CN111505038A - 一种基于阴极发光技术定量分析砂岩胶结的实现方法 - Google Patents
一种基于阴极发光技术定量分析砂岩胶结的实现方法 Download PDFInfo
- Publication number
- CN111505038A CN111505038A CN202010348884.5A CN202010348884A CN111505038A CN 111505038 A CN111505038 A CN 111505038A CN 202010348884 A CN202010348884 A CN 202010348884A CN 111505038 A CN111505038 A CN 111505038A
- Authority
- CN
- China
- Prior art keywords
- image
- cement
- cathodoluminescence
- distribution
- sandstone
- 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
- 238000005136 cathodoluminescence Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 239000004568 cement Substances 0.000 claims abstract description 149
- 238000009826 distribution Methods 0.000 claims abstract description 99
- 238000004020 luminiscence type Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000010894 electron beam technology Methods 0.000 claims abstract description 5
- 230000007704 transition Effects 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 37
- 239000013078 crystal Substances 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 17
- 239000011148 porous material Substances 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 15
- 239000003086 colorant Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims 1
- 239000002245 particle Substances 0.000 description 19
- 239000011575 calcium Substances 0.000 description 15
- 229910052791 calcium Inorganic materials 0.000 description 15
- 239000000126 substance Substances 0.000 description 15
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 14
- 238000002441 X-ray diffraction Methods 0.000 description 9
- 239000000084 colloidal system Substances 0.000 description 9
- 229910052500 inorganic mineral Inorganic materials 0.000 description 9
- 239000011707 mineral Substances 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 229910001567 cementite Inorganic materials 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 229910000514 dolomite Inorganic materials 0.000 description 2
- 239000010459 dolomite Substances 0.000 description 2
- KSOKAHYVTMZFBJ-UHFFFAOYSA-N iron;methane Chemical compound C.[Fe].[Fe].[Fe] KSOKAHYVTMZFBJ-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 229910021532 Calcite Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910001748 carbonate mineral Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 229910052622 kaolinite Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000891 luminescent agent Substances 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012764 semi-quantitative analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
- G01N23/2254—Measuring cathodoluminescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明实施例公开了一种基于阴极发光技术定量分析砂岩胶结的实现方法，包括如下步骤：利用阴极电子束轰击目标砂岩薄片，捕获采集的目标砂岩刨片电子跃迁发光的阴极发光图像；通过MATLAB算法最大化保留阴极发光图像中的胶结物特征参数，区分识别并提取阴极发光图像中的多种胶结物分布范围，并对阴极发光图像进行图像二值化处理；调用能够识别二值图像中像素的函数，对图像中包含胶结物特征像素的区域进行计算与分析；本方案利用阴极发光技术直接显示砂岩薄片内的胶质物分布形态，可根据不同类型砂岩胶质物的发光特征直接输出不同发光性的砂岩胶质物的分布特征和分布形态，方便定量分析每种胶结物含量和半径。
Description
技术领域
本发明实施例涉及砂岩胶结定量技术领域，具体涉及一种基于阴极发光技术定量分析砂岩胶结的实现方法。
背景技术
胶结物是指碎屑颗粒和杂基之外的化学沉淀物质，常是结晶的或非晶质的自生矿物。在碎屑岩中含量小于50％，它对碎屑颗粒起胶结作用，使之变成坚硬的若石。由于胶结物是化学沉淀物质，故可以按其结晶程度、晶粒的相对大小和绝对大小、分布的均一性、胶结物本身的组构特征等进行描述。
胶结物含量是评判胶结作用发育程度的重要指标，而胶结物的分布特征及分布半径更是定量分析地层成岩作用的参数之一，胶结作用形态学研究主要以普通薄片、阴极发光技术以及FIB图像等手段为主。对于胶结作用含量的定量分析方法主要以XRD、测井以及各类数点法(网格法)为手段。以波谱分析的XRD能够对样品中胶结物含量进行定量分析。测井实验是以测井曲线为基础，通过多个测井参数为依据的定量分析，主要用于钙质胶结含量的计算。而数点法则是基于薄片，通过划分网格对胶结物含量进行数点计算。
虽然XRD、数点法以及测井法均可以对钙质胶结进行测定，但是上述三种方法还存在以下问题：
(1)XRD与数点法较测井法精准，但无法获取孔隙物半径。泥质胶结(高岭石胶结、伊利石胶结、绿泥石胶结)含量测定手段主要依靠X-RD，其测定结果属于能谱半定量分析，存在一定误差。
(2)砂岩中各种胶结物类型以不同赋存形式胶结于颗粒之间，如孔隙式、颗粒式、基底式等。虽然基于地球化学手段、测井手段或者单纯的图像分析手段能够对样品中的每种胶结物含量进行识别，但是对于同种胶结物的各类赋存形式并不能加以区分。
发明内容
为此，本发明实施例提供一种基于阴极发光技术定量分析砂岩胶结的实现方法，采用直接输出砂岩胶质物的分布特征和分布形态，方便定量分析每种胶结物含量和半径，以解决现有技术中无法准确识别胶结物的分布形态，以及无法对各种样品的不同胶结物同时定量分析的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：一种基于阴极发光技术定量分析砂岩胶结的实现方法，包括如下步骤：
步骤100、利用阴极电子束轰击目标砂岩薄片，捕获采集的目标砂岩刨片电子跃迁发光的阴极发光图像；
步骤200、通过MATLAB算法最大化保留阴极发光图像中的胶结物特征参数，区分识别并提取阴极发光图像中的多种胶结物分布范围，并对阴极发光图像进行图像二值化处理；
步骤300、调用能够识别二值图像中像素的函数，对图像中包含胶结物特征像素的区域进行计算与分析。
作为本发明的一种优选方案，在步骤200中，对阴极发光图像进行图像二值化处理的具体实现步骤为：
步骤201、以阴极发光图像的左下角为原点创建直角坐标系，将阴极发光图像置于所述直角坐标系的第一象限内，确定所述阴极发光图像的像素大小；
步骤202、计算阴极发光图像内每个像素点的HSV数据，将HSV数据作为筛选条件初步过滤，得到表示胶结物特征像素点分布的HSV数据图；
步骤203、计算HSV数据图中表示胶结物特征像素点的RGB数据，并将RGB数据转化为对应每个像素点的灰度值，对胶结物转化的灰度阈值再次过滤得到灰度数据图；
步骤204、将灰度数据图中大于胶结物阈值的像素点灰度重设定为255，将小于胶结物阈值的像素点灰度设定为0，得到关于砂岩胶结物分布的二值化图像。
作为本发明的一种优选方案，在步骤202中，每个像素点的HSV数据表示着所述阴极发光图像每个像素点的三维数据，分别为色调H、饱和度S和明度V，根据所述阴极发光图像的胶结物分布情况筛选每个像素点的HSV数据的方式具体为：
确定阴极发光图像中待检测胶结物特征的色调H的标准角度范围、明度V的标准数据以及饱和度S的具体数据；
保留阴极发光图像中色调H处于标准角度范围内的像素点，将色调H在标准角度范围的像素点过滤，实现对所述阴极发光图像的第一次清洗；
保留所述阴极发光图像中符合明度V标准数据和饱和度S的具体数据的像素点，将明度V为其他值的像素点过滤，实现对所述阴极发光图像的第二次清洗；
将第一次清洗和第二次清洗过滤的像素点灰度设定为0，得到表示胶结物特征像素点分布的HSV数据图。
作为本发明的一种优选方案，在步骤203中，利用浮点算法将每个像素点的RGB数据转化为灰度值Gray＝R*0.3+G*0.59+B*0.11，根据阴极发光图像中不同胶结物的标准灰度，从HSV数据图内再次筛选出关于胶结物分布的集合，生成胶结物分布的灰度数据图。
作为本发明的一种优选方案，在步骤204中，二值化图像中灰度值为255的像素点显示为白色，灰度值为0的像素点显示为黑色，白色像素点的分布位置即为胶结物的分布形态。
作为本发明的一种优选方案，在步骤300中，对图像中包含胶结物特征像素的区域计算分析之前，可根据胶结物的分布形态分为颗粒式胶结、孔隙式胶结和连晶式胶结。
作为本发明的一种优选方案，对胶结物的计算分析主要包括对阴极发光图像中不同分布形态胶结物的含量百分比以及对相邻连通的胶结物分布范围和半径。
作为本发明的一种优选方案，对不同分布形态的阴极发光图像中胶结物含量百分比的计算方式具体为：
捕获从HSV数据图内再次筛选出的关于胶结物分布的集合，确定集合内的像素点个数；
获取阴极发光图像的像素面积；
胶结物分布的像素点与阴极发光图像的像素面积的比值即代表单张阴极发光图像中胶结物含量百分比。
作为本发明的一种优选方案，定量计算不同分布形态的二值化图像中相邻连通的胶结物分布范围和半径的步骤具体为：
识别并划分所述二值化图像中联通的白色像素区域，白色像素包围的渔区即为胶结物分布范围；
在单个联通区域提取分析连通区域在直角坐标系内的Xmin，Xmax，Ymin，Ymax；
利用公式胶结物半径
作为本发明的一种优选方案，计算不同分布形态的二值化图像中的每个联通区域的胶结物半径后，对灰度为0的区域清洗，并且将不同半径的胶结物用不同的颜色标注输出胶结物半径区分图；
统计每个二值化图像中的不同半径的胶结物含量，以及每个二值化图像中同一半径的联通区域占比频率，生成不同类型的胶结物半径分布图。
本发明的实施方式具有如下优点：
(1)本实施方式利用阴极发光技术，直接显示砂岩薄片内的胶质物分布形态，可根据不同类型砂岩胶质物的发光特征，直接输出不同发光性的砂岩胶质物的分布特征和分布形态，方便定量分析每种胶结物含量和半径；
(2)本实施方式通过HSV模式对阴极发光图像进行一次粗略过滤，得到较大范围的胶质物包围边缘，然后利用RGB模式，确定一次粗略过滤后的图像中的胶质物色调分布，将每个像素点的RGB转化为灰度值进行二次精确过滤，得到比较精确的胶结物分布图，提高对胶结物特征的占比和分布的计算准确性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施方式中定量分析胶结物分布方法的示意图；
图2为本发明实施方式中确定胶结物分布的流程示意图；
图3为本发明实施方式中阴极发光图像的二值化转换示意图；
图4为本发明实施方式中阴极发光图像识别结果以及胶结物半径的分布直方图；
图5为本发明实施方式中多个胶结物定量叠合输出的示意图；
图6为本发明实施方式中不同胶结物半径的拟合示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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。基于本发明中的实施例，本领域普通技术人员在没有做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。
如图1和图2所示，本发明提供了一种基于阴极发光技术定量分析砂岩胶结的实现方法，现有的砂岩胶结物定量分析方法的功能不完全，无法使用一种分析方法能同时获得不同类型的泥质胶结、钙质胶结以及硅质胶结物等其他类型胶结物的分布情况，本实施方式利用阴极发光技术通过阴极电子束轰击砂岩薄片，使得砂岩薄片产生电子跃迁而发光，从而获得砂岩薄片的FIB图像。
通过对FIB图像可清晰观察到胶结物的分布形态，区分不同类型的赋存特征的胶结物，并且通过MATLAB中的图像处理算法，可准确计算每个目标砂岩薄片中的胶结物分布占比，以及胶结物的半径分布直方图，从而对单张阴极发光图像中的钙质胶结物含量以及半径进行定量分析，并且通过对多种形态的样品中胶结物含量特征定量分析，佐证利用阴极发光技术和MATLAB算法计算胶结含量的准确性。
矿物的发光性表现在两个重要方面，一是发光色，不同的矿物，或者同种矿物晶体内不同的发光元素存在会导致晶体具有不同的发光色。当然，一般情况下，同种矿物晶体往往具有相同的发光基色，如石英晶体阴极发光性的基色一般是蓝色，而白云石发光的基色则是黄色。二是发光强度，它往往与晶体内部发光剂和消光剂的相对含量有着密切的关系。
本实施方式以方解石薄片举例说明，方解石薄片的发光性主要依赖于晶内Mn/Fe比值的变化。
具体包括如下步骤：
步骤100、利用阴极电子束轰击目标砂岩薄片，捕获采集的目标砂岩刨片电子跃迁发光的阴极发光图像。
阴极发光是矿物表面在电子束的轰击下产生的发光现象，不同种类的矿物或相同种类但不同成因的矿物，可因矿物的晶体结构、晶体化学成分和保存环境的差异，而具有不同颜色或不同强度的光；甚至一些与晶体生长环境有关的生长结构或生长纹也可得到显示。
步骤200、通过MATLAB算法最大化保留阴极发光图像中的胶结物特征参数，区分识别并提取阴极发光图像中的多种胶结物分布范围，并对阴极发光图像进行图像二值化处理。
对阴极发光图像进行图像二值化处理的具体实现步骤为：
步骤201、以阴极发光图像的左下角为原点创建直角坐标系，将阴极发光图像置于所述直角坐标系的第一象限内，确定所述阴极发光图像的像素面积。
步骤202、计算阴极发光图像内每个像素点的HSV数据，将HSV数据作为筛选条件初步过滤，得到表示胶结物特征像素点分布的HSV数据图。
每个像素点的HSV数据表示着所述阴极发光图像每个像素点的三维数据，分别为色调H、饱和度S和明度V。
将阴极发光图像置于直角坐标系的第一象限，而且以阴极发光图像的左下角为原点，因此阴极发光图像的每个像素可以利用坐标(xi，yi)表示，可匹配每个像素点(xi，yi)的HSV数据。
在本步骤中，根据所述阴极发光图像的胶结物分布情况筛选每个像素点的HSV数据的方式具体为：
(1)确定阴极发光图像中待检测胶结物特征的色调H的标准角度范围、明度V的标准数据以及饱和度S的具体数据。
一般来说，利用阴极发光技术，可以获得不同砂岩薄片中，不同类型胶结物(泥质胶结、钙质胶结以及硅质胶结物)对应的发光情况，比如白云石阴极发光的基色则是黄色，而石英晶体阴极发光的基色一般是蓝色，因此根据不同的发光色可确定对应类型砂岩的色调H、明度V和饱和度S。
(2)保留阴极发光图像中色调H处于标准角度范围内的像素点，将色调H在标准角度范围的像素点过滤，实现对所述阴极发光图像的第一次清洗。
色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°，根据待检测砂岩薄片的阴极发光图像，本步骤通过确定胶质物发光对应的最大色调范围，将阴极发光图像中其他色调的位置进行一次清洗过滤，缩小胶质物的划定范围。
(3)保留所述阴极发光图像中符合明度V标准数据和饱和度S的具体数据的像素点，将明度V为其他值的像素点过滤，实现对所述阴极发光图像的第二次清洗。
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0％～100％，值越大，颜色越饱和，明度V表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0％(黑)到100％(白)。
因此本步骤将明度V不等于100％的像素点过滤清洗，进一步的缩小阴极发光图像上保留的像素点。
(4)将第一次清洗和第二次清洗过滤的像素点灰度设定为0，得到表示胶结物特征像素点分布的HSV数据图。
HSV数据图可获得阴极发光图像中的胶质物的大概粗略范围，避免精细过滤弱化了胶质物的细节，最大程度的保留胶质物的边缘包围圈。
步骤203、计算HSV数据图中表示胶结物特征像素点的RGB数据，并将RGB数据转化为对应每个像素点的灰度值，对胶结物转化的灰度阈值再次过滤得到灰度数据图。
对HSV数据图保留的表示胶质物特征的像素点转化为灰度值，将灰度值大于等于胶质物最小的标准灰度值的像素点保留，清洗过滤小于胶质物最小的标准灰度值的像素点，因此进一步的缩小胶质物特征的范围，提高获取胶质物分布范围的准确性。
在此步骤中，具体利用浮点算法将每个像素点的RGB数据转化为灰度值Gray＝R*0.3+G*0.59+B*0.11。
根据阴极发光图像中不同胶结物的标准灰度，从HSV数据图内再次筛选出关于胶结物分布的集合，生成胶结物分布的灰度数据图。
步骤204、将灰度数据图中大于胶结物阈值的像素点灰度重设定为255，将小于胶结物阈值的像素点灰度设定为0，得到关于砂岩胶结物分布的二值化图像。
二值化图像中灰度值为255的像素点显示为白色，灰度值为0的像素点显示为黑色，白色像素点的分布位置即为胶结物的分布形态，则将待检测砂岩薄片的阴极发光图像转换为表示砂岩薄片内部胶质物分布的二值化图像。
具体的将阴极发光图像转化为二值化图像的结果如图3所示，图3中不同赋存特征的钙质胶结物包括(A)颗粒交代式；(B)孔隙胶结式；(C)连晶式钙质胶结；图(D)、(E)、(F)分别为图(A)、(B)、(C)对应的二值图像。
步骤300、调用能够识别二值图像中像素的函数，对图像中包含胶结物特征像素的区域进行计算与分析。
根据胶结物的分布形态将胶结物分为颗粒式胶结、孔隙式胶结和连晶式胶结，其中颗粒式胶结物表示基质或胶结物的含量较多，碎屑颗粒孤立地散布于胶结物与基质中，彼此不相接触或很少接触，基质和碎屑物是同时沉积的。填隙物多半是和碎屑同时沉淀的杂基，或为微晶碳酸盐矿物。
孔隙式胶结物的碎屑颗粒紧密相连，胶结物填充在粒间孔隙中，胶结物含量少。
连晶式胶结物的胶结物呈比较粗大晶体，彼此紧密接触呈镶嵌结构，中间包裹着许多碎屑颗粒，宛若火成岩中的嵌晶结构。
而对颗粒式胶结、孔隙式胶结和连晶式胶结的计算分析主要包括两中方式，第一，计算不同分布形态的阴极发光图像中胶结物含量百分比，第二，计算相邻连通的胶结物分布范围和半径。
(一)对不同分布形态的阴极发光图像中胶结物含量百分比的计算方式具体为：
A、从灰度数据图内捕获筛选每个像素点的灰度值后的关于胶结物分布的集合，确定集合内的像素点个数；
B、获取阴极发光图像的像素面积；
C、胶结物分布的像素点与阴极发光图像的像素面积的比值即代表单张阴极发光图像中胶结物含量百分比。
阴极发光图像的像素面积是已知数据，而胶结物分布的集合内的像素点个数也是已知数据，因此通过两个数据的即可获得单种分布形态的阴极发光图像中胶结物含量百分比。
(二)定量计算不同分布形态的二值化图像中相邻连通的胶结物分布范围和半径的步骤具体为：
D、识别并划分所述二值化图像中联通的白色像素区域，白色像素包围的渔区即为胶结物分布范围；
E、在单个联通区域提取分析连通区域在直角坐标系内的Xmin，Xmax，Ymin，Ymax；
F、利用公式胶结物半径
计算胶结物半径时，可直接调用MATLAB内的函数“bwlabel”及“bwboundaries”对各类胶结物的分布范围及半径进行定量研究，调用两个函数对图像中胶结物连通的区域识别与划分，边界包围的区域即为胶结物分布范围，在单个联通区域的利用find函数对连通区域的Xmin，Xmax，Ymin，Ymax进行提取分析即可获得包围连通区域的胶结物半径。
计算不同分布形态的二值化图像中的每个联通区域的胶结物半径后，对灰度为0的区域清洗，并且将不同半径的胶结物用不同的颜色标注输出胶结物半径区分图。因此可直观观察颗粒式胶结、孔隙式胶结和连晶式胶结三种分布形态的胶结物分布形态以及不同半径的分布数量。
并且根据计算的胶结物半径R，统计每个二值化图像中的不同半径的联通区域总和，以及每个二值化图像中同一半径的联通区域占比频率，生成不同类型的胶结物半径分布直方图。
也可以将观察颗粒式胶结、孔隙式胶结和连晶式胶结三种分布形态的多个半径和每个半径对应的数量集成在一个分布图里面，对内各个样品中的钙质胶结物定量分析并且叠合输出，叠加输出结果才能完整地反映研究区样品的钙质胶结物或者是其它胶结物的特征，完整反映整个样品中胶结物含量的特征。
在得到三种钙质胶结的特征二值图像后，调用相应的函数对二值图像中富含胶结物特征的像素区域进行识别，如图4所示，阴极发光图像识别结果以及基于识别结果输出的胶结物半径分布直方图；(A)颗粒交代式钙质胶结分布图；(B)孔隙式钙质胶结分布图；(C)连晶式钙质胶结分布图；(D)图A中胶结物半径分布直方图；(E)图B中胶结物半径分布直方图；(F)图C中胶结物半径分布直方图。
图4显示了MATLAB算法对样品中三中不同钙质胶结物分布的识别以及数字化输出，颗粒交代式、孔隙胶结式以及连晶式胶结三种赋存特征胶结物半径依次增大。基于二值图像的图像表征技术能够对单张阴极发光图像中的钙质胶结物含量以及半径进行定量分析，但归根到底单张图像中的胶结物并不能反映整个样品中胶结物含量的特征，在使用算法对图像进行定量分析时，需要对多个样品的图像进行输出，这样的叠加输出结果才能完整地反映研究区样品的钙质胶结物或者是其它胶结物的特征。
为此，本实施方式对研究区内各个样品中的钙质胶结物定量分析并且叠合输出，具体如图5所示，图5显示了研究区内样品中胶结物半径的分布特征，红线、橘线与黄线分别代表每种样品中的主要钙质胶结物赋存类型。结果表明样品胶结物分布于0-300μm之间，普遍发育颗粒交代式以及孔隙式钙质胶结物，两者半径分布于0-200μm之间。少量样品发育连晶钙质胶结，胶结物半径分布于50-300μm之间。
实施例2
以波谱分析的XRD能够对样品中胶结物含量进行定量分析，为验证实验结果精确性，对比XRD实验结果与本实验结果进行拟合分析，XRD实验结果和MATLAB算法的拟合结果如图6所示，图6中的(A)为颗粒交代式钙质胶结物半径与样品粒径对比图；(B)为孔隙胶结式钙质胶结物半径与样品孔径对比图；
颗粒的钙质胶结物半径与颗粒半径呈明显的线性关系(R2＝0.7797)，这不仅验证了胶结对象以颗粒为主，而且表明MATLAB算法非常适用于定量计算被颗粒交代式胶结物的半径。与点式钙质胶结物相比，孔隙式钙质胶结物与孔径的线性系数为0.4987，具有一定的线性关系，但没有前者拟合度好。
一方面原因可能是孔隙式胶结物包含局部发育连晶式胶结类型，造成定量半径高于孔径。另一方面原因可能是钙质胶结物优先胶结孔径半径大或者孔隙空间大的部位，导致胶结物半径高于平均孔径。但从结果上看无论是颗粒式胶结类型还是孔隙式胶结类型，本实施方式利用阴极发光技术和MATLAB算法处理输出的图像表征算法结果与实际结果(粒径与孔径)相差不大，具有非常好的拟合性。
因此本实施方式利用阴极发光技术和MATLAB算法可精确分析计算砂岩胶结物的半径分布和颗粒大小情况，使用范围广，可检测不同赋存形态的胶结物以及不同类型的胶结物，从而利用实施方式提供的一套定量分析检测方式，可应用于不同砂岩的不同胶结物的精准检测。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，包括如下步骤：
步骤100、利用阴极电子束轰击目标砂岩薄片，捕获采集的目标砂岩刨片电子跃迁发光的阴极发光图像；
步骤200、通过MATLAB算法最大化保留阴极发光图像中的胶结物特征参数，区分识别并提取阴极发光图像中的多种胶结物分布范围，并对阴极发光图像进行图像二值化处理；
步骤300、调用能够识别二值图像中像素的函数，对图像中包含胶结物特征像素的区域进行计算与分析。
2.根据权利要求1所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，在步骤200中，对阴极发光图像进行图像二值化处理的具体实现步骤为：
步骤201、以阴极发光图像的左下角为原点创建直角坐标系，将阴极发光图像置于所述直角坐标系的第一象限内，确定所述阴极发光图像的像素大小；
步骤202、计算阴极发光图像内每个像素点的HSV数据，将HSV数据作为筛选条件初步过滤，得到表示胶结物特征像素点分布的HSV数据图；
步骤203、计算HSV数据图中表示胶结物特征像素点的RGB数据，并将RGB数据转化为对应每个像素点的灰度值，对胶结物转化的灰度阈值再次过滤得到灰度数据图；
步骤204、将灰度数据图中大于胶结物阈值的像素点灰度重设定为255，将小于胶结物阈值的像素点灰度设定为0，得到关于砂岩胶结物分布的二值化图像。
3.根据权利要求2所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，在步骤202中，每个像素点的HSV数据表示着所述阴极发光图像每个像素点的三维数据，分别为色调H、饱和度S和明度V，根据所述阴极发光图像的胶结物分布情况筛选每个像素点的HSV数据的方式具体为：
确定阴极发光图像中待检测胶结物特征的色调H的标准角度范围、明度V的标准数据以及饱和度S的具体数据；
保留阴极发光图像中色调H处于标准角度范围内的像素点，将色调H在标准角度范围的像素点过滤，实现对所述阴极发光图像的第一次清洗；
保留所述阴极发光图像中符合明度V标准数据和饱和度S的具体数据的像素点，将明度V为其他值的像素点过滤，实现对所述阴极发光图像的第二次清洗；
将第一次清洗和第二次清洗过滤的像素点灰度设定为0，得到表示胶结物特征像素点分布的HSV数据图。
4.根据权利要求2所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，在步骤203中，利用浮点算法将每个像素点的RGB数据转化为灰度值Gray＝R*0.3+G*0.59+B*0.11，根据阴极发光图像中不同胶结物的标准灰度，从HSV数据图内再次筛选出关于胶结物分布的集合，生成胶结物分布的灰度数据图。
5.根据权利要求2所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，在步骤204中，二值化图像中灰度值为255的像素点显示为白色，灰度值为0的像素点显示为黑色，白色像素点的分布位置即为胶结物的分布形态。
6.根据权利要求1述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，在步骤300中，对图像中包含胶结物特征像素的区域计算分析之前，可根据胶结物的分布形态分为颗粒式胶结、孔隙式胶结和连晶式胶结。
7.根据权利要求6述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，对胶结物的计算分析主要包括对阴极发光图像中不同分布形态胶结物的含量百分比以及对相邻连通的胶结物分布范围和半径。
8.根据权利要求7所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，对不同分布形态的阴极发光图像中胶结物含量百分比的计算方式具体为：
捕获从HSV数据图内再次筛选出的关于胶结物分布的集合，确定集合内的像素点个数；
获取阴极发光图像的像素面积；
胶结物分布的像素点与阴极发光图像的像素面积的比值即代表单张阴极发光图像中胶结物含量百分比。
9.根据权利要求7所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，定量计算不同分布形态的二值化图像中相邻连通的胶结物分布范围和半径的步骤具体为：
识别并划分所述二值化图像中联通的白色像素区域，白色像素包围的渔区即为胶结物分布范围；
在单个联通区域提取分析连通区域在直角坐标系内的Xmin，Xmax，Ymin，Ymax；
利用公式胶结物半径
10.根据权利要求7所述的一种基于阴极发光技术定量分析砂岩胶结的实现方法，其特征在于，计算不同分布形态的二值化图像中的每个联通区域的胶结物半径后，对灰度为0的区域清洗，并且将不同半径的胶结物用不同的颜色标注输出胶结物半径区分图；
统计每个二值化图像中的不同半径的胶结物含量，以及每个二值化图像中同一半径的联通区域占比频率，生成不同类型的胶结物半径分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010348884.5A CN111505038A (zh) | 2020-04-28 | 2020-04-28 | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010348884.5A CN111505038A (zh) | 2020-04-28 | 2020-04-28 | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111505038A true CN111505038A (zh) | 2020-08-07 |
Family
ID=71871444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010348884.5A Pending CN111505038A (zh) | 2020-04-28 | 2020-04-28 | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111505038A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642437A (zh) * | 2021-08-03 | 2021-11-12 | 中国地质大学（北京） | 一种对煤中不同组分含量及半径的定量计算方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196807A (zh) * | 2013-03-11 | 2013-07-10 | 中国石油天然气股份有限公司 | 一种砂岩成岩过程与孔隙演化的分析方法 |
| CN108734714A (zh) * | 2018-06-06 | 2018-11-02 | 中国地质大学（北京） | 一种基于Matlab分析碳酸盐岩结构的方法 |
| CN108956416A (zh) * | 2018-06-06 | 2018-12-07 | 中国地质大学（北京） | 一种基于Matlab分析致密砂岩储层孔隙表征的方法 |
| CN109146878A (zh) * | 2018-09-30 | 2019-01-04 | 安徽农业大学 | 一种基于图像处理的杂质检测方法 |
| CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
| CN109886267A (zh) * | 2019-01-29 | 2019-06-14 | 杭州电子科技大学 | 一种基于最优特征选择的低对比度图像显著性检测方法 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN110427798A (zh) * | 2019-06-12 | 2019-11-08 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种青菜智能识别及叶色环境变化预测的方法 |
| CN110992340A (zh) * | 2019-12-04 | 2020-04-10 | 华北电力大学 | 一种复合绝缘子伞裙龟裂纹缺陷识别方法 |
-
2020
- 2020-04-28 CN CN202010348884.5A patent/CN111505038A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196807A (zh) * | 2013-03-11 | 2013-07-10 | 中国石油天然气股份有限公司 | 一种砂岩成岩过程与孔隙演化的分析方法 |
| CN108734714A (zh) * | 2018-06-06 | 2018-11-02 | 中国地质大学（北京） | 一种基于Matlab分析碳酸盐岩结构的方法 |
| CN108956416A (zh) * | 2018-06-06 | 2018-12-07 | 中国地质大学（北京） | 一种基于Matlab分析致密砂岩储层孔隙表征的方法 |
| CN109146878A (zh) * | 2018-09-30 | 2019-01-04 | 安徽农业大学 | 一种基于图像处理的杂质检测方法 |
| CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
| CN109886267A (zh) * | 2019-01-29 | 2019-06-14 | 杭州电子科技大学 | 一种基于最优特征选择的低对比度图像显著性检测方法 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN110427798A (zh) * | 2019-06-12 | 2019-11-08 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种青菜智能识别及叶色环境变化预测的方法 |
| CN110992340A (zh) * | 2019-12-04 | 2020-04-10 | 华北电力大学 | 一种复合绝缘子伞裙龟裂纹缺陷识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| BO JIU 等: "An approach for quantitative analysis of cementation in sandstone based on cathodoluminescence and MATLAB algorithms", 《JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING》 * |
| BO JIU 等: "Quantitative Analysis of Micron-Scale and Nano-Scale Pore Throat Characteristics of Tight Sandstone Using Matlab", 《APPLIED SCIENCE》 * |
| C.R. APPOLONI 等: "X-ray microtomography study of a sandstone reservoir rock", 《NUCLEAR INSTRUMENTS AND METHODS IN PHYSICS RESEARCH A》 * |
| 朱仕强 等: "基于ＭＡＴＬＡＢ图像处理的冒落胶结充填体块度测定", 《采矿工程》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642437A (zh) * | 2021-08-03 | 2021-11-12 | 中国地质大学（北京） | 一种对煤中不同组分含量及半径的定量计算方法 |
| CN113642437B (zh) * | 2021-08-03 | 2022-05-31 | 中国地质大学（北京） | 一种对煤中不同组分含量及半径的定量计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020101520A4 (en) | Method for identifying exposed and buried fault structures in granite-type uranium province | |
| US6983060B1 (en) | Method to measure degree and homogeneity of alumina calcination | |
| CN108734714B (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
| CN110146533B (zh) | 一种泥页岩不同矿物孔隙自动识别方法及系统 | |
| CN108918564B (zh) | 一种适用于泥页岩矿物成分定量的分析方法 | |
| CN109584240A (zh) | 滑坡后缘裂缝位移图像识别方法 | |
| CN114486962B (zh) | 复杂成分样品含轻元素矿物的定量识别方法、系统和设备 | |
| Leone et al. | The application of satellite remote sensing for soil studies in upland areas of Southern Italy | |
| Pirard et al. | Particle texture analysis using polarized light imaging and grey level intercepts | |
| Alasta | Using Remote Sensing data to identify iron deposits in central western Libya | |
| CN111505038A (zh) | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 | |
| Kozakiewicz | Image analysis algorithm for detection and measurement of Martian sand grains | |
| Faiz et al. | Elemental composition of dispersed vitrinite in marine Jurassic source rocks of the Vulcan Sub-basin, Australia: Implications for vitrinite reflectance suppression | |
| Røgen et al. | Grain size distributions of chalk from image analysis of electron micrographs | |
| CN107038700A (zh) | 基于gssim的土壤湿度空间分布特征定量分析方法 | |
| CA2437005C (en) | Method for determining and evaluating defects in a sample surface | |
| Chappell et al. | Using on‐nadir spectral reflectance to detect soil surface changes induced by simulated rainfall and wind tunnel abrasion | |
| Kadkhodaie et al. | Carbonate microfacies study by using images processing algorithms, K-mean clustering and nearest neighbor segmented classifying: an example from the Salman Oil and Gas Field, Persian Gulf, Iran | |
| Murdmaa et al. | Lithology | |
| CN109472244B (zh) | 一种基于分离指数的土壤、岩石和植被识别方法 | |
| Wheib | Spectral reflectance properties of soil surface and land covers of AL-Salman depression in southern Iraq | |
| CN106323885A (zh) | 一种岩样有机质成熟度测量方法 | |
| Witkowski et al. | Video cathodoluminescence microscopy of diagenetic cements and its applications | |
| CN113340780B (zh) | 一种高纯石英中流体包裹体含量的检测方法 | |
| Lebrun et al. | On the use of image analysis for quantitative monitoring of stone alteration |
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 |
Application publication date: 20200807 |
|
| RJ01 | Rejection of invention patent application after publication |