CN116660263A - 一种基于数字图像处理的注浆效果评价方法 - Google Patents
一种基于数字图像处理的注浆效果评价方法 Download PDFInfo
- Publication number
- CN116660263A CN116660263A CN202310646071.8A CN202310646071A CN116660263A CN 116660263 A CN116660263 A CN 116660263A CN 202310646071 A CN202310646071 A CN 202310646071A CN 116660263 A CN116660263 A CN 116660263A
- Authority
- CN
- China
- Prior art keywords
- image
- grouting
- area
- fracture
- region
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 208000008918 voyeurism Diseases 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000005553 drilling Methods 0.000 claims abstract description 26
- 238000003709 image segmentation Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims description 34
- 238000007596 consolidation process Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 7
- 238000003707 image sharpening Methods 0.000 claims description 6
- 238000003706 image smoothing Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 244000144985 peep Species 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims description 3
- 239000003245 coal Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/0846—Investigating permeability, pore-volume, or surface area of porous materials by use of radiation, e.g. transmitted or reflected light
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Dispersion Chemistry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于数字图像处理的注浆效果评价方法,在注浆区域内垂直打设窥视孔,再使用钻孔窥视仪进行窥视观测,采集得到钻孔窥视图像;对钻孔窥视图像进行数字化处理;进行图像灰度化处理,得到钻孔窥视图像灰度直方图;对图像分割特征情况进行判断,若明显则直接获取灰度图中的裂隙区域、注浆区域对应的像素值,若不明显,先对原图像进行处理,再获取灰度图中的裂隙区域、注浆区域对应的像素值;对钻孔窥视图的灰度图像进行图像分割处理,得到裂隙区域的图像和注浆区域的图像;计算分离出的裂隙区域面积、注浆区域面积,并得到裂隙注浆封堵固结比例,再根据裂隙注浆封堵固结比例定量描述注浆效果。该方法评价参数可定量描述,能显著提高评价的精确性。
Description
技术领域
本发明属于注浆效果评价技术领域,具体涉及一种基于数字图像处理的注浆效果评价方法。
背景技术
近年来,随着煤矿相继进入深部开采阶段,面临的水文地质环境变得更加复杂,为了有效提高煤矿生产作业的安全性,注浆技术在煤矿开采中得到了广泛应用。如注浆加固(工作面煤壁加固、煤柱加固、巷道锚固注浆、巷道破碎顶板注浆)及水害防治等方面。注浆是解决巷道破碎围岩稳定性问题和治理富水破碎带最有效快捷的工程措施之一,注浆效果的好坏直接决定了改善围岩的整体性和承载能力和水害防治的效果。目前,关于注浆效果的评价方法主要通过间接参数的方式来评价,如出水情况、地质雷达勘查结果对比等方式,这些方法存在人工成本和评价费用较高、评价周期较长等一系列问题。
钻孔窥视是检测地层结构和围岩状态的常用方法,其一般先通过垂直于岩层的角度进行施工钻孔,再利用钻孔窥视仪对钻孔的内部进行拍照或者录像形成钻孔窥视图等影像资料,然后人工通过图像直接对注浆封堵固结的效果进行判断。目前,对钻孔的影像资料分析主要是通过肉眼直接进行粗略的分析和判断,尚无定量描述的方法。因此,为解决现有技术方法评价注浆效果存在的问题,亟需提供一种数字图像处理的注浆效果评价方法,以能定量化地对注浆效果进行评价分析。
发明内容
针对上述现有技术存在的问题,本发明提供一种基于数字图像处理的注浆效果评价方法,该方法操作过程简单、评价结果可靠、评价参数可定量描述、评价周期较短,并能显著提高注浆效果评价的精确性,同时,还能便于作业人员直接对注浆封堵固结效果进行观测。
本发明提供了一种基于数字图像处理的注浆效果评价方法,包括以下步骤:
步骤一:采集现场数据,先在注浆区域内随机选取位置垂直打设窥视孔,再使用钻孔窥视仪进行裂隙及注浆固结情况的窥视观测,并采集得到彩色的钻孔窥视图像;
步骤二:利用图像处理器对钻孔窥视图像进行数字化处理,获得数字化的图像f(x,y);
步骤三:先对数字化的图像f(x,y)进行图像灰度化处理,并根据公式(1)计算出灰度图像的灰度值Y,再根据公式(2)获得灰度级出现的相对频数p(rk),然后得到钻孔窥视图像灰度直方图;
Y=0.299*R+0.587*G+0.114*B (1);
式中,R、G、B分别表示彩色图像的三个分量向量的值;
式中,rk表示第k个灰度级,nk表示该灰度级的像素数,N为图像的总像素数;
步骤四:分析灰度直方图中灰度分布情况,对图像分割特征情况进行判断;若图像分割特征明显则直接获取灰度图中的裂隙区域、注浆区域对应的像素值;若图像分割特征不明显,先对裂隙区域和注浆区域分割特征不明显的原图像进行图像增强、图像平滑和图像锐化处理,再获取灰度图中的裂隙区域、注浆区域对应的像素值;
所述图像增强处理方法如下:
根据公式(3)将选取裂隙区域和注浆区域所在灰度值映射成一个新的输出值g(x,y);
g(x,y)=T[f(x,y)] (3);
式中,T表示一个灰度级变换函数;
步骤五:对钻孔窥视图的灰度图像进行图像分割处理,从钻孔窥视图像中分离出裂隙区域的图像和裂隙中注浆区域的图像;
步骤六:根据公式(4)计算分离出的裂隙区域面积A1,根据公式(5)计算分离出的注浆区域面积A2;
式中,g(x,y)′表示分割处理后的裂缝区域图像,g(x,y)″表示分割处理后的注浆区域图像;
步骤七:将求得的注浆区域面积A2除以裂隙区域面积A1,得到裂隙注浆封堵固结比例,再根据裂隙注浆封堵固结比例定量描述注浆效果。
进一步,为了方便后续的灰度化处理过程,在步骤二中数字化处理方法如下:
将空间位置和光强变化都是连续的图像的连续信号转变为离散数字信号,即将图像f(x,y)离散化为每行有包含不同明暗信息的M个像素,每列有包含不同明暗信息的N个像素的像素矩阵。
进一步,为了使图像的分割特征更明显,在步骤四中的图像平滑处理方法为对图像进行滤波处理。
进一步,为了使图像的分割特征更明显,在步骤四中的图像锐化平滑处理方法为对图像进行边缘检测。
进一步,为了准确地对注浆封堵效果进行评价,在步骤七中,当裂隙注浆封堵固结比例大于等于80%时,注浆效果理想;当裂隙注浆封堵固结比例小于80%时,注浆效果不理想,需要重新进行注浆作业。
进一步,为了准确快速地对图像进行分割处理,在步骤四中,对图像分割特征情况的判断方法如下:
当灰度直方图中能表现出明显的波峰波谷,且能选择出灰度值作为阈值时,判定分割特征明显,否则判定为分割特征不明显。
在步骤五中,采用阈值分割的方式来对裂隙区域图像进行分割处理,具体地,选取裂隙区域与围岩像素值中的一个值作为阈值,大于阈值的像素点设置为1,小于阈值的像素点设置为0,即可得到裂缝区域的二值图像;采用区域生长的方式来对注浆区域图像进行分割处理,具体地,选取注浆区域一个像素作为种子点,确定该区域的像素值的差的绝对值最大值作为阈值,确定生长准则,进行图像迭代,即可得到注浆区域的二值图像。
本发明提供的基于图像处理的注浆效果评价方法,先将获取的钻孔窥视图转化为灰度直方图,再依据灰度分布情况对图像的分割特征进行判断,在分割特征明显的情况下从钻孔窥视图像分离出裂隙图像和注浆区域的图像,然后通过注浆区域面积和裂隙区域面积的比值得到裂隙注浆封堵固结比例,利用裂隙注浆封堵固结比例便可以定量化地对注浆效果进行评价,可显著提高注浆效果评价的精确性,并有效解决了现有技术不能定量化地对注浆效果进行评价分析的问题。在数字化处理过程中,利用图像处理器中对钻孔窥视图像进行处理,可以有效提高注浆效果评价效率,并有利于节省人力物力。在分割特征不明显的情况下,对不同区域采用不同的灰度级变换得到对应区域的放大或缩小截断区间,从而能使分割特征更明显,以利于后续的分割操作和面积求和操作,极大的提高了注浆效果评价的精确性。该方法操作过程简单、评价结果可靠、评价参数可定量描述、评价周期较短,并能显著提高注浆效果评价的精确性,同时,还能便于作业人员直接对注浆封堵固结效果进行观测。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,本发明提供了一种基于数字图像处理的注浆效果评价方法,包括以下步骤:
步骤一:采集现场数据,先在注浆区域内随机选取位置垂直打设窥视孔,再使用钻孔窥视仪进行裂隙及注浆固结情况的窥视观测,并采集得到彩色的钻孔窥视图像;
彩色的钻孔窥视图像中每个像素值为包含三个分量的向量,分别组成该色彩的RGB值;
步骤二:利用图像处理器对钻孔窥视图像进行数字化处理,获得数字化的图像f(x,y);
步骤三:先对数字化的图像f(x,y)进行图像灰度化处理,并根据公式(1)计算出灰度图像的灰度值Y,再根据公式(2)获得灰度级出现的相对频数p(rk),然后得到钻孔窥视图像灰度直方图;
其中,灰度化是用像素点的亮度值作为像素值,亮度值通过公式(1)中的颜色模型来计算;
Y=0.299*R+0.587*G+0.114*B (1);
式中,R、G、B分别表示彩色图像的三个分量向量的值;
式中,rk表示第k个灰度级,nk表示该灰度级的像素数,N为图像的总像素数;
步骤四:分析灰度分布情况,对图像分割特征情况进行判断;若图像分割特征明显则直接获取灰度图中的裂隙区域、注浆区域对应的像素值;若图像分割特征不明显,先对裂隙区域和注浆区域分割特征不明显的原图像进行图像增强、图像平滑和图像锐化处理,再获取灰度图中的裂隙区域、注浆区域对应的像素值;
其中,对于灰度图中的裂隙区域、注浆区域对应的像素值,可以通过人机交互的方法在图像查看器中查看相关区域像素值的方式来获取;
为了使图像的分割特征更明显,图像增强处理主要采用灰度级变换,灰度级变换是借助函数的变化将选择的裂隙区域和注浆区域所在灰度值映射成一个新的输出值,具体地,所述图像增强处理方法如下:
根据公式(3)将选取裂隙区域和注浆区域所在灰度值映射成一个新的输出值g(x,y);
g(x,y)=T[f(x,y)] (3);
式中,T表示一个灰度级变换函数;
步骤五:对钻孔窥视图的灰度图像进行图像分割处理,从钻孔窥视图像中分离出裂隙区域的图像和裂隙中注浆区域的图像;
作为一种优选,采用阈值分割的方式来对裂隙区域图像进行分割处理,具体地,选取裂隙区域与围岩像素值中的一个值作为阈值,大于阈值的像素点设置为1,小于阈值的像素点设置为0,即可得到裂缝区域的二值图像;
作为一种优选,采用区域生长的方式来对注浆区域图像进行分割处理,具体地,选取注浆区域一个像素作为种子点,确定该区域的像素值的差的绝对值最大值作为阈值,确定生长准则,进行图像迭代,即可得到注浆区域的二值图像;
步骤六:区域面积求解通常采用统计边界内部的像素的数目的方法来计算;对于二值图像,若用1表示物体,0表示背景,其面积就是统计g(x,y)=1的个数;
根据公式(4)计算分离出的裂隙区域面积A1,根据公式(5)计算分离出的注浆区域面积A2;
式中,g(x,y)′表示分割处理后的裂缝区域图像,g(x,y)″表示分割处理后的注浆区域图像;
步骤七:将求得的注浆区域面积A2除以裂隙区域面积A1,得到裂隙注浆封堵固结比例,再根据裂隙注浆封堵固结比例定量描述注浆效果。
为了方便后续的灰度化处理过程,在步骤二中数字化处理方法如下:
将空间位置和光强变化都是连续的图像的连续信号转变为离散数字信号,即将图像f(x,y)离散化为每行有包含不同明暗信息的M个像素,每列有包含不同明暗信息的N个像素的像素矩阵。
其中,图像f(x,y)的图像大小为M*N个像素,不同明暗信息采用0~255的值来描述从黑到白的亮度值。
作为一种优选,当灰度级变换为窗口线性变换时,T函数表达如公式(6)所示;
式中,a,b分别为原图像中灰度级的两个端点灰度值;c,d分别为处理后图像与原始图像a,b对应的灰度值;
为了使图像的分割特征更明显,在步骤四中的图像平滑处理方法为对图像进行滤波处理。
为了使图像的分割特征更明显,在步骤四中的图像锐化平滑处理方法为对图像进行边缘检测。
为了准确地对注浆封堵效果进行评价,在步骤七中,将裂隙注浆封堵固结比例与以往工程实例中的历史数据进行对比分析,对注浆效果进行评价;当裂隙注浆封堵固结比例大于等于80%时,注浆效果理想;当裂隙注浆封堵固结比例小于80%时,注浆效果不理想,需要重新进行注浆作业。
为了准确快速地对图像进行分割处理,在步骤四中,对图像分割特征情况的判断方法如下:
当灰度直方图中能表现出明显的波峰波谷,且能选择出合适位置的灰度值作为阈值时,判定分割特征明显,否则判定为分割特征不明显。
本发明提供的基于图像处理的注浆效果评价方法,先将获取的钻孔窥视图转化为灰度直方图,再依据灰度分布情况对图像的分割特征进行判断,在分割特征明显的情况下从钻孔窥视图像分离出裂隙图像和注浆区域的图像,然后通过注浆区域面积和裂隙区域面积的比值得到裂隙注浆封堵固结比例,利用裂隙注浆封堵固结比例便可以定量化地对注浆效果进行评价,可显著提高注浆效果评价的精确性,并有效解决了现有技术不能定量化地对注浆效果进行评价分析的问题。在数字化处理过程中,利用图像处理器中对钻孔窥视图像进行处理,可以有效提高注浆效果评价效率,并有利于节省人力物力。在分割特征不明显的情况下,对不同区域采用不同的灰度级变换得到对应区域的放大或缩小截断区间,从而能使分割特征更明显,以利于后续的分割操作和面积求和操作,极大的提高了注浆效果评价的精确性。该方法操作过程简单、评价结果可靠、评价参数可定量描述、评价周期较短,并能显著提高注浆效果评价的精确性,同时,还能便于作业人员直接对注浆封堵固结效果进行观测。
Claims (7)
1.一种基于数字图像处理的注浆效果评价方法,其特征在于,包括以下步骤:
步骤一:采集现场数据,先在注浆区域内随机选取位置垂直打设窥视孔,再使用钻孔窥视仪进行裂隙及注浆固结情况的窥视观测,并采集得到彩色的钻孔窥视图像;
步骤二:利用图像处理器对钻孔窥视图像进行数字化处理,获得数字化的图像f(x,y);
步骤三:先对数字化的图像f(x,y)进行图像灰度化处理,并根据公式(1)计算出灰度图像的灰度值Y,再根据公式(2)获得灰度级出现的相对频数p(rk),然后得到钻孔窥视图像灰度直方图;
Y=0.299*R+0.587*G+0.114*B (1);
式中,R、G、B分别表示彩色图像的三个分量向量的值;
式中,rk表示第k个灰度级,nk表示该灰度级的像素数,N为图像的总像素数;
步骤四:分析灰度直方图中灰度分布情况,对图像分割特征情况进行判断;若图像分割特征明显则直接获取灰度图中的裂隙区域、注浆区域对应的像素值;若图像分割特征不明显,先对裂隙区域和注浆区域分割特征不明显的原图像进行图像增强、图像平滑和图像锐化处理,再获取灰度图中的裂隙区域、注浆区域对应的像素值;
所述图像增强处理方法如下:
根据公式(3)将选取裂隙区域和注浆区域所在灰度值映射成一个新的输出值g(x,y);
g(x,y)=T[f(x,y)] (3);
式中,T表示一个灰度级变换函数;
步骤五:对钻孔窥视图的灰度图像进行图像分割处理,从钻孔窥视图像中分离出裂隙区域的图像和裂隙中注浆区域的图像;
步骤六:根据公式(4)计算分离出的裂隙区域面积A1,根据公式(5)计算分离出的注浆区域面积A2;
式中,g(x,y)′表示分割处理后的裂缝区域图像,g(x,y)″表示分割处理后的注浆区域图像;
步骤七:将求得的注浆区域面积A2除以裂隙区域面积A1,得到裂隙注浆封堵固结比例,再根据裂隙注浆封堵固结比例定量描述注浆效果。
2.根据权利要求1所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤二中数字化处理方法如下:
将空间位置和光强变化都是连续的图像的连续信号转变为离散数字信号,即将图像f(x,y)离散化为每行有包含不同明暗信息的M个像素,每列有包含不同明暗信息的N个像素的像素矩阵。
3.根据权利要求2所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤四中的图像平滑处理方法为对图像进行滤波处理。
4.根据权利要求3所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤四中的图像锐化处理方法为对图像进行边缘检测。
5.根据权利要求4所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤七中,当裂隙注浆封堵固结比例大于等于80%时,注浆效果理想;当裂隙注浆封堵固结比例小于80%时,注浆效果不理想,需要重新进行注浆作业。
6.根据权利要求5所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤四中,对图像分割特征情况的判断方法如下:
当灰度直方图中能表现出明显的波峰波谷,且能选择出灰度值作为阈值时,判定分割特征明显,否则判定为分割特征不明显。
7.根据权利要求6所述的一种基于数字图像处理的注浆效果评价方法,其特征在于,在步骤五中,采用阈值分割的方式来对裂隙区域图像进行分割处理,具体地,选取裂隙区域与围岩像素值中的一个值作为阈值,大于阈值的像素点设置为1,小于阈值的像素点设置为0,即可得到裂缝区域的二值图像;采用区域生长的方式来对注浆区域图像进行分割处理,具体地,选取注浆区域一个像素作为种子点,确定该区域的像素值的差的绝对值最大值作为阈值,确定生长准则,进行图像迭代,即可得到注浆区域的二值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646071.8A CN116660263A (zh) | 2023-06-02 | 2023-06-02 | 一种基于数字图像处理的注浆效果评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646071.8A CN116660263A (zh) | 2023-06-02 | 2023-06-02 | 一种基于数字图像处理的注浆效果评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116660263A true CN116660263A (zh) | 2023-08-29 |
Family
ID=87716728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310646071.8A Pending CN116660263A (zh) | 2023-06-02 | 2023-06-02 | 一种基于数字图像处理的注浆效果评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660263A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858991A (zh) * | 2023-09-04 | 2023-10-10 | 济宁华晟服装股份有限公司 | 一种棉织品退浆处理监测方法 |
-
2023
- 2023-06-02 CN CN202310646071.8A patent/CN116660263A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858991A (zh) * | 2023-09-04 | 2023-10-10 | 济宁华晟服装股份有限公司 | 一种棉织品退浆处理监测方法 |
CN116858991B (zh) * | 2023-09-04 | 2023-12-01 | 济宁华晟服装股份有限公司 | 一种棉织品退浆处理监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047555B (zh) | 基于图像处理技术的矿石图像粒度检测算法 | |
CN110390267B (zh) | 一种基于高分遥感影像的山地景观建筑提取方法和设备 | |
CN102509087B (zh) | 一种基于图像灰度共生矩阵的煤岩识别方法 | |
CN106485223B (zh) | 一种砂岩显微薄片中岩石颗粒的自动识别方法 | |
EP3399143A1 (en) | Method and device for determining dissolution degree of karst reservoir | |
CN116660263A (zh) | 一种基于数字图像处理的注浆效果评价方法 | |
CN108734714B (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
CN108109157B (zh) | 一种基于数字式全景钻孔图像的岩体评估分析方法 | |
CN113222992B (zh) | 基于多重分形谱的裂纹特征表征方法及系统 | |
CA3050922C (en) | Detection and quantification of proppant for optimized fracture treatment design in in-fill and new wells | |
CN116152748A (zh) | 基于蓝藻识别的河湖监管方法及其系统 | |
CN110555373A (zh) | 一种基于图像识别的混凝土振捣质量实时检测方法 | |
CN116524017B (zh) | 一种用于矿山井下检测识别定位系统 | |
CN114219773A (zh) | 一种桥梁裂缝检测数据集预筛选与标定方法 | |
CN106296678A (zh) | 基于钻孔光学成像技术的rqd分析方法 | |
CN116703888B (zh) | 一种钻孔灌注桩施工辅助异常检测方法及其系统 | |
CN113570652B (zh) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 | |
CN110443166A (zh) | 一种雾霾天气的车牌识别方法 | |
CN108376401B (zh) | 一种基于行方差的自动定位gpr信号病害位置方法 | |
CN115079295A (zh) | 砂岩铀矿黄铁矿硫同位素示踪渗出成矿流体的方法 | |
CN111931824B (zh) | 一种基于钻孔返渣图像的煤岩识别方法 | |
CN114152211B (zh) | 一种基于显微图像处理的压裂支撑剂圆度测量方法 | |
Yang et al. | An automatic method for discontinuity recognition in coal-measure strata borehole images | |
CN112215126A (zh) | 一种基于非下采样Contourlet变换的直线目标检测方法及系统 | |
CN112802043B (zh) | 一种基于形状参数的压裂支撑剂球度测量方法 |
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 |