CN115018848B - 一种页岩含油级别的评定方法 - Google Patents
一种页岩含油级别的评定方法 Download PDFInfo
- Publication number
- CN115018848B CN115018848B CN202210947154.6A CN202210947154A CN115018848B CN 115018848 B CN115018848 B CN 115018848B CN 202210947154 A CN202210947154 A CN 202210947154A CN 115018848 B CN115018848 B CN 115018848B
- Authority
- CN
- China
- Prior art keywords
- value
- core
- color
- fluorescence image
- color value
- 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
- 239000003079 shale oil Substances 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title abstract description 11
- 238000002073 fluorescence micrograph Methods 0.000 claims abstract description 121
- 238000005070 sampling Methods 0.000 claims abstract description 85
- 230000004044 response Effects 0.000 claims abstract description 67
- 230000008859 change Effects 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 26
- 239000011435 rock Substances 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 16
- 238000013139 quantization Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000004438 eyesight Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及页岩油含油级别评价技术领域,具体公开了一种页岩含油级别的评定方法,该方法首先对获取的页岩岩心通过紫外线照射捕捉岩心荧光图像,得到采样点的RGB颜色值矩阵M RGB ,并将该RGB颜色值矩阵转换为HSV颜色值矩阵M HSV ,然后将每个采样点的CH、CS和CV转化为C,根据C绘制岩心荧光图像颜色值曲线,确定颜色值的变化区间[Clower,Cupper]和荧光响应的颜色值峰值区间[Cfmin,Cfmax],最后根据[Clower,Cupper]和[Cfmin,Cfmax]确定页岩油含油级别。该评定方法实用性强准确性高,具有很高的工业应用价值。
Description
技术领域
本发明涉及页岩油含油级别评价的技术领域,具体涉及一种基于岩心荧光图像颜色值曲线的页岩含油级别近量化评定方法。
背景技术
页岩含油级别评价一直以来都是石油领域学术界和工业界关注和研究的重点。准确评定页岩的含油级别对石油勘探研究具有重要的实际应用价值和工业价值。对于页岩含油级别评价问题,往往需要细致地分析岩心资料。根据地下真实的岩心资料判定相应的含油级别。一方面是通过分析页岩的纹层响应,判断页岩的储集空间好坏。若页岩纹层响应强,对应的页岩油储集空间物性好,富含页岩油的可能性更高。另一方面是利用紫外光照射捕捉岩心荧光图像,根据含油组分在紫外线照射下特定的类黄色荧光响应,利用人眼直接观察黄色或类黄色荧光响应,进而确定页岩的含油组分含量。含油组分含量越丰富,对应的荧光图像越趋于黄色或类黄色。所以,页岩纹层响应程度以及页岩岩心荧光图像的类黄色荧光响应均是判定页岩含油级别的重要指标。
然而,页岩纹层响应分析问题本身难度就较大,往往需要特定的研究方法。另外,岩心荧光图像的荧光响应问题通常采用人眼观察法。这种常规的人眼观察法往往存在较大的误差。不同的电子显示设备、不同的光线条件均会对含油组分对应的类黄色响应造成影响,很难消除客观条件和设备带来的颜色视觉误差。而且,油田现场获取的岩心资料数据量较大,仅依靠人眼观察或人工识别,工作效率极低且存在人为误差带来的固有不确定性。更重要的是,常规的人眼观察法仅仅是依据视觉颜色的定性评价方法。根据类黄色的响应程度,定性地判定页岩含油级别的高低程度。而在实际工程应用环境中,更需要准确易用地定量化含油级别评定方法。虽然实现含油级别的完全定量化判定难度较大,但可以考虑综合定性的视觉颜色识别和定量的颜色数值大小两个方面,从而实现岩心荧光图像含油级别高效准确地定量化评定。
因此,着眼于页岩含油级别判定的技术问题,针对实际工程应用对定量化或近量化评定方法的需求,亟需提出一种综合考虑页岩纹层响应以及岩心荧光图像荧光响应两方面内容,且融合定性化视觉颜色识别以及定量化颜色数值大小的近量化页岩含油级别评定方法。
发明内容
针对现有技术存在的上述问题,本发明要解决的技术问题是:如何将页岩纹层响应和荧光响应两个重要指标结合来评断页岩含油级别。
为解决上述技术问题,本发明采用如下技术方案:一种页岩含油级别的评定方法,包括如下步骤:
S01:将获取的页岩岩心置于黑暗条件下,通过紫外线照射捕捉岩心荧光图像,所述岩心荧光图像为L×W像素,在岩心荧光图像纵向1/2处,将沿岩心荧光图像横向布置的L个像素点均视为采样点,采集该岩心荧光图像的RGB颜色值,获得岩心荧光图像采样点的RGB颜色值矩阵M RGB ,即:
其中,C kr 代表第k个采样点的红色R颜色值;C kg 代表第k个采样点的绿色G颜色值;C kb 代表第k个采样点的蓝色B颜色值;k=1,2,…,L。
S02:将S01中岩心荧光图像采样点的RGB颜色值映射到HSV色彩空间值,RGB颜色值由红色值CR、绿色值CG和蓝色值CB三部分组成,HSV色彩空间值由色调值CH、饱和度值CS和明度值CV三部分构成,将RGB颜色值转换为HSV颜色值的计算公式如下:
S03:根据S02将RGB颜色值转换为HSV颜色值的公式,计算岩心荧光图像采样点的HSV颜色值矩阵M HSV ,即:
其中,C kh 代表第k个采样点的色调值;C ks 代表第k个采样点的饱和度值;C kv 代表第k个采样点的明度值;k=1,2,…,L。
S04:将S03中M HSV 进行程度量化处理,将每个采样点的色调值CH、饱和度值CS和明度值CV转化为颜色值C,实现M HSV 由三维矩阵到一维矩阵的转换。
S05:根据S04得到的岩心荧光图像采样点的颜色值C绘制岩心荧光图像颜色值曲线,岩心荧光图像颜色值曲线的纵坐标代表颜色值C的大小,横坐标代表采样点编号,该采样点编号与岩心荧光图像中的采样点一一对应。
S06:根据岩心荧光图像颜色值曲线的变化情况,识别页岩岩心的纹层响应:如果岩心荧光图像颜色值曲线若趋于平坦代表纹层响应强度小,反之则认为岩心荧光图像颜色值曲线变化频繁,代表纹层响应强度大。
纹层响应强度大代表该页岩纹层发育较好,具有较好的页岩油储集空间,根据强纹层响应区间,确定颜色值的变化区间[Clower,Cupper],即:
基于颜色值曲线的变化程度,确定颜色值曲线变化频繁段,读取颜色值曲线变化频繁段左右端点的纵坐标值,其中, 颜色值曲线变化频繁段左右端点的纵坐标中,值小的作为Clower,,值大的作为Cupper。
S07:根据岩心荧光图像的视觉颜色及颜色值曲线的纵坐标值大小,确定荧光响应的颜色值峰值区间[Cfmin,Cfmax],即首先通过岩心荧光图像的视觉颜色确定荧光响应段,再从颜色值曲线中确定与荧光响应段相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax。
S08:当待测岩心颜色值曲线中的值位于 [Clower,Cupper]以及颜色值峰值位于[Cfmin,Cfmax],同时该待测岩心荧光图像视觉呈现黄色,则确定该待测岩心对应的页岩含油级别高,否则认为该待测岩心对应的页岩含油级别低。
作为优选,所述S03计算岩心荧光图像采样点的HSV颜色值矩阵M HSV 前,首先根据页
岩岩心自带的岩心标签所在位置的饱和度值确定标签异常值Soutlier,其中Soutlier为经验值:
若岩心荧光图像纵向1/2处一个采样点X的饱和度值S1/2小于Soutlier,则增加岩心荧光图像纵向1/4处沿横向布置的L个像素点和岩心荧光图像纵向3/4处沿横向布置的L个像素点作为采样点;并且以岩心荧光图像纵向1/4处采样点的HSV值HSV1/4和岩心荧光图像纵向3/4处采样点的HSV值HSV3/4的均值作为该岩心荧光图像纵向1/2处采样点X的HSV值HSV1/2,即。
作为优选,所述S04中将S03中HSV颜色值矩阵进行程度量化处理的步骤如下:
S041:在色调值CH取值范围0-360之间,设置取值间隔ΔH,将整个色调值参数空间划分为m个程度区间H1,H2,…Hi,…,Hm,即色调值位于[0, ΔH)之间为H1区间,位于[ΔH, 2ΔH)之间为H2区间,以此类推,位于[(m-1)ΔH, mΔH)之间为Hm区间,其中,i=1,2,…,m;ΔH=360/m。
在饱和度值CS取值范围0-1之间,设置取值间隔ΔS,将整个饱和度值参数空间划分为n个程度区间S1,S2,…Sj,…,Sn,即饱和度值位于[0, ΔS)之间为S1区间,位于[ΔS, 2ΔS)之间为S2区间,以此类推,位于[(n-1)ΔS, nΔS)之间为Sn区间,其中,j=1,2,…,n;ΔS=1/n。
作为优选,所述S05中根据颜色值曲线的剧烈变化段或岩心图像的断裂位置,确定页岩岩心断裂位置的颜色值区间[CoutMin,CoutMax],将位于该[CoutMin,CoutMax]内的颜色值统一视为页岩岩心断裂造成的颜色值异常,并将[CoutMin,CoutMax]内的颜色值曲线段剔除,得到最终的岩心荧光图像颜色值曲线。
所述[CoutMin,CoutMax]采用如下方法确定:根据颜色值曲线的剧烈变化段或岩心图像的断裂位置确定断裂区间,再从颜色值曲线中确定与断裂区间相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax。
相对于现有技术,本发明至少具有如下优点:
1. 本发明将定性的视觉颜色以颜色值C的大小定量化表示,该方法直观有效地识别页岩高含油区,并用颜色值区间量化表征,具有工业应用价值。
2. 本发明提出的岩心荧光图像颜色值曲线,既能用于识别页岩纹层响应,又能用于识别岩心荧光图像的荧光响应。通过综合考虑页岩纹层响应以及岩心荧光图像荧光响应两方面内容,本发明提出的含油级别定量化评定方法更具有准确性。
附图说明
图1为实施例1中的技术流程图。
图2为实施例1中岩心荧光图像中标签导致的颜色值异常情况图。
图3为实施例1中岩心断裂导致的颜色值异常情况图。
图4为实施例1中岩心断裂情况下对应的颜色值曲线的剧烈变化段示意图。
图5为实施例1中岩心强纹层响应以及强荧光响应情况下对应的颜色值曲线变化示意图。
具体实施方式
下面对本发明作进一步详细说明。
一种页岩含油级别的评定方法,包括如下步骤:
S01:将获取的页岩岩心置于黑暗条件下,通过紫外线照射捕捉岩心荧光图像,所述岩心荧光图像为L×W像素,在岩心荧光图像纵向1/2处,将沿岩心荧光图像横向布置的L个像素点均视为采样点【岩心荧光图像纵向即页岩岩心径向,岩心荧光图像横向即页岩岩心轴向】,采集该岩心荧光图像的RGB颜色值,获得岩心荧光图像采样点的RGB颜色值矩阵M RGB ,即:
其中,C kr 代表第k个采样点的红色R颜色值;C kg 代表第k个采样点的绿色G颜色值;C kb 代表第k个采样点的蓝色B颜色值;k=1,2,…,L。
S02:将S01中岩心荧光图像采样点的RGB颜色值映射到HSV色彩空间值,RGB颜色值由红色值CR、绿色值CG和蓝色值CB三部分组成,HSV色彩空间值由色调值CH、饱和度值CS和明度值CV三部分构成,将RGB颜色值转换为HSV颜色值的计算公式如下:
S03:根据S02将RGB颜色值转换为HSV颜色值的公式,计算岩心荧光图像采样点的HSV颜色值矩阵M HSV ,即:
其中,C kh 代表第k个采样点的色调值;C ks 代表第k个采样点的饱和度值;C kv 代表第k个采样点的明度值;k=1,2,…,L。
S04:将S03中M HSV 进行程度量化处理,将每个采样点的色调值CH、饱和度值CS和明度值CV转化为颜色值C,实现M HSV 由三维矩阵到一维矩阵的转换。
S05:根据S04得到的岩心荧光图像采样点的颜色值C绘制岩心荧光图像颜色值曲线,岩心荧光图像颜色值曲线的纵坐标代表颜色值C的大小,横坐标代表采样点编号,该采样点编号与岩心荧光图像中的采样点一一对应。
S06:根据岩心荧光图像颜色值曲线的变化情况,识别页岩岩心的纹层响应:如果岩心荧光图像颜色值曲线若趋于平坦代表纹层响应强度小,反之则认为岩心荧光图像颜色值曲线变化频繁,代表纹层响应强度大。
纹层响应强度大代表该页岩纹层发育较好,具有较好的页岩油储集空间,根据强纹层响应区间,确定颜色值的变化区间[Clower,Cupper],即:
基于颜色值曲线的变化程度,确定颜色值曲线变化频繁段,读取颜色值曲线变化频繁段左右端点的纵坐标值,其中, 颜色值曲线变化频繁段左右端点的纵坐标中,值小的作为Clower,,值大的作为Cupper;
前文已经提到“如果岩心荧光图像颜色值曲线若趋于平坦代表纹层响应强度小,反之则认为岩心荧光图像颜色值曲线变化频繁,代表纹层响应强度大。”因此,基于颜色值曲线的变化程度,可确定强纹层响应段,即颜色值曲线变化频繁段,颜色值曲线变化频繁段的确定是本领域技术人员不需要付出任何创造性劳动即可实现的。根据强纹层相应段的左右端点的纵坐标值,亦颜色值C,即可确定强纹层响应区间,即区间的端值。区间的左端点纵坐标值和区间的右端点纵坐标值(颜色值C)中较小的一个,即为Clower,,较大的一个为Cupper。S07:根据岩心荧光图像的视觉颜色及颜色值曲线的纵坐标值大小,确定荧光响应的颜色值峰值区间[Cfmin,Cfmax],即首先通过岩心荧光图像的视觉颜色确定荧光响应段,再从颜色值曲线中确定与荧光响应段相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax。
若强荧光响应,岩心荧光图像呈现黄色或类黄色。根据这个视觉颜色,就可以确定强荧光响应段。再从颜色值曲线的同位置段,读出该位置段颜色值曲线左右端点的纵坐标。区间的左端点纵坐标值和区间的右端点纵坐标值(颜色值C)中较小的一个,即为Cfmin,,较大的一个为Cfmax。
S08:当待测岩心颜色值曲线中的值位于 [Clower,Cupper]以及颜色值峰值位于[Cfmin,Cfmax],同时该待测岩心荧光图像视觉呈现黄色,则确定该待测岩心对应的页岩含油级别高,否则认为该待测岩心对应的页岩含油级别低。
通过定量的纹层响应颜色值中值变化区间[Clower,Cupper]以及荧光响应峰值变化区间[Cfmin,Cfmax],同时结合定性的荧光响应视觉颜色辅助,即可实现近量化页岩含油级别评定。当某岩心颜色值曲线中值位于强纹层响应区间[Clower,Cupper],以及颜色值峰值位于荧光响应峰值变化区间[Cfmin,Cfmax],同时岩心荧光图像视觉呈现黄色,那么可确定该页岩含油级别较高。除了该定性的评价外,根据颜色值的大小,亦从定量的角度给出含油级别高的程度。因此,称之为实现近量化页岩含油级别评定。
具体的,所述S03计算岩心荧光图像采样点的HSV颜色值矩阵M HSV 前,首先根据页岩岩心自带的岩心标签所在位置的饱和度值确定标签异常值Soutlier,其中Soutlier为经验值:
因为岩心上人为标签呈现的颜色固定,对应的颜色饱和度值即固定。该饱和度值即为标签异常值Soutlier。若岩心荧光图像纵向1/2处一个采样点X的饱和度值S1/2小于Soutlier,则增加岩心荧光图像纵向1/4处沿横向布置的L个像素点和岩心荧光图像纵向3/4处沿横向布置的L个像素点作为采样点;并且以岩心荧光图像纵向1/4处采样点的HSV值HSV1/4和岩心荧光图像纵向3/4处采样点的HSV值HSV3/4的均值作为该岩心荧光图像纵向1/2处采样点X的HSV值HSV1/2,即。
具体的,所述S04中将S03中HSV颜色值矩阵进行程度量化处理的步骤如下:
S041:在色调值CH取值范围0-360之间,设置取值间隔ΔH,将整个色调值参数空间划分为m个程度区间H1,H2,…Hi,…,Hm,即色调值位于[0, ΔH)之间为H1区间,位于[ΔH, 2ΔH)之间为H2区间,以此类推,位于[(m-1)ΔH, mΔH)之间为Hm区间,其中,i=1,2,…,m;ΔH=360/m;
在饱和度值CS取值范围0-1之间,设置取值间隔ΔS,将整个饱和度值参数空间划分为n个程度区间S1,S2,…Sj,…,Sn,即饱和度值位于[0, ΔS)之间为S1区间,位于[ΔS, 2ΔS)之间为S2区间,以此类推,位于[(n-1)ΔS, nΔS)之间为Sn区间,其中,j=1,2,…,n;ΔS=1/n;
该公式的意思是:某个采样点,可知该采样点的CH取值和Cs取值。再根据程度量化处理的步骤(权利要求书S041,或正文的S051步骤),即可确定 该采样点的CH取值位于哪一个区间,即第i个区间。同理,可确定Cs取值位于哪一个区间,即第j区间。明确该采样点对应的区间,i和j之后,根据该公式,即可确定该采样点对应的颜色值C(i,j)。
具体的,所述S05中根据颜色值曲线的剧烈变化段或岩心图像的断裂位置,确定页岩岩心断裂位置的颜色值区间[CoutMin,CoutMax],将位于该[CoutMin,CoutMax]内的颜色值统一视为页岩岩心断裂造成的颜色值异常,并将[CoutMin,CoutMax]内的颜色值曲线段剔除,得到最终的岩心荧光图像颜色值曲线;
所述[CoutMin,CoutMax]采用如下方法确定:根据颜色值曲线的剧烈变化段或岩心图像的断裂位置确定断裂区间【确断裂区间的确定是本领域技术人员不需要付出任何创造性劳动即可实现的】,再从颜色值曲线中确定与断裂区间相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax;
首先根据岩心图像确定断裂处的位置,再根据颜色值剧烈变化段也可确认断裂位置。两个方法都可以判断岩心断裂位置。两个方法可以相互补充。比如说,图3和图4岩心断裂处,从图像上很容易发现。另外,在颜色值曲线上,存在明显的剧烈变化区间。
明确断裂区间后,根据断裂位置的左右端点的纵坐标值,即颜色值。即可去除那个断裂位置的颜色值区间[CoutMin,CoutMax]。区间的左端点纵坐标值和区间的右端点纵坐标值(颜色值C)中较小的一个,即为CoutMin,,较大的一个为CoutMax。
实施例1:参见图1,为了进一步说明该技术方法的可行性,以某油田官17井岩心为例,对本发明提出的页岩含油级别的评定方法做进一步说明,具体步骤如下:
S01:将某油田官17井的页岩岩心置于黑暗条件下,通过紫外线照射捕捉岩心荧光图像,图像尺寸为3861×706像素。在岩心荧光图像纵向1/2处,将横向3861个像素点均视为采样点,采集该荧光图像的RGB颜色值,获得岩心荧光图像采样点的RGB颜色值矩阵M RGB ,即:
其中,C kr 代表第k个采样点的红色R颜色值;C kg 代表第k个采样点的绿色G颜色值;C kb 代表第k个采样点的蓝色B颜色值;k=1,2,…,3861。
S02:鉴于RGB色彩空间是面向计算机设备的颜色值,并不符合人的感知特性,故将S01中岩心荧光图像采样点的RGB颜色值映射到HSV色彩空间值,用于后续基于颜色值实现近量化评估。RGB颜色值由红色值CR、绿色值CG和蓝色值CB三部分组成。HSV色彩空间值由色调值CH、饱和度值CS和明度值CV三部分构成。将RGB颜色值转换为HSV颜色值的计算公式如下:
S03:根据S02将RGB颜色值转换为HSV颜色值的公式,计算岩心荧光图像采样点的HSV颜色值矩阵M HSV ,即:
其中,C kh 代表第k个采样点的色调值;C ks 代表第k个采样点的饱和度值;C kv 代表第k个采样点的明度值;k=1,2,…,3861。
S04:考虑到岩心自带标签的颜色干扰,如图2左右两端方框标记的白色区域,需要预先剔除页岩岩心自带的岩心标签导致的异常颜色值。根据岩心标签所在位置的饱和度值确定标签异常值Soutlier=50,若岩心荧光图像纵向1/2处一个采样点X的饱和度值S1/2小于Soutlier,则增加岩心荧光图像纵向1/4处沿横向布置的L个像素点和岩心荧光图像纵向3/4处沿横向布置的L个像素点作为采样点。并且以岩心荧光图像纵向1/4处采样点的HSV值HSV1/4和岩心荧光图像纵向3/4处采样点的HSV值HSV3/4的均值作为该岩心荧光图像纵向1/2处采样点X的HSV值HSV1/2,即。
S05:为了根据岩心荧光图像颜色定量地评估页岩含油级别,将S03中HSV颜色值矩阵进行程度量化处理实现M HSV 由三维矩阵到一维矩阵的转换,用于后续近量化判定含油组分所属的颜色值区间。具体如下:
S051:在色调值CH取值范围0-360之间,设置取值间隔ΔH=5,将整个色调值参数空间划分为m=72个程度区间H1,H2,…Hi,…,H72,即色调值位于[0, 5)之间为H1区间,位于[5,10)之间为H2区间,以此类推,位于[355, 360)之间为H72区间。其中,i=1,2,…,72。
在饱和度值CS取值范围0-1之间,设置取值间隔ΔS=0.1,将整个饱和度值参数空间划分为n=10个程度区间S1,S2,…Sj,…,S10,即饱和度值位于[0, 0.1)之间为S1区间,位于[0.1, 0.2)之间为S2区间,以此类推,位于[0.9, 1)之间为S10区间。其中,j=1,2,…,10。
S052:根据色调值所在程度区间及饱和度值所在程度区间的不同,对颜色进行量化程度赋值。即色调值所在程度区间及饱和度值所在程度区间不同,定量化赋值后的颜色值C也不同。颜色值C的计算公式如下:
通过以上步骤,将岩心荧光图像由HSV色彩空间三维矩阵,转化为细化程度后的颜色值C,实现了以一维颜色值的大小近量化评价含油组分定性的视觉颜色表达。
S06:为了直观评价全井岩心荧光图像的颜色值变化,根据S05得到的岩心荧光图像采样点的颜色值C绘制岩心荧光图像颜色值曲线。岩心荧光图像颜色值曲线纵坐标代表颜色值C大小,横坐标代表采样点编号,该采样点编号与岩心荧光图像中的采样点一一对应,采样点编号按照岩心由浅到深的顺序设置。
鉴于评价页岩含油级别往往需要处理全井进行取样岩心段,因此无可避免地存在岩心断裂问题,如图3方框标记处。为了消除岩心断裂处异常颜色值的影响,需要预先根据岩心荧光图像颜色值曲线的剧烈变化段,如图4,以及岩心图像的断裂位置,即图3,确定岩心断裂位置的颜色值区间为[370,410]。将位于该区间的颜色值统一视为岩心断裂造成的颜色值异常,并将[CoutMin,CoutMax]内的颜色值曲线段剔除,得到最终的岩心荧光图像颜色值曲线。
S07:根据颜色值曲线的变化情况,识别页岩岩心的纹层响应。岩心荧光图像颜色值曲线变化频繁,代表纹层响应强度大,如图5。反之,岩心荧光图像颜色值曲线若趋于平坦代表纹层响应强度小。纹层响应强度大代表该页岩纹层发育较好,具有较好的页岩油储集空间。根据强纹层响应区间,确定颜色值中值的变化区间[485,497]。
S08:根据岩心荧光图像的视觉颜色及颜色值曲线的纵坐标值大小,确定荧光响应的颜色值峰值区间[520,+∞)。若页岩含油级别高,则对应的岩心荧光图像在视觉上呈现黄色或类黄色。根据类黄色荧光响应,确定对应的颜色值区间,用于后续根据颜色值曲线定量判断含油组分荧光响应区间。
S09:通过定量的纹层响应颜色值中值变化区间[485,497]以及荧光响应峰值变化区间[520,+∞),同时结合定性的荧光响应视觉颜色辅助,即可实现近量化页岩含油级别评定:即该岩心页岩纹层发育较好,颜色值曲线中值位于S07中的变化区间[485,497]。且该岩心段颜色值大小大于520,位于S08中的颜色值峰值区间。从定量的颜色值大小角度,可评定该岩心的含油级别较高。另外,该岩心荧光图像视觉呈现类黄色,从定性的视觉颜色角度,可辅助评定该岩心的含油级别较高。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种页岩含油级别的评定方法,其特征在于:包括如下步骤:
S01:将获取的页岩岩心置于黑暗条件下,通过紫外线照射捕捉岩心荧光图像,所述岩心荧光图像为L×W像素,在岩心荧光图像纵向1/2处,将沿岩心荧光图像横向布置的L个像素点均视为采样点,采集该岩心荧光图像的RGB颜色值,获得岩心荧光图像采样点的RGB颜色值矩阵M RGB ,即:
其中,C kr 代表第k个采样点的红色R颜色值;C kg 代表第k个采样点的绿色G颜色值;C kb 代表第k个采样点的蓝色B颜色值;k=1,2,…,L;
S02:将S01中岩心荧光图像采样点的RGB颜色值映射到HSV色彩空间值,RGB颜色值由红色值CR、绿色值CG和蓝色值CB三部分组成,HSV色彩空间值由色调值CH、饱和度值CS和明度值CV三部分构成,将RGB颜色值转换为HSV颜色值的计算公式如下:
S03:根据S02将RGB颜色值转换为HSV颜色值的公式,计算岩心荧光图像采样点的HSV颜色值矩阵M HSV ,即:
其中,C kh 代表第k个采样点的色调值;C ks 代表第k个采样点的饱和度值;C kv 代表第k个采样点的明度值;k=1,2,…,L;
S04:将S03中M HSV 进行程度量化处理,将每个采样点的色调值CH、饱和度值CS和明度值CV转化为颜色值C,实现M HSV 由三维矩阵到一维矩阵的转换;
S041:在色调值CH取值范围0-360之间,设置取值间隔ΔH,将整个色调值参数空间划分为m个程度区间H1,H2,…Hi,…,Hm,即色调值位于[0, ΔH)之间为H1区间,位于[ΔH, 2ΔH)之间为H2区间,以此类推,位于[(m-1)ΔH, mΔH)之间为Hm区间,其中,i=1,2,…,m;ΔH=360/m;
在饱和度值CS取值范围0-1之间,设置取值间隔ΔS,将整个饱和度值参数空间划分为n个程度区间S1,S2,…Sj,…,Sn,即饱和度值位于[0, ΔS)之间为S1区间,位于[ΔS, 2ΔS)之间为S2区间,以此类推,位于[(n-1)ΔS, nΔS)之间为Sn区间,其中,j=1,2,…,n;ΔS=1/n;
S05:根据S04得到的岩心荧光图像采样点的颜色值C绘制岩心荧光图像颜色值曲线,岩心荧光图像颜色值曲线的纵坐标代表颜色值C的大小,横坐标代表采样点编号,该采样点编号与岩心荧光图像中的采样点一一对应;
S06:根据岩心荧光图像颜色值曲线的变化情况,识别页岩岩心的纹层响应:如果岩心荧光图像颜色值曲线若趋于平坦代表纹层响应强度小,反之则认为岩心荧光图像颜色值曲线变化频繁,代表纹层响应强度大;
纹层响应强度大代表该页岩纹层发育较好,具有较好的页岩油储集空间,根据强纹层响应区间,确定颜色值的变化区间[Clower,Cupper],即:
基于颜色值曲线的变化程度,确定颜色值曲线变化频繁段,读取颜色值曲线变化频繁段左右端点的纵坐标值,其中, 颜色值曲线变化频繁段左右端点的纵坐标中,值小的作为Clower,值大的作为Cupper;
S07:根据岩心荧光图像的视觉颜色及颜色值曲线的纵坐标值大小,确定荧光响应的颜色值峰值区间[Cfmin,Cfmax],即首先通过岩心荧光图像的视觉颜色确定荧光响应段,再从颜色值曲线中确定与荧光响应段相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax;
S08:当待测岩心颜色值曲线中的值位于 [Clower,Cupper]以及颜色值峰值位于 [Cfmin,Cfmax],同时该待测岩心荧光图像视觉呈现黄色,则确定该待测岩心对应的页岩含油级别高,否则认为该待测岩心对应的页岩含油级别低。
2.如权利要求1所述的页岩含油级别的评定方法,其特征在于:所述S03计算岩心荧光图像采样点的HSV颜色值矩阵M HSV 前,首先根据页岩岩心自带的岩心标签所在位置的饱和度值确定标签异常值Soutlier,其中Soutlier为经验值:
3.如权利要求1所述的页岩含油级别的评定方法,其特征在于:所述S05中根据颜色值曲线的剧烈变化段或岩心图像的断裂位置,确定页岩岩心断裂位置的颜色值区间[CoutMin,CoutMax],将位于该[CoutMin,CoutMax]内的颜色值统一视为页岩岩心断裂造成的颜色值异常,并将[CoutMin,CoutMax]内的颜色值曲线段剔除,得到最终的岩心荧光图像颜色值曲线;
所述[CoutMin,CoutMax]采用如下方法确定:根据颜色值曲线的剧烈变化段或岩心图像的断裂位置确定断裂区间,再从颜色值曲线中确定与断裂区间相同的位置段,该位置段的颜色值曲线左右两个端点的纵坐标中,值小的为Cfmin,值大的为Cfmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210947154.6A CN115018848B (zh) | 2022-08-09 | 2022-08-09 | 一种页岩含油级别的评定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210947154.6A CN115018848B (zh) | 2022-08-09 | 2022-08-09 | 一种页岩含油级别的评定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115018848A CN115018848A (zh) | 2022-09-06 |
CN115018848B true CN115018848B (zh) | 2022-10-21 |
Family
ID=83065379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210947154.6A Active CN115018848B (zh) | 2022-08-09 | 2022-08-09 | 一种页岩含油级别的评定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018848B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120044498A1 (en) * | 2010-08-23 | 2012-02-23 | Ellington & Associates, Inc. | Products and Methods for Identifying Rock Samples |
CN111709423A (zh) * | 2020-06-26 | 2020-09-25 | 东北石油大学 | 岩性特征库匹配的pdc钻头条件下岩屑岩性识别方法 |
CN113658157A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于hsv空间的颜色分割方法及装置 |
-
2022
- 2022-08-09 CN CN202210947154.6A patent/CN115018848B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120044498A1 (en) * | 2010-08-23 | 2012-02-23 | Ellington & Associates, Inc. | Products and Methods for Identifying Rock Samples |
CN111709423A (zh) * | 2020-06-26 | 2020-09-25 | 东北石油大学 | 岩性特征库匹配的pdc钻头条件下岩屑岩性识别方法 |
CN113658157A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于hsv空间的颜色分割方法及装置 |
Non-Patent Citations (2)
Title |
---|
"基于图像分析的岩心泥质夹层识别与预测方法研究";刘焱鑫;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20210215(第02期);全文 * |
"湖泊碎屑岩沙坝成因机制及构型表征研究进展";邱隆伟等;《古地理学报》;20220121;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115018848A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
JP7198577B2 (ja) | 画像解析方法、装置、プログラムおよび学習済み深層学習アルゴリズムの製造方法 | |
JP5764238B2 (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
US8290275B2 (en) | Effective pigment identification method, identification system, identification program, and recording medium therefor | |
JP6222584B2 (ja) | 細胞ベースの組織解析 | |
US7356171B2 (en) | Systems and methods relating to AFIS recognition, extraction, and 3-D analysis strategies | |
EP1563457A2 (en) | Image analysis | |
CN111915572A (zh) | 一种基于深度学习的自适应齿轮点蚀定量检测系统及方法 | |
EP3140778B1 (en) | Method and apparatus for image scoring and analysis | |
KR101813223B1 (ko) | 영상 표면의 결함을 검출 및 분류하는 방법 및 장치 | |
Hoque et al. | Retinex model based stain normalization technique for whole slide image analysis | |
CN113222992B (zh) | 基于多重分形谱的裂纹特征表征方法及系统 | |
WO2006113979A1 (en) | Method for identifying guignardia citricarpa | |
CN117314826A (zh) | 一种显示屏的性能检测方法 | |
CN115018848B (zh) | 一种页岩含油级别的评定方法 | |
CN116519710A (zh) | 一种用于复合绝缘子表面污秽状态的检测方法及系统 | |
Jiménez et al. | Image quality metrics applied to digital pathology | |
Tapia et al. | Face feature visualisation of single morphing attack detection | |
CN113592789A (zh) | 暗光图像识别方法、装置、设备及存储介质 | |
Puan et al. | Automated pavement imaging program (APIP) for pavement cracks classification and quantification | |
CN105241886A (zh) | 一种基于hvs与引导滤波器的土遗址裂缝检测方法 | |
DK201570249A1 (en) | Method and system for detection of fluid inclusion | |
CN115147701B (zh) | 一种红外偏振图像质量评价方法和采集系统 | |
CN117557574B (zh) | 基于图像处理的材料参数检测方法及系统 | |
CN112257782B (zh) | 与问题皮肤部位检测相关的方法、系统及其神经网络训练方法、存储介质 |
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 |