CN115984612A - 一种基于图像融合的三维孔隙类型表征方法 - Google Patents
一种基于图像融合的三维孔隙类型表征方法 Download PDFInfo
- Publication number
- CN115984612A CN115984612A CN202211631851.7A CN202211631851A CN115984612A CN 115984612 A CN115984612 A CN 115984612A CN 202211631851 A CN202211631851 A CN 202211631851A CN 115984612 A CN115984612 A CN 115984612A
- Authority
- CN
- China
- Prior art keywords
- image
- organic
- threshold
- phase
- inorganic
- 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
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种基于图像融合的三维孔隙类型表征方法,包括以下步骤:通过聚焦离子束扫描电镜对选定分析区域扫描,获得背散射图像和二次电子图像;利用软件背散射图像和二次电子图像进行图像处理,对两图像中有机孔、无机孔、有机质和颗粒的范围进行分隔划分并进行赋值,最后将经过处理的图像相乘,根据得到的结果图像中的不同阈值可以将有机孔和无机孔分割开来。本发明有益效果:通过二次电子和背散射两套图像两套图像成像原理不同的特点,在阈值分割时会利用其各自的优势进行划分,进而两套图像划分得到的相不同。分别对两套图像中的不同相进行赋值,然后将两套图像进行数值化运算,便可将不同孔隙类型区分开,同时可对不同类型孔隙进行定量化计算分析。
Description
技术领域
本发明涉及数字岩心成像领域,更具体地说涉及一种基于图像融合的三维孔隙类型表征方法。
背景技术
在页岩孔隙性评价和孔隙结构分析中,扫描电镜是一种广泛的应用技术。目前针对国内非常规油气储层特性,聚焦离子束扫描电镜是识别纳米级别孔隙的一种有效手段,通过对样品选定分析区域的扫描与分割可以定量统计该区域的总孔隙含量、有机质含量等。但是针对非常规储层纳米级别孔隙类型分类的问题一直没有得到有效的解决。
发明内容
本发明克服了现有技术中的不足,提供了一种基于图像融合的三维孔隙类型表征方法。
本发明的目的通过下述技术方案予以实现。
一种基于图像融合的三维孔隙类型表征方法,包括以下步骤:
S1.通过聚焦离子束扫描电镜对选定分析区域扫描,获得背散射图像和二次电子图像;
S2.在两套图像上筛选合适区域进行孔隙类型分析;
S3.使用软件对二次电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,对图内有机孔和无机孔相阈值与颗粒相阈值进行分别赋值;
S4.使用软件对背散射电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,将图内有有机孔、无机孔和有机质相阈值与颗粒相阈值进行分别设置;
S5.通过在背散射图像分割得到的三维图像中筛查步骤S4对有机孔、无机孔和有机质相设定的阈值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元作为有机质区域,对其它体积较小单元的阈值进行赋值区分。
S6.对筛选过后的背散射图像重新进行分割,将步骤S5中确定的有机质区域作为有机孔和有机质相进行赋值,其它区域作为将颗粒和无机孔相进行赋值;
S7.将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,根据不同阈值可以将有机孔和无机孔分割开来。
步骤S3和S4中二次电子图像和背散射电子图像经过裁剪后对图像进行平滑去噪处理。
步骤S3中将有机孔和无机孔相阈值设置为2,颗粒相阈值设置为4。
步骤S4中将有机孔、无机孔和有机质相阈值设置为0,颗粒相阈值设置为255。
步骤S5将背散射图像分割的结果图像RAW格式文件转换成DAT格式文件,可见DAT格式文件中每个值对应RAW格式文件中连续的每个体素的阈值,通过筛查阈值为0的值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元,将其他体积较小的阈值为0的相赋值255,编辑完成后替代原来DAT文件,并转换成raw格式文件。
将有机孔和有机质相阈值设置为2,将颗粒和无机孔相赋值为3。
步骤S7中将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,阈值为4的相为有机孔,阈值为6的相为无机孔,阈值为8的相为有机质,阈值为12的相为颗粒。
本发明的有益效果为:本发明在现有技术的基础上进一步将孔隙分为有机孔和无机孔,使之在实际分析过程中精确划分孔隙类型并进行定量化计算,有效提升了对储层不同类型储集空间的有效性分析。本方案通过岩心扫描图像得到二次电子和背散射两套图像,由于两套图像成像原理不同,在阈值分割时会利用其各自的优势进行划分,进而两套图像划分得到的相不同。分别对两套图像中的不同相进行赋值,然后将两套图像进行数值化运算,便可将不同孔隙类型区分开,同时可对不同类型孔隙进行定量化计算分析。
附图说明
图1是二次电子图像;
图2是背散射电子图像;
图3是对二次电子图像筛选合适区域进行孔隙类型分析的示意图;
图4是对背散射图像筛选合适区域进行孔隙类型分析的示意图;
图5是二次电子图像前处理过程的示意图;
图6是背散射图像前处理过程的示意图;
图7是背散射图像分割后三维展示示意图;
图8是通过体积筛查剔除0相中的无机孔的操作示意图;
图9是背散射图像重新进行分割后的三维展示图;
图10是次电子图像和背散射图像运算示意图;
图11是基于FIBSEM的SE和BSE图像进行三维孔隙类型分类及定量化计算的分析方法的流程图;
图12是孔隙网络提取及定量分析过程的示意图;
图13是有机孔和无机孔的分布统计图。
具体实施方式
下面通过具体的实施例对本发明的技术方案作进一步的说明。
实施例
一种基于图像融合的三维孔隙类型表征方法,包括以下步骤:
S1.通过聚焦离子束扫描电镜对选定分析区域扫描,获得背散射图像和二次电子图像;
S2.在两套图像上筛选合适区域进行孔隙类型分析;
S3.使用软件对二次电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,对图内有机孔和无机孔相阈值与颗粒相阈值进行分别赋值;
S4.使用软件对背散射电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,将图内有有机孔、无机孔和有机质相阈值与颗粒相阈值进行分别设置;
S5.通过在背散射图像分割得到的三维图像中筛查步骤S4对有机孔、无机孔和有机质相设定的阈值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元作为有机质区域,对其它体积较小单元的阈值进行赋值区分。
S6.对筛选过后的背散射图像重新进行分割,将步骤S5中确定的有机质区域作为有机孔和有机质相进行赋值,其它区域作为将颗粒和无机孔相进行赋值;
S7.将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,根据不同阈值可以将有机孔和无机孔分割开来。
步骤S3和S4中二次电子图像和背散射电子图像经过裁剪后对图像进行平滑去噪处理。
步骤S3中将有机孔和无机孔相阈值设置为2,颗粒相阈值设置为4。
步骤S4中将有机孔、无机孔和有机质相阈值设置为0,颗粒相阈值设置为255。
步骤S5将背散射图像分割的结果图像RAW格式文件转换成DAT格式文件,可见DAT格式文件中每个值对应RAW格式文件中连续的每个体素的阈值,通过筛查阈值为0的值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元,将其他体积较小的阈值为0的相赋值255,编辑完成后替代原来DAT文件,并转换成raw格式文件。
将有机孔和有机质相阈值设置为2,将颗粒和无机孔相赋值为3。
步骤S7中将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,阈值为4的相为有机孔,阈值为6的相为无机孔,阈值为8的相为有机质,阈值为12的相为颗粒。
本发明的工作原理如下,如图1和图2所示,本实施例中步骤S1采用SEISS公司CrossBeam-540仪器,通过聚焦离子束扫描电镜对选定分析区域扫描,获得背散射电子图像和二次电子图像。
如图3和图4所示,步骤S2在两套图像上筛选合适区域进行孔隙类型分析;其中框线内为筛选分析部分。
如图5和图6所示,本实施例采用了ImageJ软件进行操作,步骤S3和S4采用图像处理软件分别对图像进行裁剪、平滑去噪、阈值分割和图像二值化处理得到两相图像。图中左侧为选定图像,中上图为图像剪裁后状态,中下图为图像去噪后状态,右上图为阈值分割后状态,右下图为图像二值化之后状态。
如图7所示,图7中展示了背散射图像分割后三维展示示意图。根据观察发现,背散射图像分割得到的三维体中,有机质部分为最大的连通单元,其与背散射图像分割后的无机孔单元不连通。如图8所示,步骤S5将背散射图像分割的结果图像RAW格式文件转换成DAT格式文件,可见DAT格式文件中每个值对应RAW格式文件中连续的每个体素的阈值,通过筛查阈值为0的值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元,将其他体积较小的阈值为0的相赋值255,编辑完成后替代原来DAT文件,并转换成raw格式文件。上述步骤的作用为在筛选第一次划分的有机孔、无机孔和有机质相位中的体积最大的单元作为有机质区域完成重新分割,图9为背散射图像重新进行分割后的三维展示图。
如图10所示,本实施例中二次电子图像分割结果是有机孔和无机孔相的赋值为2,颗粒相的赋值为4。背散射图像分割结果是有机质和有机孔相的赋值为2,颗粒相的赋值为3。将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,阈值为4的相为有机孔,阈值为6的相为无机孔,阈值为8的相为有机质,阈值为12的相为颗粒,由此根据不同阈值可以将有机孔和无机孔分割开来。
如图11所示,为本发明的流程图,如图12所示,图右侧为有机孔、无机孔及其混合的三维结构示意图,图中部为网孔计算的结构示意图,图右侧和图13为相同附图其为有机孔和无机孔的分布统计图。图12中右侧图左上为背散射图像分割后三维展示图,左下为有机孔的三维展示示意图,右下为无机孔的三维展示示意图,右上为有机孔和无机孔结合的三维展示示意图。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (7)
1.一种基于图像融合的三维孔隙类型表征方法,其特征在于,包括以下步骤:
S1.通过聚焦离子束扫描电镜对选定分析区域扫描,获得背散射图像和二次电子图像;
S2.在两套图像上筛选合适区域进行孔隙类型分析;
S3.使用软件对二次电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,对图内有机孔和无机孔相阈值与颗粒相阈值进行分别赋值;
S4.使用软件对背散射电子图像进行裁剪、阈值分割和图像二值化处理得到两相图像,将图内有有机孔、无机孔和有机质相阈值与颗粒相阈值进行分别设置;
S5.通过在背散射图像分割得到的三维图像中筛查步骤S4对有机孔、无机孔和有机质相设定的阈值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元作为有机质区域,对其它体积较小单元的阈值进行赋值区分。
S6.对筛选过后的背散射图像重新进行分割,将步骤S5中确定的有机质区域作为有机孔和有机质相进行赋值,其它区域作为将颗粒和无机孔相进行赋值;
S7.将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,根据不同阈值可以将有机孔和无机孔分割开来。
2.根据权利要求1所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:步骤S3和S4中二次电子图像和背散射电子图像经过裁剪后对图像进行平滑去噪处理。
3.根据权利要求1所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:步骤S3中将有机孔和无机孔相阈值设置为2,颗粒相阈值设置为4。
4.根据权利要求3所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:步骤S4中将有机孔、无机孔和有机质相阈值设置为0,颗粒相阈值设置为255。
5.根据权利要求4所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:步骤S5将背散射图像分割的结果图像RAW格式文件转换成DAT格式文件,可见DAT格式文件中每个值对应RAW格式文件中连续的每个体素的阈值,通过筛查阈值为0的值其周围的阈值,找出有机孔、无机孔和有机质相位中的体积最大的单元,将其他体积较小的阈值为0的相赋值255,编辑完成后替代原来DAT文件,并转换成raw格式文件。
6.根据权利要求5所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:将有机孔和有机质相阈值设置为2,将颗粒和无机孔相赋值为3。
7.根据权利要求6所述的一种基于图像融合的三维孔隙类型表征方法,其特征在于:步骤S7中将二次电子阈值结果图像乘以背散射电子阈值结果图像,在最终得到的结果图像中,阈值为4的相为有机孔,阈值为6的相为无机孔,阈值为8的相为有机质,阈值为12的相为颗粒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211631851.7A CN115984612A (zh) | 2022-12-19 | 2022-12-19 | 一种基于图像融合的三维孔隙类型表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211631851.7A CN115984612A (zh) | 2022-12-19 | 2022-12-19 | 一种基于图像融合的三维孔隙类型表征方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115984612A true CN115984612A (zh) | 2023-04-18 |
Family
ID=85964129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211631851.7A Pending CN115984612A (zh) | 2022-12-19 | 2022-12-19 | 一种基于图像融合的三维孔隙类型表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984612A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115048A (zh) * | 2023-10-25 | 2023-11-24 | 国仪量子(合肥)技术有限公司 | 图像降噪方法、系统以及存储介质、电子设备 |
-
2022
- 2022-12-19 CN CN202211631851.7A patent/CN115984612A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115048A (zh) * | 2023-10-25 | 2023-11-24 | 国仪量子(合肥)技术有限公司 | 图像降噪方法、系统以及存储介质、电子设备 |
CN117115048B (zh) * | 2023-10-25 | 2024-02-02 | 国仪量子(合肥)技术有限公司 | 图像降噪方法、系统以及存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patel et al. | Automated leukaemia detection using microscopic images | |
Prill et al. | Morphological segmentation of FIB‐SEM data of highly porous media | |
CN105445160B (zh) | 一种沥青混合料的空隙特征及其提取方法 | |
CN113706603B (zh) | 页岩有机质孔隙连通性分类表征的方法 | |
CN115984612A (zh) | 一种基于图像融合的三维孔隙类型表征方法 | |
CN113436168A (zh) | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 | |
CN108431870A (zh) | 多模态矿物分割系统和方法 | |
CN110910444B (zh) | 一种res尺度页岩等效三维孔隙参数快速提取方法 | |
CN113791094B (zh) | 基于等效球棍模型的沥青混合料三维骨架接触评价方法 | |
CN113515847A (zh) | 一种基于K-means聚类算法的非均质岩石数字岩芯建模方法 | |
CN113012124B (zh) | 一种鞋印孔洞和嵌入物特征检测及描述方法 | |
Azam et al. | Color based segmentation of white blood cells in blood photomicrographs using image quantization | |
Ling et al. | Fractal and lacunarity analyses: quantitative characterization of hierarchical surface topographies | |
CN113191330A (zh) | 融合二次电子和背散射电子图像的区域生长孔隙识别方法 | |
JP7444137B2 (ja) | 金属組織のセグメンテーション方法 | |
CN112116583B (zh) | 一种基于sem图像处理的绝缘纸板老化判别检验方法 | |
Sofou et al. | Segmentation of soil section images using connected operators | |
Yang et al. | Bulk observation of aluminum green compacts by way of X-ray tomography | |
Homberg et al. | Determining geometric grain structure from x-ray micro-tomograms of gradated soil | |
Park et al. | Investigation of digital imaging processing in determining nano-particle size distribution based on scanning electron microscopic image | |
Wolkenstein et al. | Robust automated three-dimensional segmentation of secondary ion mass spectrometry image sets | |
Fonseca et al. | Image segmentation techniques for granular materials | |
CN115410049B (zh) | 一种岩体溶蚀程度的分类评估方法及装置 | |
EP1421559A2 (de) | Vorrichtung und verfahren zum auswerten einer beschaffenheit eines objekts | |
Aguilera et al. | An automatic grading system for panels surfaces using artificial vision |
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 |