CN112435288B - 一种基于图像的孔隙特征计算方法 - Google Patents
一种基于图像的孔隙特征计算方法 Download PDFInfo
- Publication number
- CN112435288B CN112435288B CN202011174808.3A CN202011174808A CN112435288B CN 112435288 B CN112435288 B CN 112435288B CN 202011174808 A CN202011174808 A CN 202011174808A CN 112435288 B CN112435288 B CN 112435288B
- Authority
- CN
- China
- Prior art keywords
- image
- pore
- radius
- pores
- array
- 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
Links
- 239000011148 porous material Substances 0.000 title claims abstract description 73
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 5
- 239000013077 target material Substances 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 239000002689 soil Substances 0.000 abstract description 5
- 239000000463 material Substances 0.000 abstract description 4
- 238000012512 characterization method Methods 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 abstract 1
- 229910000278 bentonite Inorganic materials 0.000 description 3
- 239000000440 bentonite Substances 0.000 description 3
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005429 filling process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于图像的孔隙特征计算方法，涉及岩土体材料孔隙表征技术领域，具体为一种基于岩土体材料细微观图像进行计算孔隙尺寸分布情况用以表征孔隙结构的方法。本发明所提出的方法通过对由微观数字成像技术采集的图像(如扫描电子显微镜、计算机断层扫描技术等)进行分析测算，获取样本材料不同尺寸孔隙的分布情况，测算结果可用于后续工程应用或科学研究。实现所需代码结构简单，测算结果具有快速准确、可执性好的特点，测算结果可应用范围广泛。
Description
技术领域
本发明属于数字图像信息提取领域，尤其涉及一种基于图像的孔隙特征计算方法。
背景技术
近年常用孔隙参数提取试验方法(MIP、NAI、NMR)难以测算到孤立未联通的孔隙，但这些孔隙在外力作用下可能重新与孔隙网络联通，同时相关操作会改变或破坏对微观孔隙结构；而其他基于数字图像(CT、SEM、FIB/SEM)以汞压入原理通过不同方法计算距离来获取孔隙特征参数，但有对孔隙几何定义模糊且由于数字图像自身的模糊性，现有基于图像的算法准确度低，同时处理大尺度三维图像时效率较低。
发明内容
发明目的：针对以上问题，本发明提出一种基于图像的岩土体孔隙特征计算方法，准确高效地获取岩土体材料等的不同尺寸孔隙分布情况，测算结果合理可靠。其结果可用于描述表征岩土体孔隙结构，可用于推导求取渗透性、弹性模量等物理力学性质或孔隙结构三维重构工作。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于图像的孔隙特征计算方法，首先对孔隙几何定义重新界定，再使用由大至小不同尺寸最大球体(圆)对孔隙区域填充，最后计算填充区域的等效面积以获取目标材料的孔隙结构参数。具体包括如下步骤：
步骤1：获取目标材料的包含孔隙与骨架的微观二值图像，所述微观二值图像为通过数字成像技术获取的离散数字图像，识别骨架和孔隙各自区域；
步骤2：计算每个孔隙像素与最近骨架像素的距离，并将最近距离数值标记在其对应位置；使用以所计算出的距离中最大值所标记的位置为圆心，以该最大值为半径的球体对数字图像中的孔隙进行填充；
步骤3：若所用球体与骨架区域发生干涉，则在当前圆心不断缩减半径值来继续填充，直至所用球体与骨架不发生干涉；填充完毕后更新图像，将填充部分划归为骨架，孔隙未填充部分仍划归孔隙部分，并记录本次填充所用球体半径；
步骤4：重复步骤2～步骤3，直至所有孔隙均被填充，即此时全图为骨架；统计每次填充所用球体的不同半径及对应数量，获得目标材料的微观孔隙结构特征参数。
基于上述技术方案的优选方案，所述步骤1中，微观二值图像是通过数字图像处理软件Imagj对孔隙材料的细观图像中孔隙部分进行分割后得到的图像，即图像中只包含孔隙与骨架两部分。
基于上述技术方案的优选方案，所述步骤4中，统计填充过程所用不同半径球体及其数量，具体计算方法如下：
将所用球体按半径降序排列，序列首位为最大半径，得到半径数组{ri|i＝1，2，...，n}，以及与半径数组每个元素对应的球体数量数组{ki|i＝1，2，...，n}；其中ri，ki分别为第i个半径值和该半径球体的数量，n表示n种不同半径球体；
计算不同半径孔隙体积累积占比ψi，形成体积累加数组{ψi|i＝1，2，...，n}：
计算不同半径孔隙面积累积占比形成面积累加数细/>
根据图像分辨率对半径数组进行换算，即1个像素的长度换算为步骤1所获图像在单位长度上像素数目的倒数；将换算后的半径数组和体积、面积累加数组整合即得到目标材料孔隙特征参数。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
相比于现有基于图像的方法，本发明方法更为精准地测算孔隙结构特征，保证孔隙区域全填充，克服异形孔隙和孤立孔隙的干扰。同时本发明方法涉及到的算法简便，尤其处理大尺度三维图像相比其他计算速率快。
附图说明
图1是本发明的方法流程图；
图2是以最大尺寸球体(圆)填充孔隙示意图；
图3是在更新后图像继续以最大尺寸球体(圆)填充孔隙示意图；
图4是不断填充不同尺寸球体(圆)直至孔隙全被填充示意图；
图5是某煤样品填充示意图及测算曲线结果；
图6是某砂岩样品填充示意图及测算曲线结果；
图7是某膨润土样品填充示意图及测算曲线结果。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种基于图像的孔隙特征计算方法，如图1所示，具体包括如下步骤：
步骤1：通过数字成像技术(CT、SEM、FIB/SEM)获取目标材料的微观图像；获取目标材料的包含孔隙与骨架的微观二值图像，所述微观二值图像为通过数字图像处理软件Imagej人工手动对孔隙材料的细观图像中孔隙部分进行分割后得到的图像，即图像中只包含孔隙与骨架两部分，识别骨架和孔隙各自区域。
步骤2：计算每个孔隙像素与最近骨架像素的距离，并将最近距离数值标记在其对应位置；如图2所示，使用以所计算出的距离中最大值所标记的位置为圆心，以该最大值为半径的球体(圆)对数字图像中的孔隙进行填充；所述距离为欧氏距离，公式如下：
其中，p为欧氏距离，xi、yi为当前所计算的孔隙像素横、纵坐标，x、y为与其最近骨架像素的横、纵坐标。
步骤3：若所用球体(圆)与骨架区域发生干涉，则在当前圆心不断缩减半径值来继续填充，如图3所示，直至所用球体(圆)与骨架不发生干涉；其中不断缩减半径值指每次迭代将半径缩减1像素；填充完毕后更新图像，将填充部分划归为骨架，孔隙未填充部分仍划归孔隙部分，并记录本次填充所用球体(圆)半径。
步骤4：重复步骤2～步骤3，直至所有孔隙均被填充，即此时全图为骨架；不断填充不同尺寸球体(圆)直至孔隙全被填充过程参见图4；统计每次填充所用球体(圆)的不同半径及对应数量，获得目标材料的微观孔隙结构特征参数。本实施例选取了某煤样品、某砂岩样品、某膨润土样品三种样品进行填充试验，其填充结果分别如图5(a)、图6(a)、图7(a)所示。
统计填充过程所用不同半径球体及其数量，具体计算方法如下：
将所用球体按半径降序排列，序列首位为最大半径，得到半径数组{ri|i＝1，2，...，n}，以及与半径数组每个元素对应的球体数量数组{ki|i＝1，2，...，n}；其中ri，ki分别为第i个半径值和该半径球体的数量，n表示n种不同半径球体；
计算不同半径孔隙体积累积占比ψi，形成体积累加数组{ψi|i＝1，2，...，n}：
计算不同半径孔隙面积累积占比形成面积累加数组/>
根据图像分辨率对半径数组进行换算，即1个像素的长度换算为步骤1所获图像在单位长度上像素数目的倒数；将换算后的半径数组和体积、面积累加数组整合即得到目标材料孔隙特征参数。本实施例的填充结果测算曲线分别如图5(b)、图6(b)、图7(b)所示。
在本实施例中，采用人工手动分割细观测试获取到的图像，以克服现有各种分割方法弊端。如噪点、边缘不清晰、误分割等现象。取某砂岩样品，某煤样品、某膨润土样品的电子扫描显微镜(SEM)图片作为案例图片进行计算。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种基于图像的孔隙特征计算方法，其特征在于：该方法包括如下步骤：
步骤1：获取目标材料的包含孔隙与骨架的微观二值图像，所述微观二值图像为通过数字成像技术获取的离散数字图像，识别骨架和孔隙各自区域；
步骤2：计算每个孔隙像素与最近骨架像素的距离，并将最近距离数值标记在其对应位置；使用以所计算出的距离中最大值所标记的位置为圆心，以该最大值为半径的球体对数字图像中的孔隙进行填充；
步骤3：若所用球体与骨架区域发生干涉，则在当前圆心不断缩减半径值来继续填充，直至所用球体与骨架不发生干涉；其中不断缩减半径值指每次迭代将半径缩减1像素；填充完毕后更新图像，将填充部分划归为骨架，孔隙未填充部分仍划归孔隙部分，并记录本次填充所用球体半径；
步骤4：重复步骤2～步骤3，直至所有孔隙均被填充，即此时全图为骨架；统计每次填充所用球体的不同半径及对应数量，获得目标材料的微观孔隙结构特征参数，具体计算方法如下：
将所用球体按半径降序排列，序列首位为最大半径，得到半径数组{ri|i＝1,2,…,n},以及与半径数组每个元素对应的球体数量数组{ki|i＝1,2,…,n}；其中ri,ki分别为第i个半径值和该半径球体的数量，n表示n种不同半径球体；
计算不同半径孔隙体积累积占比ψi，形成体积累加数组{ψi|i＝1,2,…,n}：
计算不同半径孔隙面积累积占比形成面积累加数组/>
根据图像分辨率对半径数组进行换算，即1个像素的长度换算为步骤1所获图像在单位长度上像素数目的倒数；将换算后的半径数组和体积、面积累加数组整合即得到目标材料孔隙特征参数。
2.根据权利要求1所述的基于图像的孔隙特征计算方法，其特征在于：所述步骤1中，微观二值图像是通过数字图像处理软件Imagej对孔隙材料的细观图像中孔隙部分进行分割后得到的图像，即图像中只包含孔隙与骨架两部分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011174808.3A CN112435288B (zh) | 2020-10-28 | 2020-10-28 | 一种基于图像的孔隙特征计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011174808.3A CN112435288B (zh) | 2020-10-28 | 2020-10-28 | 一种基于图像的孔隙特征计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112435288A CN112435288A (zh) | 2021-03-02 |
| CN112435288B true CN112435288B (zh) | 2024-02-23 |
Family
ID=74696425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011174808.3A Active CN112435288B (zh) | 2020-10-28 | 2020-10-28 | 一种基于图像的孔隙特征计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112435288B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113129275B (zh) * | 2021-03-31 | 2024-04-19 | 中国矿业大学 | 一种基于岩土体材料数字图像三维结构表征方法 |
| KR102648343B1 (ko) * | 2021-04-06 | 2024-03-14 | 주식회사 엘지에너지솔루션 | 분리막용 다공성 고분자 기재의 불량품 사전 검출 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105806765A (zh) * | 2016-04-13 | 2016-07-27 | 南京大学（苏州）高新技术研究院 | 一种显微ct扫描土体空间孔隙结构的精细化表征方法 |
| CN108491677A (zh) * | 2018-07-04 | 2018-09-04 | 河海大学 | 基于改进最大球法的微观孔隙模型的孔隙特征统计方法 |
| CN110322427A (zh) * | 2019-04-02 | 2019-10-11 | 中国矿业大学 | 一种基于三维成像技术的岩土体渗透率计算方法 |
| CN111489427A (zh) * | 2020-04-07 | 2020-08-04 | 清华大学 | 球体填充实现方法及计算机设备 |
-
2020
- 2020-10-28 CN CN202011174808.3A patent/CN112435288B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105806765A (zh) * | 2016-04-13 | 2016-07-27 | 南京大学（苏州）高新技术研究院 | 一种显微ct扫描土体空间孔隙结构的精细化表征方法 |
| CN108491677A (zh) * | 2018-07-04 | 2018-09-04 | 河海大学 | 基于改进最大球法的微观孔隙模型的孔隙特征统计方法 |
| CN110322427A (zh) * | 2019-04-02 | 2019-10-11 | 中国矿业大学 | 一种基于三维成像技术的岩土体渗透率计算方法 |
| CN111489427A (zh) * | 2020-04-07 | 2020-08-04 | 清华大学 | 球体填充实现方法及计算机设备 |
Non-Patent Citations (10)
| Title |
|---|
| "Improved algorithm for estimating pore size distribution from pore space images of porous media";Song, Shuaibing, Qile Ding, and Jingna Wei.;《Physical Review E》;全文 * |
| "Multiscale Research on Pore Structure Characteristics and Permeability Prediction of Sandstone";Shi-Jia, M. A., et al.;《Geofluids 2021》;全文 * |
| "Pore size distribution in granular material microstructure";Roozbahani, M. Mahdi, Rodrigo Borela, and J. David Frost.;《Materials》;全文 * |
| "Pore space morphology analysis using maximal inscribed spheres";Silin, Dmitriy, and Tad Patzek.;《Physica A: Statistical mechanics and its applications》;全文 * |
| "Pore Structure Identification of GMZ Bentonite with Different Water Content Based on Digital Image";Ma, Shi-Jia, et al.;《IOP Conference Series: Earth and Environmental Science》;全文 * |
| "Pore structure characterization and permeability prediction of coal samples based on SEM images";Song, Shuai-Bing, et al.;《Journal of Natural Gas Science and Engineering》;全文 * |
| "基于数字岩心的砂粒对储集层渗透特性影响";薛健康;王玉斗;王殿生;周伟;王雪英;;《新疆石油地质》(04);全文 * |
| "数字岩心技术在致密储层微观渗流特征研究中的应用";盛军;阳成;徐立;丁晓军;杨晓菁;李纲;;《西安石油大学学报(自然科学版)》(05);全文 * |
| 崔翔,胡明鉴,朱长歧等.."珊瑚砂三维孔隙微观特性研究".《岩土力学》.2020,全文. * |
| 赵建鹏,崔利凯,陈惠等.."基于CT扫描数字岩心的岩石微观结构定量表征方法".《现代地质》.2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112435288A (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112435288B (zh) | 一种基于图像的孔隙特征计算方法 | |
| Vogel | Morphological determination of pore connectivity as a function of pore size using serial sections | |
| CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
| CN111127613B (zh) | 基于扫描电子显微镜的图像序列三维重构方法及系统 | |
| CN112365529B (zh) | 基于重心偏离度的隧洞点云配准方法、装置 | |
| CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
| CN110598613A (zh) | 一种高速公路团雾监测方法 | |
| CN112414917A (zh) | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 | |
| CN110322427B (zh) | 一种基于三维成像技术的岩土体渗透率计算方法 | |
| Larsson et al. | Nanoporous gold: a hierarchical and multiscale 3D test pattern for characterizing X-ray nano-tomography systems | |
| CN1306454C (zh) | 调制传递函数测量方法和系统 | |
| CN113129275B (zh) | 一种基于岩土体材料数字图像三维结构表征方法 | |
| CN110211091A (zh) | 一种高分辨图像重构方法、装置及隐裂无损检测系统 | |
| CN113569679A (zh) | 测量断裂伸长率的方法、装置和系统 | |
| Zhang et al. | Application of particle imaging velocimetry (PIV) in centrifuge testing of uniform clay | |
| CN110927194A (zh) | 确定泥页岩有机孔含量和孔径分布的方法 | |
| CN111340786B (zh) | 一种复杂点阵结构内部缺陷的三维分割方法及系统 | |
| CN112509018B (zh) | 一种四元数空间优化的三维图像配准方法 | |
| CN114518309A (zh) | 一种页岩油储层中夹层孔隙有效三维表征的方法及装置 | |
| CN117036635B (zh) | 一种基于图像纹理分类的页岩多尺度数字岩心构建方法 | |
| Phromsuwan et al. | Quantitative analysis of X-ray lithographic pores by SEM image processing | |
| CN111402256A (zh) | 一种基于模板的三维点云目标检测和姿态估计方法 | |
| CN114526682B (zh) | 一种基于图像特征增强数字体图像相关法的变形测量方法 | |
| CN114777709B (zh) | 一种基于子体块分离的dvc微裂纹表征方法 | |
| CN115235977B (zh) | 基于分形特征计算页岩多尺度孔径分布的方法及系统 |
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 |