CN116368286A - 处理图像的计算机脚本及其在岩相图像确定方法中的使用 - Google Patents
处理图像的计算机脚本及其在岩相图像确定方法中的使用 Download PDFInfo
- Publication number
- CN116368286A CN116368286A CN202180051753.3A CN202180051753A CN116368286A CN 116368286 A CN116368286 A CN 116368286A CN 202180051753 A CN202180051753 A CN 202180051753A CN 116368286 A CN116368286 A CN 116368286A
- Authority
- CN
- China
- Prior art keywords
- image
- lithofacies
- profiles
- script
- profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013515 script Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 title claims description 20
- 239000011435 rock Substances 0.000 claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 7
- 230000005251 gamma ray Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 230000001965 increasing effect Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 208000035126 Facies Diseases 0.000 abstract description 9
- 239000003208 petroleum Substances 0.000 abstract description 3
- 238000011002 quantification Methods 0.000 abstract description 3
- 235000019738 Limestone Nutrition 0.000 description 10
- 239000006028 limestone Substances 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 9
- 239000000047 product Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 4
- 230000032798 delamination Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 239000008262 pumice Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 241000550081 Renata Species 0.000 description 1
- 241000801924 Sena Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 238000009710 electro sinter forging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 210000003527 eukaryotic cell Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000001033 granulometry Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/002—Survey of boreholes or wells by visual inspection
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/005—Testing the nature of borehole walls or the formation by using drilling mud or cutting data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Geochemistry & Mineralogy (AREA)
- Fluid Mechanics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及计算脚本,所述计算脚本被设计成从图像中提取轮廓对比,以有助于用于岩相图像确定的方法。本发明提出了用于突出岩石的不均匀性以识别与沉积岩相有关的纹理图案和典型结构的工具。在Python计算机语言环境中的“Canny边缘检测”算法和设置用于提取在捕获的岩石图像的剖面图中观察到的轮廓对比。由本发明实现的其他结果包括伪影的去除、图像的叠加以及边缘对比的量化。这些结果已经被合并至岩相图像确定方法中。此外,测井相预测模型、产能和井间相关性中产生的产品的使用前景广阔。因此,已经开发的脚本为石油工业提供了重要信息。
Description
技术领域
本发明涉及用于处理图像的计算脚本,该计算脚本使得能够通过提取边缘轮廓对比、去除伪影(存在于图像剖面图中的非地质特征)和叠加图像来突出岩石的纹理和结构变化,以及使得能够对边缘对比进行量化。这些产品可以在用于根据图像剖面图确定岩相的方法中使用。
背景技术
电子和超声成像剖析工具捕获大量的井壁周围的高分辨率数据。这类剖面图的目的之一是通过在地下执行的测量值与地质数据的相关性来识别和解释地质事件。该信息使得能够详细描述地层地质特性,有利于沉积学分析、地层分析、结构分析、地质力学分析、岩石物理分析以及对储层进行表征。
图像剖面图非常容易受到伪影的影响,所述伪影中的一些伪影在被及时识别出的情况下可以被最小化或修复。因此,在图像剖面图的获取期间进行控制对于确保尽可能最佳的数据质量以及增加地层解释和评估的可靠性非常重要。
与岩石数据结合的高质量剖面图图像提供了用于岩相和结构分析的优秀工具。将该数据与地层测试的结果整合为地质模型增加了巨大的价值。
基于图像剖面图的岩相研究考虑了在图像中观察到的岩石的纹理和沉积结构,并且根据该区域的地质知识和解释者经验生成岩石岩相与图像岩相之间的视觉关联。所使用的岩相学描述(岩石岩相和图像岩相)通常遵循由Terra等人在de RochasBacias Sedimentares Brasileiras.Boletim deda Petrobras(BGP),2010年中进行的分类。对于更详细的解释,如在Reading,Sedimentary environ-ments:process,facies and stratigraphy.第三版,Blackwell,牛津,1996年中提出的,诸如对粘土矿物的成岩作用、体积和类型以及初级结构的额外分析将是必需的。
岩石×剖面图整合有助于对井壁周围的储层的潜能进行表征。地层测试提供了关于井壁以外各距离的储层的流动模型的信息。这些数据的整合增加了地质和储层流动模型的准确性,进而增强了油田开发和生产管理。
由于与提取岩石证据相关联的高成本,因此在岩相解释中使用图像剖面图至关重要。-为此,同样必要的是图像具有好的质量和好的分辨率,其在剖析期间通过地质跟踪进行优化。
寻找用于改进在岩相学解释中使用的图像剖面图的方法来为最终产品增加价值并赋予地质模型可靠性。
试图提取观察到的边缘的对比轮廓的图像处理与用于生成有助于图像岩相的表征和岩石×剖面图相关性的产品的重要工具相对应。这些边缘对比代表了纹理和结构岩相变化,以及兆至千兆孔隙或伪影。
如Choquete,P.W、Pray L在1970年的工作Geologic Nomenclature andClassification of Porosity in Sedimentary Carbonates,The American Associationof Petroleum Geologists Bulletin.第5卷,第207至250页中所示,兆孔被理解为在0.4cm与25.6cm之间的孔尺寸,而如在Menezes de Jesus,C、Compan,A.L、Surmas,R 2016年在Petrophysics第57卷第620至637页中的Permeability Estimation Using UltrasonicBorehole Image Logs in Dual-Porosity Carbonate Reservoirs中呈现的,千兆孔尺寸大于25.6cm。
要强调的是,岩石是关于地层的信息的直接和不可替代的来源。然而,重要的是获得提取尽可能多的关于地层的信息的方法。所述信息可用于岩石×剖面图校准、不同类型的相关性,以及在涉及预测的工作中作为质量控制/标准(beacon)。
鉴于需要减少操作成本并且从图像剖面图中提取尽可能多的信息,Bal等人在2001年的工作中试图应用用于根据图像剖面图确定岩相的方法。从那时起,该方法得到了改进并被应用于由巴西国家石油公司进行剖析的井中。
Fioriti和Mello Jr在2018年的工作中开发了以Python编程的计算脚本,所述计算脚本能够提取在任何类型的图像中观察到的边缘对比轮廓、具有突出岩石的不均匀性以识别可能与沉积岩相有关的典型纹理和结构图案的目的。
鉴于在岩相解释中识别纹理和结构图案的重要性,并且由于一些沉积结构在图像剖面图、断层扫描图像或证据中更明显的事实,因此应当认识到对在任何类型的图像中使这些纹理变化和结构元素可视化的方式进行改进的重要性。
常规的图像编辑程序具有突出图像中的边缘轮廓的工具。然而,这些程序不是出于为石油工业产生价值的意图——本发明的目的——而开发的。因此,它们不提供与本发明中开发的脚本所提供的结果和产品相同的结果和相同的产品。本发明的重要创新是对边缘对比进行量化。
用于处理和解释图像剖面图的商业软件Techlog、IP、Geolog不具有提供本发明中开发的脚本所提供的结果的图像处理模块。
“Canny边缘检测”算法(Canny,J.F.;1986年)存在于OpenCV库中,该OpenCV库在以Python进行的编程软件中使用。为了执行本发明,使用了OpenCV库,并且借助于个性化的算法参数化,进行了提取在图像(即如Fioriti和Mello Jr在2018年的工作中呈现的声学图像剖面图和电阻图像剖面图、断层扫描图像或证据照片、侧向样本、薄切片)中观察到的边缘轮廓对比的尝试。
本发明的改进使得能够实现其他目的,例如:去除使得岩石的纹理和结构难以可视化的工具痕迹(伪影);将原始图像与检测到的边缘叠加,这进一步突出了岩石的不均匀性;以及对通过深度识别的边缘对比进行量化。该信息具有不同的应用可能性,从与岩性学变化的相关性到与来自其他剖面图的数据和地层测试的结果的相关性。
文献WO2009126881A2揭示了用于生成岩石和孔的三维(3D)模型(已知为数值伪核)的方法。该方法使用井壁的完整圆形图像、数字岩石图像和具有多点统计(MPS)范围内形成的连续变量的算法来再现用于记录间隔的三维(3D)伪核,在所述间隔中,真核未被去除,但是存在从记录中获得的钻孔图像。因此,所应用的方法没有在Python计算语言环境例如本发明的Python计算语言环境中使用“Canny边缘检测”算法。
文献US20190338637A1公开了用于基于从地层中拍摄的岩石样品的光学图像确定地质地层的性质的方法。该图像包括多个像素,并且该方法包括在图像中限定窗,每个窗包括预定数目的像素并且每个窗是预定形状的。该方法还包括,对于每个窗,提取该窗的代表性岩石印象值。岩石印象包括用于表征窗纹理的指标。该方法还包括根据预定设置将窗分成多个类别。然而,所应用的方法没有在Python计算语言环境例如本发明的Python计算语言环境中使用“Canny边缘检测”算法。
文献“ de Fácies em Perfis de /> com AlgoritmoInteligente-Santos,Renata de Sena,UFOPA;Andrade,AndréJoséNeves,UFPA”揭示了呈现Vsh-L-K图和广义角竞争网络两种方法的用于识别井剖面图中的岩性岩相的解决方案。但是,所采用的方法没有在Python计算语言环境例如本发明的Python计算语言环境中使用“Canny边缘检测”算法。
文献“Estudo dede Bordas em Imagens Usando Kernel-BrunaCavallero Martins,Matheus Fuhman Stigger,Wemerson Delcio Parreira”揭示了核(Kernal)函数在图像中的边缘检测问题中的应用。虽然本发明具有核滤波器,但是该文献没有提及在Python计算语言环境例如本发明中使用“Canny边缘检测”算法的配置。
可以看出,现有技术不具有本发明中的下面将详细呈现的独特特性。没有识别到用于进行以下操作的限定过程:在Python计算语言环境例如本发明中提取在从岩石捕获的图像的剖面图中观察到的轮廓对比。
在对岩石×剖面图相关性和岩相识别所必需的纹理和结构图案的识别中证实了本发明的有效性。
本发明的有效性在去除伪影方面也得到验证。具体地,在不损害对岩石结构和纹理的识别的情况下去除了工具痕迹伪影。相对的,去除这种伪影改进了地质特征的可视化。该应用是重要的创新,因为仍然不存在以高质量提供该结果的可用处理。
利用本发明在通过深度对边缘结构进行量化方面,还获得了有利的结果。这对于断层扫描剖面图、图像剖面图和照片证据是重要的。所识别的不均匀性可能与纹理变化以及兆孔和千兆孔的出现有关,从而有助于岩相和产能分析。了解这些边缘对比还可以表示没有被去除的伪影(诸如例如,断裂、线缆痕迹、钻孔痕迹等),就伪影的发生与否而言,边缘对比的量化可以是使解释者对图像的质量进行量化的方式。
发明内容
旨在对提取图像中的轮廓对比的计算脚本进行开发和改进有助于图像岩相的解释。纹理和结构变化被突出,这便于识别典型图案。
在本发明中,开发了一种工具,其具有突出岩石的不均匀性以允许识别可能与沉积岩相有关的典型的纹理和结构图案的初始目的。
本发明在以Python进行的计算语言环境中使用“Canny边缘检测”算法,以便提取在捕获到的岩石图像中观察到的边缘轮廓对比。
本发明的改进使得能够实现其他目的,例如:去除伪影、将原始图像与检测到的边缘叠加,以及通过深度对所识别的边缘对比进行量化。
附图说明
下面将参照附图更详细地描述本发明,所述附图以示意性而非限制本发明范围的方式表示本发明实现的示例。在附图中存在以下各图:
图1示出了用于提取边缘对比的算法使可以表示纹理和结构岩相变化的结构轮廓突出。A)对应于声学图像剖面图;而B)对应于具有检测到的边缘的图像;
图2示出了可能与一些特定岩性相关联的兆至千兆孔的存在。此外,在数据获取和处理期间,必须使伪影的发生最小化。目的是边缘伪影对比的检测不损害岩相学解释。A)对应于声学图像剖面图。B)对应于具有检测到的边缘的图像。注意,检测到线缆痕迹(伪影)的发生;
图3示出了边缘对比(B,D)也可以从侧向样本(A)和岩相学切片(C)的照片中提取,从而突出岩相成分的纹理差异;
图4示出了利用声学图像剖面图通过伽马射线剖面图(图像)与岩心自然伽马曲线(证据)之间的相关性对断层扫描剖面图进行深度调整,以及基于观察到的纹理变化和结构进行细微调整;
图5示出了通过在图像剖面图中观察到的痕迹(由箭头指示)来执行侧向样本的重新定位。A)对应于声学图像剖面图。B)对应于电阻图像剖面图——油基钻井流体。C)对应于电阻图像剖面图——水基钻井流体;
图6示出了图像中的像素分类,抑制了与局部最大值不对应的那些像素。如果点A是局部最大值,则认为它属于边缘;
图7示出了局部迟滞。在上限以上的值被认为是真边缘。在上限与下限之间的值被连接到真边缘的情况下,将上限与下限之间的值视为边缘。在它们未被连接的情况下,丢弃它们。在下限以下的值也被丢弃;
图8示出了从本发明中开发的脚本获得的产品。原始图像(A)具有从由用户限定的界限(B)中提取到的原始图像的边缘(C),可以使所述边缘与原始图像交叠(D)。还提供检测到的边缘密度(E);
图9示出了在声学图像剖面图(图像岩相)中观察到的叠层岩,其中,通过以Python进行图像处理来突出轮廓对比。A)对应于具有沿着纹层的优选路径的孔隙的纹层状叠层岩。
B)对应于具有标志着叠层岩的几何形状的空穴孔隙并且内部排列明显更混乱(更普遍)的叠层岩;
图10示出了散布有再沉积的沉积物的原位沉积物。细微地纹层状纹层岩(LMT),其具有早期分层或者甚至不存在分层(由于厚度在工具的分辨率以下)。球晶石(ESF),其具有高振幅(封闭)以及细微的粒状纹理至非常细微的粒状纹理。叠层岩(STR),其具有低振幅和沿着由滑坡(元素生长水平)和随机空穴孔隙(除非是通过溶解导致元素间空隙增多引起的)确定的优选路径的孔隙。颗粒灰岩(GST),其具有低振幅和粒状纹理。通常,它们是多孔的,除了在更封闭的水平之外,在所述水平下,声学图像剖面图的振幅更大;
图11示出了再沉积的沉积物。A)对应于粒状纹理。具有低振幅的孔。B)对应于砾屑灰岩(RUD)。
C)对应于嵌入有具有低振幅的RUD的硅化浮石(FLT-sl)。D)对应于成层的颗粒灰岩(GST)。
具体实施方式
本发明涉及开发用于处理图像剖面图的计算脚本,使得能够在任何类型的图像中突出岩石的纹理和结构变化。该信息可以在用于确定岩相的方法中使用。
本发明在以Python进行的计算语言环境中使用“Canny边缘检测”算法,以便提取在捕获到的岩石图像中观察到的边缘轮廓对比。
提供边缘轮廓对比的图像处理很重要,因为所述图像处理突出了能够允许识别纹理和结构图案的不均匀性(图1)。这些变化表示岩相变化,并且有助于图像岩相的解释。
边缘对比也可以表示兆至千兆孔或伪影(图2)。
图像质量是至关重要的,以便边缘对比表示纹理和结构变化,强调图像剖面图、断层扫描图像或证据照片、侧向样本、以及薄切片中呈现的特征(图3)。因此,所产生的产品可以有助于图像岩相的表征并且有助于岩石×剖面图相关性。
用于执行岩石×剖面图相关性的方法
用于根据高分辨率图像剖面图确定岩相的方法包括以下步骤:
a)获取计算机断层扫描并且生成断层扫描剖面图;
b)在井中获取的数据以井的深度作为参考,井的深度是通过测量线缆在其进入井和离开井时的长度来确定的。这借助于靠近剖析单元的线缆旋转测量来实现。然而,由于线缆的拉伸能力以及工具与井壁粗糙度的相互作用,所记录的深度可能不是真实深度。第一次剖析运行的深度被认为是参考,因为线缆变形较小。因此,剖面图的深度调整必须通过实验室中测量的岩心自然伽马曲线与第一次剖析运行的参考伽马射线曲线之间的相关性来执行;
c)由于图像剖面图的分辨率大于曲线伽马射线的分辨率,并且图像剖面图可能具有伪影,因此在处理图像剖面图之后,可能有必要执行图像剖面图的深度细微调整。该深度的细微调整通过在图像剖面图和断层扫描剖面图或证据中观察到的纹理和地质表面的相关性来执行(图4);
d)除了证据之外,侧向样本与关于岩石的直接信息的另一来源相对应。侧向样本取自预先设定的深度。由于操作问题,样品并不总是取自精确预测的深度。通过侧向岩石采样留下的腔在图像剖面图中很好确定。为此,可以执行侧向样本的重新定位,并且精确地指示侧向样本所取自的深度。执行该侧向样本的重新定位是非常重要的;
e)与对薄片进行的描述相结合,对先前描述的岩相进行校准以及(在必要时)对证据进行(重新)描述。从该阶段起,对由本发明中开发的脚本提供的结果的使用为用于确定图像岩相的方法增加价值;
f)解释声学图像剖面图中的岩相(图像岩相);
g)对关于未证明和未采样的间隔(即侧向样本之间的间隔)的深度的图像岩相进行外推。
如果不存在可用的断层扫描剖面图,则过程从伽马射线剖面图(图像)和岩心自然伽马曲线(证据)的深度调整开始。如果不存在证据,则过程以侧向样本的重新定位开始,该过程通过对由探测器测量的深度进行调整以及在图像剖面图上观察到的痕迹来执行,所述痕迹用作参考(图5)。侧向样本的深度调整的结果并不总是可靠的,因为对于同一深度,可能存在用于收集侧向样本(剖析报告中指示的信息)的若干次尝试。兆至千兆孔(如孔洞)、断裂和/或破裂)的存在增加了关于样品的正确位置的不确定性。用于增加重新定位侧向样本的准确性的一种方法是使基础岩石物理数据(孔隙度和渗透率)与具有在图像剖面图中观察到的痕迹的其他剖面图例如磁共振和中子剖面图相关。在重新定位样本之后,基础岩石物理数据还必须具有其调整后的深度。
在对不同岩相的纹理图案进行校准之后,考虑到成岩作用,将图像岩相外推至整个井。该校准通过岩石数据与不同岩性的图像剖面图之间的纹理和结构比较来执行。存在与以下区域相关联的较大不确定性:不存在岩芯的区域,存在关于侧向样本的描述的疑问的区域,成岩作用消除了对岩石的原始识别的区域,以及伪影和图像剖面图质量损害了对图像岩相的定义的区域。值得注意的是,除了利用岩石数据对图像剖面图进行校准之外,与其他剖面图诸如例如密度、中子、声波、卡尺、光电因子、电阻率、磁共振、光谱伽马射线和岩石地球化学等的剖面图的整合分析有助于对图像岩相进行表征。侧向样本的描述为岩相的解释和外推提供了更大的可靠性。
图像中轮廓对比的提取
编程代码库中可用的“Canny边缘检测”算法旨在通过以下操作提取图像中观察到的轮廓对比:
1)通过应用5×5高斯滤波器来降低噪声。
一旦“Canny边缘检测”算法可能在图像中产生噪声,就有必要通过应用高斯滤波器(1)去除噪声。该滤波器的作用是使图像平滑,以及然后去除噪声和细节。
等式1表示一维的高斯函数,在该函数中,G(x)对应于x的值的高斯分布,ρ对应于x的值的标准偏差(使得ρ>0),并且x对应于n个值的集合(使得-∞<x<∞)。
2)计算图像强度梯度。
对平滑后的图像就其在水平Gx方向和竖直Gy方向上的强度进行进一步分析。强度梯度(边缘梯度)是从对针对图像中的每个像素应用索贝核(Sobel Kernel)滤波器计算出的,从而得到从亮到暗的最大变化的方向以及在该方向上的变化量。梯度方向始终垂直于边缘,并被舍入为表示水平、竖直和两个对角线方向的四个角度之一。因此,图像强度梯度具有幅值(2)和方向(3)。
等式2表示图像强度梯度的幅值G,幅值G根据图像在水平Gx方向和在竖直Gy方向上的强度计算。
等式3表示图像的强度梯度的θ方向。
3)消除与真边缘不对应的像素。
在获得梯度的幅值和方向之后,执行完整的图像分析,以便去除不构成边缘的像素。评估每个像素是否构成了相对于其梯度方向上的近邻的局部最大值。
在图6中,点A对应于竖直方向上的边缘,其中,梯度方向与该边缘垂直。点B和点C处于梯度方向上。将点A与点B和点C进行比较,以便验证点A是否对应于局部最大值。如果它匹配,则点A被认为是边缘,并且继续进入下一阶段。否则,点A将被抑制(归零值)。所产生的产品是具有所检测到的边缘的二值图像。
4)迟滞限制。
该步骤限定了哪些先前选择的边缘是真正的边缘而哪些是假阳性的。为此,有必要插入两个参数,所述参数将构成下限和上限。具有大于上限的强度梯度值的像素被认为属于真边缘,而具有小于下限的值的那些像素不被认为是边缘并被丢弃。具有中间值的像素将根据其与相邻像素的连接进行分析。如果该像素与真边缘像素有连接,则该像素将被认为是边缘。如果该像素未被连接,则它将被丢弃。
在图7中,边缘的部分A在上限以上,所以边缘的部分A被认为是真边缘。虽然部分C在下限与上限之间,但是部分C与部分A的连接使得它能够被认为是真边缘。部分B,尽管其具有接近于C的值的值,但是部分B不具有与任何真边缘的连接,所以被丢弃。
在OpenCV库中可用的“Canny边缘检测”算法和所开发的脚本
“Canny边缘检测”算法存在于OpenCV库中,该库用于Python编程软件。通过“Canny边缘检测”算法中的个性化参数化,我们试图提取在图像中观察到的边缘轮廓对比(即图像剖面图、断层扫描图像或证据照片、侧向样本、薄切片)。目的是突出纹理和结构变化,以帮助解释图像岩相。
所开发的脚本在其最新版本中允许顺序地处理井的图像,只要遵守特定条件例如格式(*.PNG)和文件名的标准化。在导入之后,可以根据井的图像的以DPI为单位的分辨率、以像素和/或英寸为单位的高度和宽度来对井的图像进行分析,以及使其对于索贝核滤波器应用可用。该滤波器旨在通过消除噪声使图像平滑。可以绘制所生成的图像以及修改色度。
随后,由用户限定用于检测边缘对比的上限和下限,以便增强图像中的纹理和结构变化。相同的限制可以应用于所有导入的图像,或者用户可以为每种情况指定最合适的值。在限定上限和下限之后,可以仅将脚本激活一次以产生所有的产品。
所检测到的边缘的图像可以单独查看,也可以叠加在原始图像上(交叠图像)上查看。为了量化信息,将所检测到的边缘密度的数据以*.txt文件导出,并且将该数据的图以*.PNG格式导出。
因此,通过脚本产生的产品是边缘图像、交叠图像、边缘密度图像和以*.txt格式的文件(图8)。
结果
链接的图像剖面图×证据通过调整关于岩心自然伽马曲线的证据深度以及在声学图像剖面图和/或电阻图像剖面图中观察到的纹理和结构变化来执行。根据证据中描述的岩相,可以在图像剖面图和断层扫描图像中观察到的纹理、结构与振幅之间执行校准,这将有助于确定图像岩相。当将该信息与来自其他剖面图、岩相学切片描述和实验室岩石物理结果的数据整合时,可能有必要对关于数据库中描述的内容的岩相进行重新解释。
叠层岩有圆锥形状、圆顶形状和/或纹层状形状。在图像剖面图中,叠层岩可能呈现由小元素形成的滑坡。低振幅(孔隙度)的区域可以沿着由这些滑坡确定的优选路径,这对应于元素的生长水平(图9A)。另一方面,空穴孔隙随机出现并且具有明显更混乱的内部排列(图9B),除非它们是由于溶解处理导致的元素间孔隙增加的结果,并且将示出叠层岩的几何形状。
球晶石具有细微的粒状图案,在存在强的胶结作用和/或黏合作用的情况下,粒状图案会消失。通常,在图像剖面图中,当成岩作用活跃时以及当球晶石具有在工具的分辨率以下的尺寸时,球晶石倾向于呈现纹层状结构或更均匀的方面。球晶石通常具有非常细微的粒状纹理或细微纹理。与纹层岩岩相的区别并不总是明显的。
纹层岩倾向于具有连续的滑坡。纹层岩的识别在很大程度上取决于岩石×剖面图相关性。作为粘土纹层岩和球晶石的成分存在的碳酸盐污泥可以消除孔和颗粒,使得它们难以区分。在这些情况下,由于呈现了不同的阻抗响应的硅碎屑材料和碳酸盐材料的存在,在纹层岩中能够相对更好地标记对比。在声学图像剖面图中,纹层岩的特征在于嵌入具有振幅对比、具有早期分层或者甚至不存在分层(由于滑坡的厚度在工具分辨率以下)的层。原位沉积物可以相互散布的出现或者以再沉积的岩相出现(图10)。
再沉积的岩相(砾屑灰岩、浮石和颗粒灰岩)主要具有具有低振幅(图11A)或高振幅的粒状纹理。低振幅指示粗糙和多孔的壁。较大振幅的层和岩球对应于致密层(即胶结或硅化的层)。具有非常粗糙的、粒度测定法测定的颗粒的砾屑灰岩具有清晰的粒状纹理(图11B)。具有薄颗粒灰岩基质的浮石可以呈现与砾屑灰岩类似的响应(图11C)。颗粒灰岩呈现了比砾屑灰岩相对更离散的粒状纹理。然而,这些岩相之间的区别并不总是明显的,特别是当剖面图分辨率低时,或者当成岩作用生效,消除了岩石的原始纹理时。再沉积的沉积物可能具有纹层状、成层的或块状的结构。例如,成层的颗粒灰岩的出现其特征在于存在由于粒度测定变化而形成具有振幅对比的层。包括较粗糙和较多多孔颗粒的层具有低振幅。包括更细微颗粒和更封闭(孔隙更少)的层呈现高振幅(图11D)。
碳酸角砾岩与暴露、风化和侵蚀有关联。这些过程倾向于消除造成岩相的形式。通过热液流体进入的二氧化硅也使预先存在的沉积物变形并造成角砾岩,在声学图像剖面图中产生高振幅响应。角砾岩呈现混乱的纹理,这可能会或者可能不会保留岩石的原始分层。当有可能在证据中限定岩石原岩时,可以将其合并至分类(例如,具有角砾岩的砾屑灰岩)中。当不可能时,则使用角砾岩分类。晶粒灰岩、白云岩和硅石岩也与成岩作用的处理有关,这些成岩作用的处理倾向于消除过去的岩石结构。当存在利用岩石以及利用其他剖面图特别是光电因子(PE)和岩石地球化学剖面图进行校准时,就可以解释图像岩相。
Claims (17)
1.一种用于处理图像的计算脚本,其特征在于,所述计算脚本使用Canny边缘检测算法,所述Canny边缘检测算法包括以下操作:
a.通过应用5×5高斯滤波器来降低噪声;
b.计算图像强度梯度;
c.消除与真边缘不对应的像素;以及
d.限制迟滞。
2.根据权利要求1所述的用于处理图像的计算脚本,其特征在于,所述计算脚本通过定制化参数化来使用所述Canny边缘检测算法。
3.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所述计算脚本提取在所述图像中观察到的边缘轮廓对比,所述图像例如图像剖面图、断层扫描图像或证据照片、侧向样本、以及薄切片。
4.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所述计算脚本突出所述图像的纹理和结构变化,以帮助解释岩相图像。
5.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,用于检测边缘对比的上限和下限由用户限定,以突出所述图像的纹理和结构变化。
6.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所述计算脚本使得能够从所述图像中去除伪影,特别是工具痕迹。
7.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所检测到的边缘的图像能够单独查看,也能够叠加在原始图像(交叠图像)上查看。
8.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所述计算脚本使得能够顺序地处理井的图像(*.PNG),根据所述井的图像的以DPI为单位的分辨率、以像素和/或英寸为单位的高度和宽度来分析所述井的图像。
9.根据权利要求2所述的用于处理图像的计算脚本,其特征在于,所检测到的边缘密度的数据以*.txt文件导出,并且这些数据的图以*.PNG格式导出。
10.一种用于根据高分辨率图像剖面图确定岩相的方法,所述方法使用权利要求1和2中限定的所述脚本,其特征在于,所述方法包括以下步骤:
a)获取计算机断层扫描并且生成断层扫描剖面图;
b)通过实验室中测量的岩心自然伽马曲线与第一次剖析运行的参考伽马射线曲线之间的相关性来调整所述剖面图深度;
c)利用在所述图像剖面图和在所述断层扫描剖面图或证据中观察到的纹理和地质表面的相关性来对所述深度进行细微调整。
d)对侧向样本进行重新定位;
e)对先前描述的岩相进行校准以及与薄切片的描述相结合对证据进行(重新)描述(在必要时);
f)在确定岩相图像的所述方法中使用由权利要求1中限定的脚本提供的结果;
g)解释声学图像剖面图中的岩相(图像岩相);
h)对关于未证明和未采样的间隔即侧向样本之间的间隔的深度的图像岩相进行外推。
11.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,所述方法在没有所述步骤a的情况下从对所述伽马射线剖面图(图像)和所述岩心自然伽马(证据)进行深度调整开始。
12.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,通过对由探测器测量的深度进行调整以及在所述图像剖面图中观察到的痕迹来执行对所述侧向样本的重新定位。该阶段在没有证据的情况下开始。
13.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,通过使基础岩石物理数据(孔隙度和渗透率)与具有在所述图像剖面图中观察到的所述痕迹的其他剖面图例如磁共振和中子剖面图相关,能够增加所述侧向样本重新定位的准确性。
14.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,在对不同岩相的纹理图案进行校准之后,能够将所述图像岩相外推至整个井。
15.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,除了利用岩石数据对所述图像剖面图进行校准之外,与所述其他剖面图的整合分析有助于对所述图像岩相进行表征。
16.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,所述其他剖面图能够是密度、中子、声波、卡尺、光电因子、电阻率、磁共振、光谱伽马射线和岩石地球化学剖面图。
17.根据权利要求10所述的用于根据高分辨率图像剖面图确定岩相的方法,其特征在于,在所述操作b中,针对每个图像像素,应用索贝核滤波器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BR102020012943-0A BR102020012943A2 (pt) | 2020-06-24 | 2020-06-24 | Script computacional para tratamento de imagens e sua aplicação em método para determinação de image fáceis |
BRBR1020200129430 | 2020-06-24 | ||
PCT/BR2021/050259 WO2021258170A1 (pt) | 2020-06-24 | 2021-06-15 | Script computacional para tratamento de imagens e sua aplicação em método para determinação de imagens fáceis |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116368286A true CN116368286A (zh) | 2023-06-30 |
Family
ID=79282328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180051753.3A Pending CN116368286A (zh) | 2020-06-24 | 2021-06-15 | 处理图像的计算机脚本及其在岩相图像确定方法中的使用 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230260090A1 (zh) |
CN (1) | CN116368286A (zh) |
AU (1) | AU2021297552A1 (zh) |
BR (1) | BR102020012943A2 (zh) |
CA (1) | CA3182779A1 (zh) |
MX (1) | MX2022016160A (zh) |
WO (1) | WO2021258170A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115407046B (zh) * | 2022-08-05 | 2024-04-16 | 西南石油大学 | 基于岩石细观结构与等效石英含量的研磨性综合表征方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8145677B2 (en) * | 2007-03-27 | 2012-03-27 | Faleh Jassem Al-Shameri | Automated generation of metadata for mining image and text data |
BRPI0902889A2 (pt) * | 2008-04-10 | 2017-08-29 | Prad Res & Development Ltd | Método para criar um modelo de pseudonúcleo numérico, sistema para criação de um modelo de pseudonúcleo numérico, e sistema para criar um modelo de pseudonúcleo numérico. |
US8116532B2 (en) * | 2008-08-15 | 2012-02-14 | Baker Hughes Incorporated | Extraction of processed borehole image elements to create a combined image |
CN101950359B (zh) * | 2010-10-08 | 2012-10-31 | 北京东方奔腾信息技术有限公司 | 一种岩石种类的识别方法 |
US9219886B2 (en) * | 2012-12-17 | 2015-12-22 | Emerson Electric Co. | Method and apparatus for analyzing image data generated during underground boring or inspection activities |
GB2511744B (en) * | 2013-03-11 | 2020-05-20 | Reeves Wireline Tech Ltd | Methods of and apparatuses for identifying geological characteristics in boreholes |
-
2020
- 2020-06-24 BR BR102020012943-0A patent/BR102020012943A2/pt unknown
-
2021
- 2021-06-15 CA CA3182779A patent/CA3182779A1/en active Pending
- 2021-06-15 US US18/012,454 patent/US20230260090A1/en active Pending
- 2021-06-15 WO PCT/BR2021/050259 patent/WO2021258170A1/pt active Application Filing
- 2021-06-15 MX MX2022016160A patent/MX2022016160A/es unknown
- 2021-06-15 AU AU2021297552A patent/AU2021297552A1/en active Pending
- 2021-06-15 CN CN202180051753.3A patent/CN116368286A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230260090A1 (en) | 2023-08-17 |
MX2022016160A (es) | 2023-04-05 |
AU2021297552A2 (en) | 2023-03-16 |
CA3182779A1 (en) | 2021-12-30 |
AU2021297552A1 (en) | 2023-03-02 |
BR102020012943A2 (pt) | 2022-01-04 |
WO2021258170A1 (pt) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9939548B2 (en) | Systems, methods, and computer medium to produce efficient, consistent, and high-confidence image-based electrofacies analysis in stratigraphic interpretations across multiple wells | |
US7869565B2 (en) | Classification method for sedimentary rocks | |
US10466386B2 (en) | Methods for determining a saturation-height function in oil and gas reservoirs | |
AU2012336274B2 (en) | Wavelet-transform based system and method for analyzing characteristics of a geological formation | |
US10755427B2 (en) | Methods and systems for automatically analyzing an image representative of a formation | |
Yamada et al. | Revisiting porosity analysis from electrical borehole images: integration of advanced texture and porosity analysis | |
US6052651A (en) | Statistical method of classifying events linked with the physical properties of a complex medium such as the subsoil | |
Salifou et al. | New vuggy porosity models-based interpretation methodology for reliable pore system characterization, Ordovician carbonate reservoirs in Tahe Oilfield, North Tarim Basin | |
US10502858B2 (en) | Method and system for formation texture and rock type identification | |
CA2695638A1 (en) | Automated borehole image interpretation | |
Delhomme | A quantitative characterization of formation heterogeneities based on borehole image analysis | |
KR101324285B1 (ko) | 물리 검층 데이터의 모델링 방법 | |
US20220120933A1 (en) | Method of detection of hydrocarbon horizontal slippage passages | |
CN116368286A (zh) | 处理图像的计算机脚本及其在岩相图像确定方法中的使用 | |
Linek et al. | Rock classification based on resistivity patterns in electrical borehole wall images | |
Chai et al. | Automatic discrimination of sedimentary facies and lithologies in reef-bank reservoirs using borehole image logs | |
Teran et al. | High-Resolution Facies Prediction by Means of Integrating Dip Quality Index and Texture Analysis from Resistivity Borehole Images Logs in a Pre-Salt Complex Carbonate Reservoir Located in a Brazilian Field | |
Belila et al. | Petrophysical characterization of coquinas from Morro do Chaves Formation (Sergipe-Alagoas Basin) by X-ray computed tomography | |
Noufal et al. | New Borehole Image Log Based Technique for Pore System Characterization Predicts Productive Intervals in a Tight Carbonate Reservoir in Abu Dhabi | |
Tyagi et al. | Porosity analysis using borehole electrical images in carbonate reservoirs | |
Galli et al. | Smart Processing and Analysis of Image Log Data: A Digital Approach for A Robust Facies Modelling in Heterogeneous Carbonate Reservoirs | |
Serra et al. | True integrated interpretation | |
Noufal et al. | Novel Approach for Porosity Quantification in Carbonates Using Borehole Images | |
Parashar et al. | A Novel Machine-Assisted Technique for Extracting Multiscale Vugs and Fractures in Heterogeneous Carbonates Sequence | |
US20240176042A1 (en) | Methods for diagenetic rock facies classification and nodular evaporite deposit characterization |
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 |