CN114820682A - 一种蚀变火成岩矿物含量划分方法 - Google Patents

一种蚀变火成岩矿物含量划分方法 Download PDF

Info

Publication number
CN114820682A
CN114820682A CN202210477579.5A CN202210477579A CN114820682A CN 114820682 A CN114820682 A CN 114820682A CN 202210477579 A CN202210477579 A CN 202210477579A CN 114820682 A CN114820682 A CN 114820682A
Authority
CN
China
Prior art keywords
altered
rock
mineral
lithology
mineral content
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
Application number
CN202210477579.5A
Other languages
English (en)
Inventor
张乃毓
潘保芝
郭宇航
张丽华
王欣茹
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN202210477579.5A priority Critical patent/CN114820682A/zh
Publication of CN114820682A publication Critical patent/CN114820682A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G01N23/02—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 transmitting the radiation through the material
    • G01N23/04—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 transmitting the radiation through the material and forming images of the material
    • G01N23/046—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 transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pulmonology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供一种蚀变火成岩矿物含量划分方法，涉及岩矿物研究领域。该蚀变火成岩矿物含量划分方法，基于壁心薄片等资料，归纳总结本区域对岩性类别和矿物成分，优选目标井区的主体岩性共4种：蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩和蚀变安山岩。该蚀变火成岩矿物含量划分方法，具有的难以对综合多样品特征、代表某类岩相样品进行组分划分的问题。基于岩石物理微观数值模拟，结合各组分百分含量及灰度序列进行阈值分割的方法，并基于X射线CT扫描成像，综合运用全岩分析等手段，结合惠州凹陷不同岩性矿物组分及孔隙度特征，构建不同岩性(包括蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩和蚀变安山岩)的蚀变火成岩数字岩心。

Description

一种蚀变火成岩矿物含量划分方法
技术领域
本发明涉及一种矿物含量划分方法，具体为一种蚀变火成岩矿物含量划分方法，属于 岩矿物研究技术领域。
背景技术
蚀变火成岩储层具有低孔低渗、结构致密、非均质性强的特点，多采用三维数字岩心 来直观显示各组分空间分布和表征微观结构，因此需构建具有一定普适性、受多参数约束 的、代表某一类岩性或岩相的简约数字岩心，因此构建数字岩心模型用于矿物阈值分割的 方法已被广泛研究，但由于模型各个矿物密度差异较小，灰度直方图没有出现明显的多峰 特征，所以对CT切片在HSI色彩空间下进行了伪彩色转换，同灰度图相比，伪彩色图颜色特征明显，具有显著的差异性，便于以颜色为类别对矿物识别和颗粒边界特征提取。
但是蚀变火成岩储层可提取样本多样，需要对多种样品的特征进行综合划分，目前的 图像分割方法难以对综合多样品特征、代表某类岩性样品进行组分划分。
发明内容
(一)解决的技术问题
本发明的目的就在于为了解决上述问题而提供一种蚀变火成岩矿物含量划分方法，以 解决现有技术中目前的图像分割方法难以对综合多样品特征、代表某类岩性样品进行组分 划分的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种蚀变火成岩矿物含量划分 方法,步骤一：基于壁心薄片等资料，归纳总结本区域对岩性类别和矿物成分，优选目标 井区的主体岩性共4种：蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩和蚀变安山岩，主体矿物组分共5种；
步骤二：基于全岩分析资料，得到4组岩性的平均矿物含量；
步骤三：基于CT图像像素灰度变化对岩石各组分在不同岩性组利用多阈值方法进行 分割，并堆积成一个能够基本符合岩石物理属性研究要求的三维数字岩心；
步骤四：基于阈值分割方案对不同岩性组别的柱塞样进行分割，计算误差，应用效果 良好，误差控制在5％以内，保证不同蚀变火成岩岩性柱塞样数据的准确。
优选的，所述步骤三包括切割、滤波、阈值分割和构建数字岩心四个步骤。
优选的，所述切割过程中将不同岩性组柱塞样的连续CT扫描照片输入图像分析软件 Pergeos中，切割出尺寸800×800×800体素的数字岩心，所述滤波过程中对岩样滤波25次左右的效果最好，并且本方法实验用柱塞样的CT图像均出现伪影现象。
优选的，所述阈值分割应用Pergeos软件Histogram工具定量统计不同岩性蚀变火成 岩各组分灰度范围，形成CT图像像素点灰度累计分布曲线来表征岩样各组分体积百分含 量分布数据，所述构建数字岩心将各单组分数字岩心进行嵌套组合，重构成完整的数字岩 心
优选的，所述步骤四将划分后得到每相组分占比对岩样组分进行分割，与此柱塞样全 岩分析数据进行对比并计算误差，所确定的数字岩心阈值分割方案在X井区具有一定可靠 性和可行性
本发明提供了一种蚀变火成岩矿物含量划分方法，其具备的有益效果如下：
通过上述四个步骤，能够解决蚀变火成岩储层采用三维数字岩心来直观显示各组分空 间分布和表征微观结构的方法中，具有的难以对综合多样品特征、代表某类岩相样品进行 组分划分的问题。基于岩石物理微观数值模拟，结合各组分百分含量及灰度序列进行阈值 分割的方法，并基于X射线CT扫描成像，综合运用全岩分析等手段，结合惠州凹陷不同岩性矿物组分及孔隙度特征，构建不同岩性的蚀变火成岩数字岩心。
附图说明
图1为X井区不同岩性组平均矿物含量示意图；
图2为柱塞样二维CT图像滤波25次前后对比图；
图3为蚀变火成岩岩样各组分灰度分布序列；
图4为图3中(a)部示意图；
图5为图3中(b)部示意图；
图6为图3中(c)部示意图；
图7为图3中(d)部示意图；
图8为图3中(e)部示意图；
图9为图3中(f)部示意图；
图10为图3中(g)部示意图；
图11为各岩样像素灰度累计分布曲线；
图12为不同岩性各组分灰度分布序列；
图13为蚀变闪长岩单组分数字岩心初始模型构建(800×800×800像素)；
图14为蚀变闪长岩各组分嵌套组合构成完整数字岩心(800×800×800像素)。
图15为岩样检测分析程序示意图。
图中：
图1中：(a)蚀变闪长岩；(b)蚀变花岗岩；(c)蚀变辉绿岩；(d)蚀变安山岩。
图2中：(a)具有环形伪影的岩石样品二维切片；(b)滤波之后消除大部分环形伪影的岩石二维切片。
图3中：(a)、(b)、(c)、(d)为蚀变闪长岩；(e)、(f)、(g)为蚀变安山岩。
图12中：(a)蚀变闪长岩；(b)蚀变花岗岩；(c)蚀变辉绿岩；(d)蚀变安山岩。
图13中：(a)孔隙；(b)长英类矿物；(c)粘土矿物；(d)碳酸盐矿物；(e)暗色矿物；(f)金属矿物。
具体实施方式
本发明实施例提供一种蚀变火成岩矿物含量划分方法。
请参阅图1、图2、图3、图4、图5、图6、图7、图8、图9、图10、图11、图12、 图13、图14和图15，
步骤一：基于壁心薄片等资料，归纳总结本区域对岩性类别和矿物成分，优选目标井 区的主体岩性共4种：蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩和蚀变安山岩，主体矿物组分共5种；
矿物分类合并方案如表1所示
表1 X井区潜山矿物分类合并方案
Figure BDA0003622712330000041
步骤二：基于全岩分析资料，得到4组岩性的平均矿物含量；
不同岩性组平均矿物含量如图1所示
步骤三：基于CT图像像素灰度变化对岩石各组分在不同岩性组利用多阈值方法进行 分割，并堆积成一个能够基本符合岩石物理属性研究要求的三维数字岩心；
阈值分割包括以下步骤：
一、切割
通过不同岩性的平均矿物含量，建立从矿物到岩性、从微观到宏观的尺度桥梁。此次 选取的CT切片分辨率为1um。将不同岩性组柱塞样的连续CT扫描照片输入图像分析软件Pergeos中，切割出尺寸800×800×800体素的数字岩心。
二、滤波
由于X射线是一定能量范围的连续谱(在实际应用中不可能获得绝对单色的X射线谱)， 当射线穿透物体后射线中高能量部分的射线占比变大，从而导致材料的CT数据与其在原 体积中的真实位置发生变化，也就是在CT图像上出现了与物体真实结构不相符的图像特 征。本方法实验用柱塞样的CT图像均出现伪影现象，如图2所示，对切割出的立方体岩心进行滤波平滑，可以消除岩石样品的部分伪影和绝大多数噪点。滤波次数依靠于图像的能量大小，滤波次数太少，消除噪点的效果差；滤波次数太多，会造成CT图像的整体模 糊。经试验，对岩样滤波25次的效果最好。
三、阈值分割
依据全岩分析的孔隙度及每相矿物占比，应用Pergeos软件Histogram工具定量统计 不同岩性蚀变火成岩各组分灰度范围，结果如图3、图4、图5、图6、图7、图8、图9 和图10所示。
以CT图像像素点灰度累计分布曲线来表征岩样各组分体积百分含量分布，可以看出 不同岩性的灰度累积分布曲线形态有所差别，如图11所示。因而想要归一化出一个普适所有岩性的灰度分割阈值是不合理的，应对不同岩性的柱塞样分别确定灰度分割阈值，此结论也与图2所体现出的不同岩性矿物平均含量具有差异性一致。
值处理图像为归一化之后的8位灰度图像，根据每种岩性各岩样的灰度阈值范围，确 定出各岩样每相灰度值范围，如表2所示，即阈值分割方案：
表2各岩性归一化后CT图像灰度阈值汇总
Figure BDA0003622712330000051
Figure BDA0003622712330000061
不同岩性每相的阈值范围重叠较小，分岩性应用归一化灰度阈值，体现在灰度变化序 列中，如图12所示。
四、构建数字岩心
基于全岩分析和柱塞样的核磁孔隙度，对数字岩心阈值分割，重构的单相初始模型如 图13所示，其中(a)、(b)、(c)、(d)、(e)和(f)分别代表孔隙、长英类矿 物、粘土矿物、碳酸盐矿物、暗色矿物和金属矿物。在单组分数字岩心初始模型构建完成 的基础上，将各单组分数字岩心进行嵌套组合，重构成完整的数字岩心(图14)，图13、 图14均以蚀变闪长岩为例展示
步骤四：基于阈值分割方案对不同岩性组别的柱塞样进行分割，计算误差。
差选取不同岩性组别的柱塞样，将划分后得到每相组分占比对岩样组分进行分割，与 此柱塞样全岩分析数据进行对比并计算误差，如表3所示：
表3不同岩性组别矿物灰度阈值分割应用及误差分析
Figure BDA0003622712330000062
Figure BDA0003622712330000071
Figure BDA0003622712330000081
Figure BDA0003622712330000091
发现各岩性组量化得到的灰度阈值范围用以预测矿物含量效果理想，平均绝对误差均 在5％以内，本方法所确定的数字岩心阈值分割方案在X井区具有一定可靠性和可行性。
通过上述四个步骤，能够解决蚀变火成岩储层采用三维数字岩心来直观显示各组分空 间分布和表征微观结构的方法中，具有的难以对综合多样品特征、代表某类岩相样品进行 组分划分的问题。基于岩石物理微观数值模拟，结合各组分百分含量及灰度序列进行阈值 分割的方法，并基于X射线CT扫描成像，综合运用全岩分析等手段，结合惠州凹陷不同岩性矿物组分及孔隙度特征，构建不同岩性(包括蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩 和蚀变安山岩)的蚀变火成岩数字岩心。
依据本地区全岩分析结果结合灰度分布序列得到的阈值划分方案，在南海北部不同蚀 变火成岩岩性柱塞样应用效果良好，误差控制在5％以内，保证不同蚀变火成岩岩性柱塞样 数据的准确。

Claims (5)

1.一种蚀变火成岩矿物含量划分方法，其特征在于：
步骤一：基于壁心薄片等资料，归纳总结本区域对岩性类别和矿物成分，优选目标井区的主体岩性共4种：蚀变闪长岩、蚀变花岗岩、蚀变辉绿岩和蚀变安山岩，主体矿物组分共5种；
步骤二：基于全岩分析资料，得到4组岩性的平均矿物含量；
步骤三：基于CT图像像素灰度变化对岩石各组分在不同岩性组利用多阈值方法进行分割，并堆积成一个能够基本符合岩石物理属性研究要求的三维数字岩心；
步骤四：基于阈值分割方案对不同岩性组别的柱塞样进行分割，计算误差。
2.根据权利要求1所述的一种蚀变火成岩矿物含量划分方法，其特征在于：所述步骤三包括切割、滤波、阈值分割和构建数字岩心四个步骤。
3.根据权利要求2所述的一种蚀变火成岩矿物含量划分方法，其特征在于：所述切割过程中将不同岩性组柱塞样的连续CT扫描照片输入图像分析软件Pergeos中，切割出尺寸800×800×800体素的数字岩心，所述滤波过程中对岩样滤波25次左右的效果最好，并且本方法实验用柱塞样的CT图像均出现伪影现象。
4.根据权利要求2所述的一种蚀变火成岩矿物含量划分方法，其特征在于：所述阈值分割应用Pergeos软件Histogram工具定量统计不同岩性蚀变火成岩各组分灰度范围，形成CT图像像素点灰度累计分布曲线来表征岩样各组分体积百分含量分布数据，所述构建数字岩心将各单组分数字岩心进行嵌套组合，重构成完整的数字岩心。
5.根据权利要求1所述的一种蚀变火成岩矿物含量划分方法，其特征在于：所述步骤四将划分后得到每相组分占比对岩样组分进行分割，与此柱塞样全岩分析数据进行对比并计算误差，所确定的数字岩心阈值分割方案在X井区具有一定可靠性和可行性。
CN202210477579.5A 2022-04-29 2022-04-29 一种蚀变火成岩矿物含量划分方法 Pending CN114820682A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210477579.5A CN114820682A (zh) 2022-04-29 2022-04-29 一种蚀变火成岩矿物含量划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210477579.5A CN114820682A (zh) 2022-04-29 2022-04-29 一种蚀变火成岩矿物含量划分方法

Publications (1)

Publication Number Publication Date
CN114820682A true CN114820682A (zh) 2022-07-29

Family

ID=82511455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210477579.5A Pending CN114820682A (zh) 2022-04-29 2022-04-29 一种蚀变火成岩矿物含量划分方法

Country Status (1)

Country Link
CN (1) CN114820682A (zh)

Similar Documents

Publication Publication Date Title
Tomutsa et al. Analysis of chalk petrophysical properties by means of submicron-scale pore imaging and modeling
US11590708B2 (en) Three-dimensional fluid micromodels
Godel High-resolution X-ray computed tomography and its application to ore deposits: From data acquisition to quantitative three-dimensional measurements with case studies from Ni-Cu-PGE deposits
Jerram et al. 3D analysis of rock textures: quantifying igneous microstructures
CN113609696B (zh) 基于图像融合的多尺度多组分数字岩心构建方法及系统
Francus An image-analysis technique to measure grain-size variation in thin sections of soft clastic sediments
CN107923240B (zh) 用于确定与井或地层中的有机质相关联的孔隙度的方法
Bendle et al. A comparison of micro-CT and thin section analysis of Lateglacial glaciolacustrine varves from Glen Roy, Scotland
CN110146525A (zh) 一种基于分形理论及ct扫描的煤体孔渗参数预测方法
Abera et al. The effectiveness of global thresholding techniques in segmenting two-phase porous media
CN103206208A (zh) 一种微观不同赋存状态剩余油宏观量化的方法
CN112686917B (zh) 提高岩心非均质性表征精度的数字岩心建模方法及装置
Paris et al. Sedimentary fabric characterized by X‐ray tomography: A case‐study from tsunami deposits on the Marquesas Islands, French Polynesia
CN115552461A (zh) 源自二维图像的材料性质
CN113075731B (zh) 深层储层连续性井筒数字建模方法及装置
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
Lee et al. Facies characterisation of sediments from the East Frisian Wadden Sea (Germany): new insights from down-core scanning techniques
Marschallinger A method for three-dimensional reconstruction of macroscopic features in geological materials
Tao et al. A de-flat roundness method for particle shape quantitative characterization
CN114820682A (zh) 一种蚀变火成岩矿物含量划分方法
Mitra et al. X-ray tomography applied to tsunami deposits: Optimized image processing and quantitative analysis of particle size, particle shape, and sedimentary fabric in 3D
Cooper et al. Precision serial lapping, imaging and three-dimensional reconstruction of minus-cement and post-cementation intergranular pore-systems in the Penrith Sandstone of north-western England
CN108492331B (zh) 基于模拟压汞法获取岩石的孔径分布的方法和装置
Wang Image processing techniques for three-dimensional analysis of multiphase multisize packed particle beds using x-ray tomography
Jacques et al. The use of microtomography in structural geology: A new methodology to analyse fault faces

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