CN114220094A - 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统 - Google Patents

基于二维岩心扫描图像的孔隙与裂缝识别方法、系统 Download PDF

Info

Publication number
CN114220094A
CN114220094A CN202210159608.3A CN202210159608A CN114220094A CN 114220094 A CN114220094 A CN 114220094A CN 202210159608 A CN202210159608 A CN 202210159608A CN 114220094 A CN114220094 A CN 114220094A
Authority
CN
China
Prior art keywords
pore
image
core
dimensional
crack
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
Application number
CN202210159608.3A
Other languages
English (en)
Other versions
CN114220094B (zh
Inventor
李国梁
杨继进
吴建国
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.)
Institute of Geology and Geophysics of CAS
Original Assignee
Institute of Geology and Geophysics of CAS
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 Institute of Geology and Geophysics of CAS filed Critical Institute of Geology and Geophysics of CAS
Priority to CN202210159608.3A priority Critical patent/CN114220094B/zh
Publication of CN114220094A publication Critical patent/CN114220094A/zh
Application granted granted Critical
Publication of CN114220094B publication Critical patent/CN114220094B/zh
Priority to US17/830,343 priority patent/US11467301B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/646—Fractures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Animal Husbandry (AREA)
  • Human Resources & Organizations (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明属于油气储层地质勘探技术领域，具体涉及一种基于二维岩心扫描图像的孔隙与裂缝识别方法、系统，旨在解决现有技术无法精确且高效地分割孔隙和裂缝，无法对孔隙、裂缝特征进行定量分析的问题；方法包括扫描获取初始岩心平面二维图像，对其进行滤波处理，获得第一岩心平面二维图像；然后进行图像分割，获得第二岩心平面二维图像；对其提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，建立孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝；反之判定该孔隙空间为孔隙；本发明可获得精确孔隙和裂缝分布信息，为储层油气开采提供有效指导。

Description

基于二维岩心扫描图像的孔隙与裂缝识别方法、系统
技术领域
本发明属于油气储层地质勘探技术领域，具体涉及一种基于二维岩心扫描图像的孔隙与裂缝识别方法、系统。
背景技术
储集层岩石中未被矿物颗粒、胶结物或者其它固体物质填集的空间称为岩石的孔隙空间；孔隙空间包括孔隙和裂缝等，孔隙是指岩石中颗粒间、颗粒内的填充物内的空隙；裂缝是在岩石成岩过程中，或在各种构造应力作用下使岩石破裂而形成的各种缝隙。
储集层岩石的微观孔隙空间包括孔隙和裂缝特征（大小、几何形状、分布及相互联通情况）直接反应储集层的渗流能力，可为储集层评价提供重要依据。储集层岩石的孔隙、裂缝特征对油气的勘探开发至关重要，直接关系到储集层岩石的储油和储气能力、油和气的赋存状态、运移机理和能力以及储集层岩石的沉积演化过程，最终影响油气开采的难易程度和勘探开发价值。因此精确区分储集层岩石的孔隙和裂缝特征意义重大，只有准确了解了储集层岩石孔隙和裂缝特征才能正确反应储集层岩石的渗流能力，并制定出正确的勘探开发方案。
发明内容
为了解决现有技术中的上述问题，即为了解决现有技术无法精确且高效地分割孔隙和裂缝，无法对孔隙、裂缝特征进行定量分析的问题，本发明提供了一种基于二维岩心扫描图像的孔隙与裂缝识别方法、系统。
本发明第一方面提供了一种基于二维岩心扫描图像的孔隙与裂缝识别方法，该方法包括以下步骤：步骤S100，扫描获取初始岩心平面二维图像。
步骤S200，对所述初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像。
步骤S300，对所述第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像。
步骤S400，基于所述第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝；若孔缝识别函数的数值不大于预设表征值，则判定该孔隙空间为孔隙。
步骤S500，循环执行步骤S400以遍历所有孔隙空间，获得所述第二岩心平面二维图像的孔隙、裂缝的分布信息。
在一些优选实施例中，第
Figure DEST_PATH_IMAGE001
个孔隙空间的孔缝识别函数为
Figure 774476DEST_PATH_IMAGE002
。
预设表征值为设定长宽比的矩形和与该矩形等面积的圆的孔缝识别函数值。
Figure DEST_PATH_IMAGE003
。
Figure 726251DEST_PATH_IMAGE004
。
Figure DEST_PATH_IMAGE005
。
Figure 933242DEST_PATH_IMAGE006
。
Figure DEST_PATH_IMAGE007
。
Figure 577850DEST_PATH_IMAGE008
为与第
Figure 299818DEST_PATH_IMAGE001
个孔隙空间等面积的圆的孔缝特征值；
Figure DEST_PATH_IMAGE009
为第
Figure 55285DEST_PATH_IMAGE001
个孔隙空间中第
Figure 116781DEST_PATH_IMAGE010
个 像素点的横坐标，
Figure DEST_PATH_IMAGE011
为第
Figure 666711DEST_PATH_IMAGE001
个孔隙空间中第
Figure 875976DEST_PATH_IMAGE010
个像素点的纵坐标。
在一些优选实施例中，步骤S300具体包括以下步骤：步骤S310，采用图像阈值分割进行孔隙空间的提取，获得岩心孔隙空间图像；步骤S320，基于单个预设孔隙像素阈值，对所述岩心孔隙空间图像进行异常点剔除，得到所述第二岩心平面二维图像。
在一些优选实施例中，所述初始岩心平面二维图像通过岩心扫描设备扫描获取。
在一些优选实施例中，所述岩心扫描设备为微米场发射扫描电镜。
在一些优选实施例中，步骤S200中的“滤波处理”采用的滤波方法为均值滤波、非局部均值滤波、中值滤波、维纳滤波或高斯滤波中任一种。
在一些优选实施例中，步骤S200中的“滤波处理”具体包括：对带有噪点的灰度图像进行滤波。
本发明的第二方面公开了一种基于二维岩心扫描图像的孔隙与裂缝识别系统，该系统基于上面所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，包括初始图像获取模块、滤波处理模块、图像分割模块和孔隙裂缝识别模块。
所述初始图像获取模块配置为获取初始岩心平面二维图像。
所述滤波处理模块配置为对所述初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像。
所述图像分割模块配置为对所述第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像。
所述孔隙裂缝识别模块配置为基于所述第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝，反之则判定该孔隙空间为孔隙。
在一些优选实施例中，该系统还包括总控中心，所述初始图像获取模块、所述滤波处理模块、所述图像分割模块、所述孔隙裂缝识别模块均与所述总控中心信号连接；所述孔隙裂缝识别模块在所述总控中心的控制下遍历所有孔隙空间，获得所述第二岩心平面二维图像的孔隙和裂缝的分布信息，并存储至所述总控中心，所述总控中心基于预设孔隙和裂缝的分布信息制定施工开采策略。
本发明第三方面公开了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上面所述的基于二维岩心扫描图像的孔隙与裂缝识别方法。
本发明的有益效果为：目前对于孔隙和裂缝的区分已开展了一些研究，其中主要方法是根据长轴和短轴的比例进行区分；这种方法只适用于规则的图形，无法进行特殊形状的孔隙和裂缝识别；本发明公开的一种基于二维岩心扫描图像的孔隙与裂缝识别方法、系统，以图像中孔隙空间内的点到图像形心的距离为自变量，建立函数，并通过与同面积圆所得的函数值进行对比，以此将孔隙和裂缝区别开来，可以精确且高效地分割孔隙和裂缝，能够对孔隙、裂缝特征进行定量分析，可以更好地评价储层储油储气能力、孔隙内的油和气的赋存状态、运移能力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1是本发明中的基于二维岩心扫描图像的孔隙与裂缝识别方法的一种具体实施例的流程图。
图2是孔隙和裂缝的示意图。
图3是本发明中的初始岩心平面二维图像的一种具体实施例示意图。
图4是本发明中的第一岩心平面二维图像的滤波平滑效果图。
图5是本发明的一种具体实施例中提取的孔隙空间二维图。
图6是本发明的一种具体实施例中提取的孔隙二维图。
图7是本发明的一种具体实施例中提取的裂缝二维图。
图8是本发明一种具体实施例中提取的孔隙和裂缝二维图。
图9是用于实现本申请方法、系统、设备实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
本发明的第一方面公开了一种基于二维岩心扫描图像的孔隙与裂缝识别方法，该方法包括以下步骤：步骤S100，扫描获取初始岩心平面二维图像；步骤S200，对初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像；步骤S300，对第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像；步骤S400，基于第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝；若孔缝识别函数的数值不大于预设表征值，则判定该孔隙空间为孔隙；步骤S500，循环执行步骤S400以遍历所有孔隙空间，获得第二岩心平面二维图像的孔隙、裂缝的分布信息。
以下参照附图结合实施例进一步说明本发明。
孔隙和裂缝的几何形态差别很大，孔隙是由岩石颗粒内部或者包围着的较大的空间，在轴向和切向上的延展差别不大，而裂缝是一个狭窄的缝隙，在轴向和切向上的延展差别非常大，如附图2所示。由图可见，由于几何形态上巨大的差距导致孔隙和裂缝在储油和储气能力不同，油和气的赋存状态、运移机理和能力也不相同，因此需要分别分析。
具体地参照附图1至附图8，本发明的第一方面公开了一种基于二维岩心扫描图像的孔隙与裂缝识别方法，该方法包括以下步骤：步骤S100，利用岩心扫描设备对预设区域岩石进行扫描，获取初始岩心平面二维图像。
在本实施例中，采用的是微米场发射扫描电镜，获取的图像大小为4225*2845，每个像素代表4 nm；即扫描区域大小长为16.9 um，宽为11.38 um；附图3即为本实施例页岩的电镜扫描图。
需要说明的是，所用数据图像并不只是针对电镜图像，也可以是其他的二维图像；图像大小不受限制；每个像素大小也不受限制。
步骤S200，对该初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像。
在一些优选实施例中，步骤S200中的“滤波处理”采用的滤波方法为均值滤波、非局部均值滤波、中值滤波、维纳滤波或高斯滤波中任一种。
在本实施例中，采用非局部均值滤波（Non-Local-Means），对图像进行平滑处理。具体参照附图4，即为本发明实施例砂岩的滤波平滑图，可以看出通过该方法，图像在去除噪声的同时很好地保留图像的细节特征。
在一些优选实施例中，步骤S200中的“滤波处理”具体包括：对带有噪点的灰度图像进行滤波。
步骤S300，对该第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像。
进一步地，步骤S300具体包括以下步骤：步骤S310，采用图像阈值分割进行孔隙空间的提取，获得岩心孔隙空间图像；步骤S320，基于单个预设孔隙像素阈值，对岩心孔隙空间图像进行异常点剔除，得到所述第二岩心平面二维图像。
在本实施例中参照附图5，采用阈值分割，分割得到孔隙、矿物的分布图，并将异常点1个像素的孔隙和矿物剔除。
步骤S400，基于第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝；若孔缝识别函数的数值不大于预设表征值，则判定该孔隙空间为孔隙。
其中，第
Figure 903975DEST_PATH_IMAGE001
个孔隙空间的孔缝识别函数为
Figure 819978DEST_PATH_IMAGE002
。
预设表征值
Figure 806389DEST_PATH_IMAGE012
为设定长宽比的矩形和与该矩形等面积的圆的孔缝识别函数值。
Figure 440632DEST_PATH_IMAGE003
。
Figure 6743DEST_PATH_IMAGE004
。
Figure 105149DEST_PATH_IMAGE005
。
Figure 200144DEST_PATH_IMAGE006
。
Figure 384001DEST_PATH_IMAGE007
。
其中，
Figure 488223DEST_PATH_IMAGE008
为与第
Figure 175556DEST_PATH_IMAGE001
个孔隙空间等面积的圆的孔缝特征值；
Figure 707032DEST_PATH_IMAGE009
为第
Figure 315867DEST_PATH_IMAGE001
个孔隙空间中 第
Figure 286098DEST_PATH_IMAGE010
个像素点的横坐标，
Figure 31200DEST_PATH_IMAGE011
为第
Figure 795893DEST_PATH_IMAGE001
个孔隙空间中第
Figure 892025DEST_PATH_IMAGE010
个像素点的纵坐标。
Figure DEST_PATH_IMAGE013
为第
Figure 134788DEST_PATH_IMAGE001
个孔隙空 间的形心横坐标，
Figure 734396DEST_PATH_IMAGE014
为第
Figure 669991DEST_PATH_IMAGE001
个孔隙空间的形心纵坐标。
在本实施例中，首先提取每个孔隙空间的几何中心坐标，即形心，形心只与几何形状和尺寸有关。
具体地，以提取第一个孔隙空间的形心为例进行详细说明；提取该孔隙空间中每 一个像素点的中心坐标，假设包括
Figure 253419DEST_PATH_IMAGE010
个像素点，则这个孔隙空间中所有像素点的中心坐标可 表示为
Figure DEST_PATH_IMAGE015
，
Figure 34294DEST_PATH_IMAGE016
，……，
Figure DEST_PATH_IMAGE017
，则第一个孔隙空间的形心坐标为
Figure 550726DEST_PATH_IMAGE018
；其中，
Figure DEST_PATH_IMAGE019
；
Figure 594905DEST_PATH_IMAGE020
。
计算第一个孔隙空间中每一个像素点到形心的距离
Figure DEST_PATH_IMAGE021
；
Figure 196788DEST_PATH_IMAGE022
。
计算第一个孔隙空间的孔缝特征函数
Figure DEST_PATH_IMAGE023
；
Figure 46932DEST_PATH_IMAGE024
，在本其中
Figure DEST_PATH_IMAGE025
可为任意实 数；在实施例中，选取
Figure 417870DEST_PATH_IMAGE025
为2。
基于预设的第
Figure 632951DEST_PATH_IMAGE026
个孔隙空间等面积的圆的孔缝特征值
Figure DEST_PATH_IMAGE027
，建立第
Figure 722130DEST_PATH_IMAGE026
个孔隙空间 的孔缝识别函数为
Figure 313648DEST_PATH_IMAGE028
；
Figure DEST_PATH_IMAGE029
。
在本实施例中，预设表征值
Figure 804672DEST_PATH_IMAGE012
为5.29，选取的是长宽比为10的矩形和与该矩形等面 积的圆的孔缝识别函数值。
若
Figure 190654DEST_PATH_IMAGE030
，则判定第一个孔隙空间为裂缝；若
Figure DEST_PATH_IMAGE031
，则判定第一个孔隙空间为 孔隙。
步骤S500，循环执行步骤S400获取第二个孔隙空间的孔缝识别函数的数值
Figure 767129DEST_PATH_IMAGE032
，第 三个孔隙空间的孔缝识别函数的数值
Figure DEST_PATH_IMAGE033
等等，以遍历所有孔隙空间（即
Figure 959076DEST_PATH_IMAGE001
个孔隙空间），获 得第二岩心平面二维图像的孔隙、裂缝的分布信息，即完成对应图像所有的孔隙和裂缝精 准识别。
具体参照附图6，在本实施例中，发现总的孔隙空间为2112个，识别出孔隙为2076个，其中黑色为孔隙，孔隙体积最大包含36959个像素，最小2个像素。
具体参照附图7，识别出的裂缝个数为36个，黑色代表裂缝。其中最小裂缝包含像素点21个，最大裂缝包含像素9481个。
具体参照附图8，图示为孔隙和裂缝的综合图像，其中黑色代表孔隙，而灰色代表裂缝，最终实现了孔隙和裂缝的精准识别。
进一步地，基于获取的所有孔隙空间中的孔隙和裂缝信息，通过数学分析计算，得到孔隙和裂缝的分析参数，具体包括孔隙面积、孔隙等效半径及分布等孔隙信息，以及裂缝面积、裂缝等效半径及分布等裂缝信息，可获得对应区域岩石的内部孔隙精准分布信息以及特征信息，获取对应储集层岩石的精准渗流能力，为勘探开发提供有效参考和指导价值。
本发明的第二方面公开了一种基于二维岩心扫描图像的孔隙与裂缝识别系统，该系统基于上面所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，包括初始图像获取模块、滤波处理模块、图像分割模块和孔隙裂缝识别模块。
其中，初始图像获取模块配置为获取初始岩心平面二维图像；滤波处理模块配置为对初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像；图像分割模块配置为对第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像；孔隙裂缝识别模块配置为基于第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝，反之则判定该孔隙空间为孔隙。
在一些优选实施例中，该系统还包括总控中心，初始图像获取模块、滤波处理模块、图像分割模块、孔隙裂缝识别模块均与总控中心信号连接；孔隙裂缝识别模块在总控中心的控制下遍历所有孔隙空间，获得第二岩心平面二维图像的孔隙和裂缝的分布信息，并存储至总控中心，总控中心基于预设孔隙和裂缝的分布信息制定施工开采策略。
本发明第三方面公开了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上面所述的基于二维岩心扫描图像的孔隙与裂缝识别方法。
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上面所述的基于二维岩心扫描图像的孔隙与裂缝识别方法。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
下面参考图9，其示出了用于实现本申请方法、系统、设备实施例的服务器的计算机系统的结构示意图。图9示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU 、ROM 以及RAM通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通讯部分609。通讯部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通讯部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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。
在本发明的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，该方法包括以下步骤：
步骤S100，扫描获取初始岩心平面二维图像；
步骤S200，对所述初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像；
步骤S300，对所述第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像；
步骤S400，基于所述第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；
若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝；
若孔缝识别函数的数值不大于预设表征值，则判定该孔隙空间为孔隙；
步骤S500，循环执行步骤S400以遍历所有孔隙空间，获得所述第二岩心平面二维图像的孔隙、裂缝的分布信息。
2.根据权利要求1所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于， 第
Figure 373653DEST_PATH_IMAGE001
个孔隙空间的孔缝识别函数为
Figure 196115DEST_PATH_IMAGE002
；
预设表征值为设定长宽比的矩形和与该矩形等面积的圆的孔缝识别函数值；
Figure 259886DEST_PATH_IMAGE003
；
Figure 458786DEST_PATH_IMAGE004
；
Figure 596507DEST_PATH_IMAGE005
；
Figure 652187DEST_PATH_IMAGE006
；
Figure 140938DEST_PATH_IMAGE007
；
Figure 674687DEST_PATH_IMAGE008
为与第
Figure 932493DEST_PATH_IMAGE001
个孔隙空间等面积的圆的孔缝特征值；
Figure 362337DEST_PATH_IMAGE009
为第
Figure 135121DEST_PATH_IMAGE001
个孔隙空间中第
Figure 410245DEST_PATH_IMAGE010
个像素 点的横坐标，
Figure 850454DEST_PATH_IMAGE011
为第
Figure 920041DEST_PATH_IMAGE001
个孔隙空间中第
Figure 445700DEST_PATH_IMAGE010
个像素点的纵坐标。
3.根据权利要求1所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，步骤S300具体包括以下步骤：
步骤S310，采用图像阈值分割进行孔隙空间的提取，获得岩心孔隙空间图像；
步骤S320，基于单个预设孔隙像素阈值，对所述岩心孔隙空间图像进行异常点剔除，得到所述第二岩心平面二维图像。
4.根据权利要求1所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，所述初始岩心平面二维图像通过岩心扫描设备扫描获取。
5.根据权利要求4所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，所述岩心扫描设备为微米场发射扫描电镜。
6.根据权利要求1所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，步骤S200中的“滤波处理”采用的滤波方法为均值滤波、非局部均值滤波、中值滤波、维纳滤波或高斯滤波中任一种。
7.根据权利要求6所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，其特征在于，步骤S200中的“滤波处理”具体包括：对带有噪点的灰度图像进行滤波。
8.一种基于二维岩心扫描图像的孔隙与裂缝识别系统，其特征在于，该系统基于权利要求1-7中任一项所述的基于二维岩心扫描图像的孔隙与裂缝识别方法，包括初始图像获取模块、滤波处理模块、图像分割模块和孔隙裂缝识别模块；
所述初始图像获取模块配置为获取初始岩心平面二维图像；
所述滤波处理模块配置为对所述初始岩心平面二维图像进行滤波处理，获得第一岩心平面二维图像；
所述图像分割模块配置为对所述第一岩心平面二维图像进行图像分割，获得第二岩心平面二维图像；
所述孔隙裂缝识别模块配置为基于所述第二岩心平面二维图像，提取每个孔隙空间的所有像素点的中心坐标，获得对应孔隙空间的形心，以建立该孔隙空间的孔缝识别函数；若孔缝识别函数的数值大于预设表征值，则判定该孔隙空间为裂缝，反之则判定该孔隙空间为孔隙。
9.根据权利要求8所述的基于二维岩心扫描图像的孔隙与裂缝识别系统，其特征在于，该系统还包括总控中心，所述初始图像获取模块、所述滤波处理模块、所述图像分割模块、所述孔隙裂缝识别模块均与所述总控中心信号连接；所述孔隙裂缝识别模块在所述总控中心的控制下遍历所有孔隙空间，获得所述第二岩心平面二维图像的孔隙和裂缝的分布信息，并存储至所述总控中心，所述总控中心基于预设孔隙和裂缝的分布信息制定施工开采策略。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；
其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1-7任一项所述的基于二维岩心扫描图像的孔隙与裂缝识别方法。
CN202210159608.3A 2022-02-22 2022-02-22 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统 Active CN114220094B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210159608.3A CN114220094B (zh) 2022-02-22 2022-02-22 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统
US17/830,343 US11467301B1 (en) 2022-02-22 2022-06-02 Method and system for identifying pore and fracture based on two-dimensional (2D) scan image of core

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210159608.3A CN114220094B (zh) 2022-02-22 2022-02-22 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统

Publications (2)

Publication Number Publication Date
CN114220094A true CN114220094A (zh) 2022-03-22
CN114220094B CN114220094B (zh) 2022-04-26

Family

ID=80709169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210159608.3A Active CN114220094B (zh) 2022-02-22 2022-02-22 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统

Country Status (2)

Country Link
US (1) US11467301B1 (zh)
CN (1) CN114220094B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593299A (zh) * 2024-01-18 2024-02-23 北京大学 纹层状页岩储集空间有效性评价方法、装置、设备及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11658001B1 (en) * 2022-12-07 2023-05-23 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Ion beam cutting calibration system and method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867302A (zh) * 2012-08-30 2013-01-09 四川大学 基于三维图像信息处理的岩心裂缝识别方法
US20130236064A1 (en) * 2012-03-08 2013-09-12 Halliburton Energy Services, Inc. Optimizing subterranean treatment characteristic by digital geoinformatics
CN107133630A (zh) * 2016-02-29 2017-09-05 中国石油化工股份有限公司 一种基于扫描图像判断碳酸盐岩孔隙类型的方法
CN107993261A (zh) * 2017-11-02 2018-05-04 中国科学院地质与地球物理研究所 一种基于三维岩心扫描图像的孔隙与孔喉识别方法
CN110853138A (zh) * 2019-11-21 2020-02-28 科吉思石油技术咨询(北京)有限公司 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130236064A1 (en) * 2012-03-08 2013-09-12 Halliburton Energy Services, Inc. Optimizing subterranean treatment characteristic by digital geoinformatics
CN102867302A (zh) * 2012-08-30 2013-01-09 四川大学 基于三维图像信息处理的岩心裂缝识别方法
CN107133630A (zh) * 2016-02-29 2017-09-05 中国石油化工股份有限公司 一种基于扫描图像判断碳酸盐岩孔隙类型的方法
CN107993261A (zh) * 2017-11-02 2018-05-04 中国科学院地质与地球物理研究所 一种基于三维岩心扫描图像的孔隙与孔喉识别方法
CN110853138A (zh) * 2019-11-21 2020-02-28 科吉思石油技术咨询(北京)有限公司 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593299A (zh) * 2024-01-18 2024-02-23 北京大学 纹层状页岩储集空间有效性评价方法、装置、设备及介质
CN117593299B (zh) * 2024-01-18 2024-04-19 北京大学 纹层状页岩储集空间有效性评价方法、装置、设备及介质

Also Published As

Publication number Publication date
US11467301B1 (en) 2022-10-11
CN114220094B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN114220094B (zh) 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统
US8909508B2 (en) Petrographic image analysis for determining capillary pressure in porous media
EP3298582B1 (en) Image-based analysis of a geological thin section
WO2017114443A1 (zh) 一种确定储层岩溶发育程度的方法及装置
US20050267690A1 (en) Extracting shape information contained in cell images
CN103210416A (zh) 用于表示多孔介质的密度图像的多相态分割的系统和方法
Al Ibrahim et al. An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy
Payton et al. The influence of grain shape and size on the relationship between porosity and permeability in sandstone: A digital approach
CN114742957B (zh) 一种基于点云数据的建筑物立面提取方法
Chen et al. A novel image-based approach for interactive characterization of rock fracture spacing in a tunnel face
Jiang et al. Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction
Ge et al. Automated detection and characterization of cracks on concrete using laser scanning
Ramandi et al. FracDetect: A novel algorithm for 3D fracture detection in digital fractured rocks
CN114155378A (zh) 采煤沉陷地裂缝自动提取方法、装置及存储介质
Adu-Gyamfi et al. Functional evaluation of pavement condition using a complete vision system
CN112462442B (zh) 重磁位场场源位置估计方法、系统、介质及电子设备
JP2019190998A (ja) 空洞識別システム及び空洞識別方法
Yan et al. Quality analysis on ransac-based roof facets extraction from airborne lidar data
Andaru et al. Intelligent Detection of SEM Mineralogy Using Dynamic Segmentation Algorithm in Geothermal Sedimentary Reservoir: Case Study with Quantification of Quartz Overgrowth
CN114418965A (zh) 一种基于激光雷达技术的露头裂缝识别方法
Liang et al. Particle size distribution analysis of mudstone based on digital image processing
Arora et al. Incorporating Spectral Indices and Textural Features for Improved Classification Accuracy Towards Semi-Automated River Sand Mapping Using High-Resolution Multispectral Satellite Imagery
Schiewe Improving the integration of digital surface models
Dabek et al. Superpixel-Based Grain Segmentation in Sandstone Thin-Section. Minerals 2023, 13, 219
WO2024133195A1 (en) Method and related apparatuses for identifying and classifying a magnetic anomaly

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