一像素点组中的各个像素点的第二像素坐标的坐标值的新的方差;
当计算获得的新的方差小于预设方差阈值时,执行对于二值化图像中的各个预设像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
具体比如,操作人员点击图4应用界面41中的触发进行彩色测井曲线矢量化的按钮415,上述计算机设备执行完上述步骤之后,该计算机设备可以对记录的第一像素点组,即,二值化图像数据中灰度值记为255的那些像素点,这些像素点按照同一第一像素坐标来划分,可以将这些像素点的第二像素坐标分在不同的组,计算每组像素点的第二像素坐标的方差值,将这些值存储在计算机的内存中。
当计算机设备判断该方差值不小于预设方差阈值时,计算机设备可以去除第一像素点组中的边缘像素点,可选的,计算机设备可以将第一像素点组中第二像素坐标的坐标值距离平均坐标值最远的像素点的像素灰度值重新记为0,或者,也可以将该点的像素信息从计算机设备存储的内存中删掉。
进一步的,计算去除边缘像素点之后的第一像素点组中的各个像素点的第二像素坐标的坐标值的新的方差,直至获得的新的方差小于预设方差阈值。
对于二值化图像中的每个预设像素点组的方差小于预设方差阈值的像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,作为预设像素点组中的目标像素点的第二像素坐标的坐标值,从而获得预设像素点组中的目标像素点的第二像素坐标的唯一坐标值。
其中,上述步骤中通过方差门槛值判定二值化图像数据的离散程度,方差是描述数据离散程度的一种方式,本申请实施例仅以方差为例,做的数据离散度统计,并不限定其他判定数据离散度的方式,比如:通过采用数据的标准差、极差、平均差等数学量。另外,需要说明的是,本申请实施例采用的预设方差阈值可以与之前采用同一计算机设备矢量化位图图像时采用的预设方差阈值相同,即可以通过之前的经验来获得预设方差阈值,而且也可以与后续其他位图矢量化时需要设置的预设方差阈值通用。
步骤306,根据各个预设像素点组的目标像素点中,相邻像素点之间的第二像素坐标的坐标值之间的差值,确定预设像素点组的目标像素点中发生偏移的像素点;
在绘制测井曲线位图的过程中,有些曲线图像由于图纸空间或显示空间的限制,测井曲线中有些较大或较小的值会通过偏移来节省空间。因此获得的二值化图像有时不能正确的反应测井曲线的趋势,需要将这些偏移的部分恢复到原来图像的位置。
比如,计算机获取目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值,以及获取各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值的绝对值,判断各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值的绝对值是否大于目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值的绝对值的1/2,从而确定出偏移区间的上限与下限,计算出偏移区间。其中,偏移区间是由偏移区间的上限和偏移区间的下限构成的区间。
具体的,按照获取的各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值递增的顺序计算各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值的差值,当各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值的绝对值大于目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值的绝对值的1/2,且各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值为正值时,将相邻像素点之间的第二像素坐标对应的第一像素坐标中较小的坐标值确定为偏移区间的上限;当各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值的绝对值大于目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值的绝对值的1/2,且各个预设像素点组的目标像素点中相邻像素点之间的第二像素坐标的坐标值之间的差值为负值时,将相邻像素点之间的第二像素坐标对应的第一像素坐标中较大的坐标值确定为偏移区间的下限;根据所得的偏移区间的上限和偏移区间的下限构成偏移区间,偏移区间内的像素点都是偏移点。
步骤307,按照预设的修正规则,对确定的发生偏移的像素点的第二像素坐标的坐标值进行偏移修正。
可选的,该修正规则是计算机设备对记录的发生偏移的像素点的第二像素坐标加上目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值的绝对值,从而将发生偏移的像素点修正回原来图像的位置。
步骤308,根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据。
其中,测井数据包括井深数值和测井参数数值;
由于上述生成目标曲线的二值化曲线图像的图像数据中,得到的目标测井曲线的图像数据横纵坐标只是各个像素点的像素横纵坐标值,还需要计算机设备通过获得的曲线的延伸范围的边界坐标信息以及对应的像素坐标信息,即根据上述步骤303中,输入的彩色曲线位图中纵坐标的上限与下限,横坐标的上限与下限,确定出来的目标测井曲线的延伸范围的边界坐标值信息以及该边界坐标信息对应的像素坐标信息计算第一像素点的像素坐标对应的实际坐标值信息,完成对目标曲线的图像数据矢量化。
具体过程如下,操作人员点击图4应用界面41中的触发进行彩色测井曲线矢量化的按钮415,上述计算机设备执行完成上述步骤之后,计算机设备根据获取到的目标测井曲线的延伸范围的边界坐标值信息,与该边界坐标信息对应的像素坐标信息,计算每个预设像素点组中的目标像素点对应的实际坐标值信息。其中,以第一像素坐标为例,如果用Yr目标像素点的实际纵坐标,Yp目标像素点的第一像素坐标,Ru实际纵坐标的上限,Rl实际纵坐标的下限,Pu为Ru对应的第一像素坐标的上限,Pl为Rl对应的第一像素坐标的下限,则每个预设像素点组中的目标像素点对应的实际纵坐标值可以表示为
Figure BDA0001787611070000171
同样的,以第二像素坐标为例,用Xr目标像素点的实际横坐标,Xp目标像素点的第二像素坐标,Ru实际横坐标的上限,Rl实际横坐标的下限,Pu为Ru对应的第二像素坐标的上限,Pl为Rl对应的第二像素坐标的下限,则每个预设像素点组中的目标像素点对应的实际横坐标值可以表示为
Figure BDA0001787611070000172
按照上述公式,计算机设备可以获取每个预设像素点组中的目标像素点对应的测井数据,从而完成对目标曲线的图像数据矢量化。
步骤309,判断各个预设像素点组中的目标像素点构成的曲线是否连续;
若各个预设像素点组中的目标像素点构成的曲线不连续,在对各个预设像素点组中的目标像素点构成的曲线中的不连续的部分进行插值处理。
可选的,计算机设备可以采用线性插值的方法,对不连续的目标曲线进行插值处理。
具体的,当计算机设备对各个预设像素点组中的目标像素点的像素纵坐标进行检测时,相邻目标像素点的像素纵坐标之间的差值大于1时,视为该相邻目标像素点的像素纵坐标不连续,就需要对该相邻目标像素点之间进行插值处理,从而得到缺失的目标像素点的像素信息。
其中,本实施例仅以线性插值的方法为例,对曲线的插值方式并不加以限定(比如三次样条插值、立方插值等)。
步骤310,对目标测井曲线的测井数据按照预设采样率进行采样处理。
由于彩色测井曲线位图数据的格式原因,计算机设备自动拾取位图中所有的像素点,即以采样率等于1为例,得到的目标曲线的采样率也等于1,使得获取的矢量化数据仍然很多,为节约计算机的存储空间,因此在保持目标测井曲线形态的情况下,在重新输出矢量化后的测井曲线数据时,可以将按照预设采样率进行采样,即对得到的目标测井曲线的测井数据按照预设采样率进行采样处理,既能抽稀测井曲线数据节约存储空间,又能满足后续测井曲线分析设备的要求。其中,该测井曲线分析设备可以是上述图1所示系统中的测井曲线分析设备105。
请参考图9,其示出了本申请实施例涉及图4有关点击触发将生成的矢量化图像以图片形式输出的按钮416而弹出的数据输出对话框示意图,如图9所示,计算机设备检测到该点击操作,并显示数据输出对话框901,其中包括设置数据采样率的输入框902以及确定按钮903等,操作人员通过该对话框901选择需要输出的测井数据,并在输入框902中输入数据采样率,点击确定按钮903,之后,计算机设备根据用户选择的存储路径,以图像的形式显示获取的目标测井曲线的测井数据。
为了更加形象地显示本申请实施例对目标测井曲线的矢量化效果,请参考图10,其示出了本申请实施例涉及的彩色测井曲线位图矢量化前后的对比图。
如图10所示,图10中(a)部分示出了输出的原始彩色测井曲线位图的图像信息,图10中(b)部分示出了目标测井曲线为自然伽马曲线矢量化后输出的图像信息。即图10(a)的原始彩色测井曲线位图图像通过本实施例的一系列步骤,最终可以通过操作人员点击图4中的按钮416,将获取的目标测井曲线的测井数据(即得到的目标曲线的矢量化结果)以图像的形式显示。
综上所述,本申请实施例所示的方案,获取彩色测井曲线位图中目标测井曲线的颜色编码;根据在曲线的延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像;获得二值化图像中的每个预设像素点组中的目标像素点的第二像素坐标的坐标值;根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据;将每个预设像素点组中的目标像素点对应的测井数据,获取为目标测井曲线的测井数据,完成彩色测井曲线位图的矢量化处理。本申请实施例实现了对目标曲线的矢量化处理,直接通过采集目标曲线颜色编码的方式获得目标曲线,避免了相关技术中对彩色曲线图像难以进行轮廓提取的问题,使得该方法在测井曲线的彩色位图矢量化方面应用更为灵活,拾取效率更高。
对应于上述实施例,本申请实施例还提供了一种彩色曲线位图矢量化装置,图11示出了本申请实施例一种彩色曲线位图矢量化装置结构示意图。如图11所示,该装置主要包括:第一获取模块1101,图像获得模块1102,坐标获得模块1103,第二获取模块1104,第三获取模块1105。
具体地,第一获取模块1101,用于获取彩色曲线位图中的目标测井曲线的颜色编码。
图像获得模块1102,用于根据曲线延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像。
坐标获得模块1103,用于对于二值化图像中的每个预设像素点组,对预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值,预设像素点组包含属于目标测井曲线,且第一像素坐标的坐标值相同的各个像素点。
第二获取模块1104,用于根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据,测井数据包括井深数值和测井参数数值。
第三获取模块1105,用于将每个预设像素点组中的目标像素点对应的测井数据,获取为目标测井曲线的测井数据。
可选的,所述图像获得模块1102,具体用于,
对于第一像素点,获取第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值,第一像素点是曲线延伸范围内的任一像素点;
当第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值处于预设差值范围内时,将第一像素点的灰度值设为255;
当第一像素点的颜色编码与目标测井曲线的颜色编码之间的差值处于预设差值范围外时,将第一像素点的灰度值设为0。
可选的,所述坐标获得模块1103,具体用于:
对于第一像素点组,计算第一像素点组中的每个像素点的第二像素坐标的坐标值的方差,第一像素点组是每个预设像素点组中的任一像素点组;
当计算获得的方差小于预设方差阈值时,执行对于二值化图像中的每个预设像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
可选的,所述装置还包括:
去除模块,用于当计算获得的方差不小于预设方差阈值时,去除第一像素点组中的边缘像素点,边缘像素点是第二像素坐标的坐标值距离平均坐标值最远的像素点,平均坐标值是第一像素点组中各个像素点的第二像素坐标的坐标值的平均值;
第一计算模块,用于计算去除边缘像素点之后的第一像素点组中的各个像素点的第二像素坐标的坐标值的新的方差;
所述坐标获得模块1103,具体用于当计算获得的新的方差小于预设方差阈值时,执行对于二值化图像中的各个预设像素点组,对预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
可选的,所述坐标获得模块1103之前,所述装置还包括:
确定模块,用于根据各个预设像素点组的目标像素点中,相邻像素点之间的第二像素坐标的坐标值之间的差值,确定预设像素点组的目标像素点中发生偏移的像素点;
偏移修正模块,用于按照预设的修正规则,对确定的发生偏移的像素点的第二像素坐标的坐标值进行偏移修正。
可选的,所述装置还包括:
判断模块,用于判断各个预设像素点组中的目标像素点构成的曲线是否连续;
插值处理模块,用于若各个预设像素点组中的目标像素点构成的曲线不连续,在对各个预设像素点组中的目标像素点构成的曲线中的不连续的部分进行插值处理。
可选的,所述装置还包括:
采样处理模块,用于对目标测井曲线的测井数据按照预设采样率进行采样处理。
综上所述,本申请提供的彩色曲线位图矢量化装置,通过获取彩色曲线位图中目标测井曲线的颜色编码;根据在曲线的延伸范围内的各个像素点的颜色编码与目标测井曲线的颜色编码之间的匹配关系,对曲线延伸范围内的图像进行二值化处理,获得目标测井曲线对应的二值化图像;获得二值化图像中的每个预设像素点组中的目标像素点的第二像素坐标的坐标值;根据曲线延伸范围的边界像素点的坐标,以及曲线延伸范围的边界像素点对应的测井数据,获取每个预设像素点组中的目标像素点对应的测井数据;将每个预设像素点组中的目标像素点对应的测井数据,获取为目标测井曲线的测井数据,完成彩色曲线位图的矢量化处理。本申请实施例实现了对目标曲线的矢量化处理,直接通过采集目标曲线颜色编码的方式获得目标曲线,避免了相关技术中对彩色曲线图像难以进行轮廓提取的问题,使得该方法在测井曲线的彩色位图矢量化方面应用更为灵活,拾取效率更高。
图12是本申请一个示例性实施例提供的一种计算机设备的结构示意图。计算机设备1200包括中央处理单元(CPU)1201、包括随机存取存储器(RAM)1202和只读存储器(ROM)1203的系统存储器1204,以及连接系统存储器1204和中央处理单元1201的系统总线1205。计算机设备1200还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)1206,和用于存储操作系统1213、应用程序1214和其他程序模块1215的大容量存储设备1207。
基本输入/输出系统1206包括有用于显示信息的显示器1208和用于用户输入信息的诸如鼠标、键盘之类的输入设备1209。其中显示器1208和输入设备1209都通过连接到系统总线1205的输入输出控制器1210连接到中央处理单元1201。基本输入/输出系统1206还可以包括输入输出控制器1210以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1210还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备1207通过连接到系统总线1205的大容量存储控制器(未示出)连接到中央处理单元1201。大容量存储设备1207及其相关联的计算机可读介质为计算机设备1200提供非易失性存储。也就是说,大容量存储设备1207可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1204和大容量存储设备1207可以统称为存储器。
计算机设备1200可以通过连接在系统总线1205上的网络接口单元1211连接到互联网或者其它网络设备。
存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,中央处理器1201通过执行该一个或一个以上程序来实现图2或图3所示的方法的全部或者部分步骤。
在一个示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括计算机程序(指令)的存储器,上述程序(指令)可由计算机设备的处理器执行以完成本申请各个实施例所示的方法的全部或者部分步骤。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种彩色曲线位图矢量化方法,其特征在于,所述彩色曲线位图中的曲线延伸范围内包含至少一条测井曲线,所述曲线延伸范围是二维直角坐标区域,且所述二维直角坐标区域中的第一像素坐标对应井深,所述二维直角坐标区域中的第二像素坐标对应测井参数,所述方法包括:
获取所述彩色曲线位图中的目标测井曲线的颜色编码;
根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像;
对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,所述预设像素点组包含属于所述目标测井曲线,且第一像素坐标的坐标值相同的各个像素点;
根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据,所述测井数据包括井深数值和测井参数数值;
将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像,包括:
对于第一像素点,获取所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值,所述第一像素点是所述曲线延伸范围内的任一像素点;
当所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值处于预设差值范围内时,将所述第一像素点的灰度值设为255;
当所述第一像素点的颜色编码与所述目标测井曲线的颜色编码之间的差值处于预设差值范围外时,将所述第一像素点的灰度值设为0。
3.根据权利要求1所述的方法,其特征在于,所述对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,包括:
对于第一像素点组,计算所述第一像素点组中的每个像素点的第二像素坐标的坐标值的方差,所述第一像素点组是所述每个预设像素点组中的任一像素点组;
当计算获得的所述方差小于预设方差阈值时,执行所述对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当计算获得的所述方差不小于所述预设方差阈值时,去除第一像素点组中的边缘像素点,所述边缘像素点是第二像素坐标的坐标值距离平均坐标值最远的像素点,所述平均坐标值是所述第一像素点组中各个像素点的第二像素坐标的坐标值的平均值;
计算去除边缘像素点之后的所述第一像素点组中的各个像素点的第二像素坐标的坐标值的新的方差;
当计算获得的所述新的方差小于所述预设方差阈值时,执行所述对于所述二值化图像中的各个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值的步骤。
5.根据权利要求1所述方法,其特征在于,所述根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据之前,所述方法包括:
根据各个所述预设像素点组的目标像素点中,相邻像素点之间的第二像素坐标的坐标值之间的差值,确定所述预设像素点组的目标像素点中发生偏移的像素点;
按照预设的修正规则,对确定的发生偏移的像素点的第二像素坐标的坐标值进行偏移修正,其中,所述修正规则是所述发生偏移的像素点的第二像素坐标加上所述目标测井曲线的延伸范围的边界坐标对应的像素横坐标差值的绝对值,以将所述发生偏移的像素点修正回原来图像的位置。
6.根据权利要求1所述方法,其特征在于,所述对所述二值化图像中的各个预设像素点组,对所述预设像素点组中的各个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值之后,所述方法还包括:
判断各个所述预设像素点组中的目标像素点构成的曲线是否连续;
若各个所述预设像素点组中的目标像素点构成的曲线不连续,在对各个所述预设像素点组中的目标像素点构成的曲线中的不连续的部分进行插值处理。
7.根据权利要求1所述方法,其特征在于,所述将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据之后,所述方法还包括:
对所述目标测井曲线的测井数据按照预设采样率进行采样处理。
8.一种彩色曲线位图矢量化装置,其特征在于,所述彩色曲线位图中的曲线延伸范围内包含至少一条测井曲线,所述曲线延伸范围是二维直角坐标区域,且所述二维直角坐标区域中的第一像素坐标对应井深,所述二维直角坐标区域中的第二像素坐标对应测井参数,所述装置包括:
第一获取模块,用于获取所述彩色曲线位图中的目标测井曲线的颜色编码;
图像获得模块,用于根据所述曲线延伸范围内的各个像素点的颜色编码与所述目标测井曲线的颜色编码之间的匹配关系,对所述曲线延伸范围内的图像进行二值化处理,获得所述目标测井曲线对应的二值化图像;
坐标获得模块,用于对于所述二值化图像中的每个预设像素点组,对所述预设像素点组中的每个像素点的第二像素坐标的坐标值取平均值,获得所述预设像素点组中的目标像素点的第二像素坐标的坐标值,所述预设像素点组包含属于所述目标测井曲线,且第一像素坐标的坐标值相同的各个像素点;
第二获取模块,用于根据所述曲线延伸范围的边界像素点的坐标,以及所述曲线延伸范围的边界像素点对应的测井数据,获取每个所述预设像素点组中的目标像素点对应的测井数据,所述测井数据包括井深数值和测井参数数值;
第三获取模块,用于将每个所述预设像素点组中的目标像素点对应的测井数据,获取为所述目标测井曲线的测井数据。
9.一种计算机设备,其特征在于,所述计算机设备包含处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的彩色曲线位图矢量化方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的彩色曲线位图矢量化方法。
CN201811023996.2A 2018-09-03 2018-09-03 一种彩色曲线位图矢量化方法、计算机设备及存储介质 Active CN110874846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811023996.2A CN110874846B (zh) 2018-09-03 2018-09-03 一种彩色曲线位图矢量化方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811023996.2A CN110874846B (zh) 2018-09-03 2018-09-03 一种彩色曲线位图矢量化方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110874846A CN110874846A (zh) 2020-03-10
CN110874846B true CN110874846B (zh) 2022-05-10

Family

ID=69716232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811023996.2A Active CN110874846B (zh) 2018-09-03 2018-09-03 一种彩色曲线位图矢量化方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110874846B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462258B (zh) * 2020-03-31 2023-09-15 上海大学 一种针对制作印刷菲林片的纹理线条图像矢量化方法与系统
CN111932654B (zh) * 2020-07-28 2023-07-14 北京金阳普泰石油技术股份有限公司 基于像素寻优的测井曲线自动追踪方法、装置和电子设备
CN112150578A (zh) * 2020-11-25 2020-12-29 成都西图科技有限公司 井筒曲线绘制系统及绘制方法
CN113760915A (zh) * 2021-09-07 2021-12-07 百果园技术(新加坡)有限公司 一种数据处理方法、装置、设备及介质
CN116188627B (zh) * 2023-04-26 2023-07-28 广州海洋地质调查局三亚南海地质研究所 一种测井曲线数字化方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853514A (zh) * 2009-04-02 2010-10-06 肖克炎 彩色地质图图像的交互式矢量化方法及其系统
CN103810729A (zh) * 2014-02-20 2014-05-21 南京师范大学 一种基于等高线的光栅图像矢量化方法
CN106504294A (zh) * 2016-10-17 2017-03-15 浙江工业大学 基于扩散曲线的rgbd图像矢量化方法
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法
US9911210B1 (en) * 2014-12-03 2018-03-06 Drilling Info, Inc. Raster log digitization system and method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090244558A1 (en) * 2008-03-25 2009-10-01 Kabushiki Kaisha Toshiba Image processing apparatus and image processing method
US20140133760A1 (en) * 2012-11-15 2014-05-15 Qualcomm Incorporated Raster to vector map conversion

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853514A (zh) * 2009-04-02 2010-10-06 肖克炎 彩色地质图图像的交互式矢量化方法及其系统
CN103810729A (zh) * 2014-02-20 2014-05-21 南京师范大学 一种基于等高线的光栅图像矢量化方法
US9911210B1 (en) * 2014-12-03 2018-03-06 Drilling Info, Inc. Raster log digitization system and method
CN106504294A (zh) * 2016-10-17 2017-03-15 浙江工业大学 基于扩散曲线的rgbd图像矢量化方法
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Robust and accurate vectorization or line drawings;X.Hilaire et al.;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20060630;第28卷(第06期);890-904 *
一种光栅图像SVG矢量化表示的方法;胡卫军 等;《计算机工程与科学》;20100815;第32卷(第08期);68-70 *
地质图矢量化及地质结构建模技术研究;赵阶晨;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20090115(第(2009)01期);I138-970 *
地质等值线图矢量化算法的设计与实现;爨莹 等;《系统仿真学报》;20031120;第15卷(第11期);1565-1617 *
基于边缘检测的位图矢量化的实现;吴兴蛟 等;《计算机与数字工程》;20160220;第44卷(第02期);145-150 *
点阵图像矢量化的研究;李学营;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20071215(第(2007)06期);I138-529 *

Also Published As

Publication number Publication date
CN110874846A (zh) 2020-03-10

Similar Documents

Publication Publication Date Title
CN110874846B (zh) 一种彩色曲线位图矢量化方法、计算机设备及存储介质
US10991078B2 (en) Inferring petrophysical properties of hydrocarbon reservoirs using a neural network
RU2337404C1 (ru) Компьютерный способ для моделирования во время бурения и визуализации слоистых подземных формаций
US9618639B2 (en) Method and system for image-guided fault extraction from a fault-enhanced seismic image
US8605951B2 (en) Method for converting a digital image into a multi-dimensional geo-referenced data structure
CN109155064A (zh) 自动化岩心描述
AU2013296416B2 (en) Method for editing a multi-point facies simulation
US10234583B2 (en) Vector based geophysical modeling of subsurface volumes
CN107807387B (zh) 基于神经网络的地震初至波走时获取方法
US10073190B2 (en) Method and system for geophysical modeling of subsurface volumes based on computed vectors
WO2015084533A1 (en) Digital core model construction
US9529115B2 (en) Geophysical modeling of subsurface volumes based on horizon extraction
US20190137641A1 (en) Line and edge detection and enhancement
CN115408925A (zh) 用于隧道施工的岩体参数预测方法和装置
US10152783B2 (en) Method and system for two dimensional sediment particle shape characterization based on borehole image
CN110968840A (zh) 一种基于大地电磁测深电阻率判定隧围岩等级的方法
US9921329B2 (en) Automated method for selecting positions within formations from which to extract samples thereof
Wedge et al. Fast and objective detection and analysis of structures in downhole images
CN115391896B (zh) 基于高差和坡度双参量的斜坡失稳易发区识别方法及装置
Novo et al. A Novel Web-Based Software for Automated Cloud Processing, AI-Assisted Analysis and 3D Visualization of GPR Data
Galli et al. Smart Processing and Analysis of Image Log Data: A Digital Approach for A Robust Facies Modelling in Heterogeneous Carbonate Reservoirs
KR101982297B1 (ko) 자연 감마검층 자료를 이용한 퇴적층 경향 분석방법
Gonzalez et al. Integration of 3D Volumetric Computed Tomography Scan Image Data with Conventional Well Logs for Detection of Petrophysical Rock Classes
Perrier et al. Enhanced AI-Driven Automatic Dip Picking in Horizontal Wells Through Deep Learning, Clustering and Interpolation, in Real Time
Etchebes et al. An Advanced Integrated Workflow for Automated and Quantitative Interpretation of Digital Outcrop Analogues

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