CN117409408B - 层理缝参数获取方法、装置、设备及可读存储介质 - Google Patents
层理缝参数获取方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117409408B CN117409408B CN202311725522.3A CN202311725522A CN117409408B CN 117409408 B CN117409408 B CN 117409408B CN 202311725522 A CN202311725522 A CN 202311725522A CN 117409408 B CN117409408 B CN 117409408B
- Authority
- CN
- China
- Prior art keywords
- image
- pore
- pixel
- binary image
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011148 porous material Substances 0.000 claims abstract description 124
- 238000001000 micrograph Methods 0.000 claims abstract description 78
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
Abstract
本发明涉及图像处理领域,本发明提供一种层理缝参数获取方法、装置、设备及可读存储介质,该方法包括:获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差。本发明通过获取目标层理缝的扫描电镜图像,进一步确定扫描电镜图像对应的二值图像,然后基于二值图像确定目标层理缝的参数之中的孔隙度和比表面积,最后对二值图像对应的图像矩阵进行分水岭分割,得到目标层理缝的参数之中的平均孔隙半径和孔径标准偏差。实现了层理缝参数的准确获取。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种层理缝参数获取方法、装置、设备及可读存储介质。
背景技术
已知陆相页岩含有丰富的油气资源,扫描电镜图像能够揭示深层陆相页岩中层理缝孔隙的复杂结构。现有多使用基于灰度差异的阈值分割算法对层理缝孔隙进行提取,但是,在背散射扫描电镜图像上,层理缝与有机质的灰度值差异较小,分布在有机质附近的层理缝很难通过基于灰度差异的阈值分割进行提取;在二次电子扫描电镜图像上,由于电荷的集中,位于无机矿物附近的层理缝会显示为高亮,也无法通过现有的阈值分割准确识别层理缝的分布范围。
即现有关于定量评价深层陆相页岩层理缝参数的方法具有以下两个方面的缺陷:(1)基于灰度差异的阈值分割方法无法准确提取深层陆相页岩层理缝的分布范围;(2)无法准确获取层理缝的孔隙度、比表面积和孔径分布等参数。
发明内容
本发明提供一种层理缝参数获取方法、装置、设备及可读存储介质,用以解决现有深层陆相页岩层理缝参数获取方法存在的无法准确获取层理缝参数的技术问题。
本发明提供一种层理缝参数获取方法,包括:
获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差。
根据本发明提供的一种层理缝参数获取方法,所述扫描电镜图像包括二次电子扫描电镜图像;所述确定所述扫描电镜图像对应的二值图像包括:
对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像;
合并所述第一层理缝图像和所述第二层理缝图像,确定合并图像对应的二值图像。
根据本发明提供的一种层理缝参数获取方法,所述扫描电镜图像还包括背散射扫描电镜图像;所述对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像包括:
对所述二次电子扫描电镜图像依次进行灰度调整、去噪处理以及裁剪处理,得到有效扫描电镜图像;
基于所述背散射扫描电镜图像对所述有效扫描电镜图像进行识别,得到所述第一层理缝图像和所述第二层理缝图像。
根据本发明提供的一种层理缝参数获取方法,所述基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积包括:
对所述二值图像中所有像素点的像素值进行取反处理,得到孔隙像素值;
基于所述孔隙像素值确定孔隙面积,根据所述二值图像的像素总数和所述孔隙面积,确定所述目标层理缝的孔隙度;
基于所述二值图像对应的边界像素矩阵确定孔隙周长;
根据所述孔隙面积与所述孔隙周长的计算结果,确定所述目标层理缝的比表面积。
根据本发明提供的一种层理缝参数获取方法,所述基于所述二值图像对应的边界像素矩阵确定孔隙周长包括:
基于所述二值图像中与背景像素相邻的前景像素,创建与所述二值图像大小相同的边界像素矩阵,其中,所述边界像素矩阵中的边界像素与所述前景像素位置对应;
确定所述边界像素的总数为孔隙周长。
根据本发明提供的一种层理缝参数获取方法,所述对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差包括:
对所述二值图像对应的图像矩阵进行分水岭分割,得到单个孔隙区域图像;
根据所述二值图像中各像素在所述二值图像中的像素值,以及在所述单个孔隙区域图像中的像素值,确定各孔隙半径;
基于各所述孔隙半径,确定所述目标层理缝的平均孔隙半径和孔径标准偏差。
根据本发明提供的一种层理缝参数获取方法,所述层理缝参数获取方法还包括:
确定所述图像矩阵中的目标元素,以及所述二值图像中与所述目标元素对应位置的目标像素;
确定所述目标像素的最近非零像素,以及所述目标像素与所述最近非零像素的曼哈顿距离;
确定所述曼哈顿距离为所述目标元素的值。
本发明还提供一种层理缝参数获取装置,包括:
二值图像确定模块,用于获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
第一层理缝参数确定模块,用于基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
第二层理缝参数确定模块,用于对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述层理缝参数获取方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述层理缝参数获取方法。
本发明提供的层理缝参数获取方法、装置、设备及可读存储介质,通过获取目标层理缝的扫描电镜图像,进一步确定扫描电镜图像对应的二值图像,然后基于二值图像确定目标层理缝的参数之中的孔隙度和比表面积,最后对二值图像对应的图像矩阵进行分水岭分割,得到目标层理缝的参数之中的平均孔隙半径和孔径标准偏差。本发明实现了层理缝参数的准确获取。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的层理缝参数获取方法的流程示意图之一;
图2是本发明提供的层理缝参数获取方法的流程示意图之二;
图3是本发明提供的层理缝参数获取方法中的背散射扫描电镜图像示意图;
图4是本发明提供的层理缝参数获取方法中的二次电子扫描电镜图像示意图;
图5是本发明提供的层理缝参数获取方法中的二值图像示意图;
图6是本发明提供的层理缝参数获取方法的流程示意图之三;
图7是本发明提供的层理缝参数获取方法中的孔隙边界示意图;
图8是本发明提供的层理缝参数获取方法的流程示意图之四;
图9是本发明提供的层理缝参数获取装置的结构示意图;
图10是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,本发明提供一种层理缝参数获取方法,包括:
步骤100,获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
本发明提供的层理缝参数获取方法包括如下步骤:
步骤1、准备发育层理缝的深层陆相页岩样品,通过场发射扫描电子显微镜拍摄目标层理缝的高分辨率的扫描电镜图像;
步骤2、将扫描电镜图像导入到可视化软件(例如Avizo软件)中,分别利用Interactive Thresholding命令(交互式阈值分割命令)和Interactive Top-hat命令(交互式顶帽命令)提取有机质附近的层理缝图像和无机矿物颗粒附近的层理缝图像。然后利用OR Image命令将两类层理缝图像进行合并,得到其对应的二值图像。
步骤200,基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
具体地,本发明提供的层理缝参数获取方法还包括如下步骤:
步骤3、将上述得到的二值图像导入到数学软件(例如Matlab软件)中,识别二值图像中所有像素点对应的像素值,计算孔隙像素点与总像素数的比值即为层理缝参数中的孔隙度。创建与二值图像大小相同的边界像素矩阵,计算边界像素总数与孔隙像素点的比值,并通过分辨率校正即得到层理缝参数中的比表面积。
步骤300,对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差。
具体地,本发明提供的层理缝参数获取方法还包括如下步骤:
步骤4、利用watershed函数(分水岭函数)对与二值图像大小相同的图像矩阵进行分水岭分割,遍历图像矩阵,标记属于单个孔隙区域的像素,划分单个孔隙区域。统计单个孔隙区域的像素数量,通过分辨率校正计算即可得到层理缝参数中的孔隙半径,进而得到孔隙半径标准偏差。
本实施例通过获取目标层理缝的扫描电镜图像,进一步确定扫描电镜图像对应的二值图像,然后基于二值图像确定目标层理缝的参数之中的孔隙度和比表面积,最后对二值图像对应的图像矩阵进行分水岭分割,得到目标层理缝的参数之中的平均孔隙半径和孔径标准偏差。本发明实现了层理缝参数的准确获取。
请参照图2,在一个实施例中,本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤110,对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像;
步骤120,合并所述第一层理缝图像和所述第二层理缝图像,确定合并图像对应的二值图像。
本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤111,对所述二次电子扫描电镜图像依次进行灰度调整、去噪处理以及裁剪处理,得到有效扫描电镜图像;
步骤112,基于所述背散射扫描电镜图像对所述有效扫描电镜图像进行识别,得到所述第一层理缝图像和所述第二层理缝图像。
具体地,上述步骤1和步骤2的具体过程如下:
步骤1、选取发育层理缝的深层陆相页岩样品,首先,将样品切割制备成1cm×1cm×0.5mm的小块,选定观察面后,依次对表面进行粗磨、细磨以及氩离子抛光;然后,通过场发射扫描电子显微镜拍摄目标层理缝的高分辨率扫描电镜图像,扫描电镜图像包括背散射扫描电镜图像和二次电子扫描电镜图像,如图3和图4所示,其中,图3为背散射扫描电镜图像示意图,图4为二次电子扫描电镜图像示意图;
步骤2、将扫描电镜图像导入到Avizo软件中,导入选项选择灰度模式,通过BoxFilter(方框滤波)滤波器去除扫描电镜图像的噪声,然后裁去扫描电镜图像下方的图例区域,只保留有效扫描电镜图像;对二次电子扫描电镜图像进行Interactive Thresholding(交互式阈值分割)处理,调整Intensity Range(强度范围)为合适的范围,以使恰好能识别到有机质附近的层理缝图像;对二次电子扫描电镜图像进行Interactive Top-hat(交互式顶帽)处理,分别调整Kernel Size(算子尺寸)为合适的值、Intensity Range为合适的范围,以使恰好能识别到无机矿物颗粒附近的层理缝图像;在层理缝参数提取过程中,可以通过背散射扫描电镜图像来对比分析验证提取的准确性;然后对两类层理缝图像进行合并,得到层理缝发育区域,最后导出对应的二值图像,如图5所示,图5为二值图像示意图。
本实施例通过高分辨率扫描、交互式阈值分割处理以及交互式顶帽处理等方法,得到对应的二值图像。
请参照图6,在一个实施例中,本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤210,对所述二值图像中所有像素点的像素值进行取反处理,得到孔隙像素值;
步骤220,基于所述孔隙像素值确定孔隙面积,根据所述二值图像的像素总数和所述孔隙面积,确定所述目标层理缝的孔隙度;
步骤230,基于所述二值图像对应的边界像素矩阵确定孔隙周长;
步骤240,根据所述孔隙面积与所述孔隙周长的计算结果,确定所述目标层理缝的比表面积。
本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤231,基于所述二值图像中与背景像素相邻的前景像素,创建与所述二值图像大小相同的边界像素矩阵,其中,所述边界像素矩阵中的边界像素与所述前景像素位置对应;
步骤232,确定所述边界像素的总数为孔隙周长。
具体地,上述步骤3的具体过程如下:
步骤3、在Matlab软件中,使用imread函数(计算机语言中的一个函数,用于读取图片文件中的数据)读取层理缝二值图像,并设置图像的实际分辨率;使用Size函数(返回数组的尺寸)获取图像的大小;使用bwmorph函数(用于对二值图像进行数学形态学运算)的多数投票法对二值图像进行平滑处理;识别二值图像中所有像素点对应的像素值,并进行取反处理,这种情况下,孔隙像素点的像素值为1,使用Sum函数(求和函数)计算孔隙像素点的总数即为孔隙面积,除以二值图像的总像素数目,得到层理缝参数中的孔隙度;使用bwperim函数(用于查找二值图像的边缘)创建与二值图像大小相同的边界像素矩阵,其中,边界像素(与背景相邻的前景像素)的值为1(如图7所示,图7为孔隙边界示意图),其他像素的值为0,使用Sum函数计算边界像素总数即为孔隙周长,孔隙周长除以孔隙面积,并通过分辨率校正计算得到层理缝参数中的比表面积。
本实施例通过对二值图像中所有像素点的像素值进行取反处理,创建边界像素矩阵以及分辨率校正等处理,得到层理缝参数中的孔隙度和比表面积。
请参照图8,在一个实施例中,本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤310,对所述二值图像对应的图像矩阵进行分水岭分割,得到单个孔隙区域图像;
步骤320,根据所述二值图像中各像素在所述二值图像中的像素值,以及在所述单个孔隙区域图像中的像素值,确定各孔隙半径;
步骤330,基于各所述孔隙半径,确定所述目标层理缝的平均孔隙半径和孔径标准偏差。
本申请实施例提供的层理缝参数获取方法,还可以包括:
步骤311,确定所述图像矩阵中的目标元素,以及所述二值图像中与所述目标元素对应位置的目标像素;
步骤312,确定所述目标像素的最近非零像素,以及所述目标像素与所述最近非零像素的曼哈顿距离;
步骤313,确定所述曼哈顿距离为所述目标元素的值。
具体地,上述步骤4的具体过程如下:
步骤4、使用bwdist函数创建一个与二值图像尺寸相同的图像矩阵(距离图像),其中,图像矩阵中的每个元素表示二值图像中对应位置的像素与最近非零像素的曼哈顿距离(两点之间的水平和垂直距离的绝对值之和);使用medfilt2函数(用于对图像进行中值滤波)对距离图像进行中值滤波去除噪声,再使用watershed函数对距离图像进行分水岭分割,得到单个孔隙区域图像;创建与二值图像大小相同的全零矩阵,然后遍历图像的每个像素,如果该像素在二值图像中为0(孔隙像素),在分水岭图像中不为0,则将像素的值设为1;分别统计单个孔隙区域图像中像素为1的像素数量,通过分辨率校正计算得到孔隙半径,基于得到的各孔隙半径,进一步确定层理缝参数中的平均孔隙半径和孔隙半径标准偏差。
本实施例通过距离图像的创建和遍历,以及分水岭分割,进一步确定层理缝参数中的平均孔隙半径和孔隙半径标准偏差。
下面对本发明提供的层理缝参数获取装置进行描述,下文描述的层理缝参数获取装置与上文描述的层理缝参数获取方法可相互对应参照。
请参照图9,本发明还提供一种层理缝参数获取装置,包括:
二值图像确定模块901,用于获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
第一层理缝参数确定模块902,用于基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
第二层理缝参数确定模块903,用于对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差。
可选地,所述二值图像确定模块包括:
二次电子扫描电镜图像处理单元,用于对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像;
层理缝图像合并单元,用于合并所述第一层理缝图像和所述第二层理缝图像,确定合并图像对应的二值图像。
可选地,所述扫描电镜图像还包括背散射扫描电镜图像;所述二次电子扫描电镜图像处理单元包括:
有效扫描电镜图像确定单元,用于对所述二次电子扫描电镜图像依次进行灰度调整、去噪处理以及裁剪处理,得到有效扫描电镜图像;
有效扫描电镜图像识别单元,用于基于所述背散射扫描电镜图像对所述有效扫描电镜图像进行识别,得到所述第一层理缝图像和所述第二层理缝图像。
可选地,所述第一层理缝参数确定模块包括:
取反处理单元,用于对所述二值图像中所有像素点的像素值进行取反处理,得到孔隙像素值;
孔隙度确定单元,用于基于所述孔隙像素值确定孔隙面积,根据所述二值图像的像素总数和所述孔隙面积,确定所述目标层理缝的孔隙度;
孔隙周长确定单元,用于基于所述二值图像对应的边界像素矩阵确定孔隙周长;
比表面积确定单元,用于根据所述孔隙面积与所述孔隙周长的计算结果,确定所述目标层理缝的比表面积。
可选地,所述孔隙周长确定单元包括:
边界像素矩阵创建单元,用于基于所述二值图像中与背景像素相邻的前景像素,创建与所述二值图像大小相同的边界像素矩阵,其中,所述边界像素矩阵中的边界像素与所述前景像素位置对应;
边界像素的总数确定单元,用于确定所述边界像素的总数为孔隙周长。
可选地,所述第二层理缝参数确定模块包括:
分水岭分割单元,用于对所述二值图像对应的图像矩阵进行分水岭分割,得到单个孔隙区域图像;
孔隙半径确定单元,用于根据所述二值图像中各像素在所述二值图像中的像素值,以及在所述单个孔隙区域图像中的像素值,确定各孔隙半径;
平均孔隙半径和孔径标准偏差确定单元,用于基于各所述孔隙半径,确定所述目标层理缝的平均孔隙半径和孔径标准偏差。
可选地,所述层理缝参数获取装置还包括:
目标元素确定模块,用于确定所述图像矩阵中的目标元素,以及所述二值图像中与所述目标元素对应位置的目标像素;
最近非零像素确定模块,用于确定所述目标像素的最近非零像素,以及所述目标像素与所述最近非零像素的曼哈顿距离;
目标元素的值确定模块,用于确定所述曼哈顿距离为所述目标元素的值。
图10示例了一种电子设备的实体结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行层理缝参数获取方法。
此外,上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的层理缝参数获取方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种层理缝参数获取方法,其特征在于,包括:
获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差;
所述基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积包括:
对所述二值图像中所有像素点的像素值进行取反处理,得到孔隙像素值;
基于所述孔隙像素值确定孔隙面积,根据所述二值图像的像素总数和所述孔隙面积,确定所述目标层理缝的孔隙度;
基于所述二值图像对应的边界像素矩阵确定孔隙周长;
根据所述孔隙面积与所述孔隙周长的计算结果,确定所述目标层理缝的比表面积;
所述基于所述二值图像对应的边界像素矩阵确定孔隙周长包括:
基于所述二值图像中与背景像素相邻的前景像素,创建与所述二值图像大小相同的边界像素矩阵,其中,所述边界像素矩阵中的边界像素与所述前景像素位置对应;
确定所述边界像素的总数为孔隙周长;
所述对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差包括:
对所述二值图像对应的图像矩阵进行分水岭分割,得到单个孔隙区域图像;确定所述图像矩阵中的目标元素,所述二值图像中与所述目标元素对应位置的目标像素,所述目标像素的最近非零像素,以及所述目标像素与所述最近非零像素的曼哈顿距离,所述目标元素的值为所述曼哈顿距离;
根据所述二值图像中各像素在所述二值图像中的像素值,以及在所述单个孔隙区域图像中的像素值,确定各孔隙半径;
基于各所述孔隙半径,确定所述目标层理缝的平均孔隙半径和孔径标准偏差。
2.根据权利要求1所述的层理缝参数获取方法,其特征在于,所述扫描电镜图像包括二次电子扫描电镜图像;所述确定所述扫描电镜图像对应的二值图像包括:
对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像;
合并所述第一层理缝图像和所述第二层理缝图像,确定合并图像对应的二值图像。
3.根据权利要求2所述的层理缝参数获取方法,其特征在于,所述扫描电镜图像还包括背散射扫描电镜图像;所述对所述二次电子扫描电镜图像进行处理,得到第一层理缝图像和第二层理缝图像包括:
对所述二次电子扫描电镜图像依次进行灰度调整、去噪处理以及裁剪处理,得到有效扫描电镜图像;
基于所述背散射扫描电镜图像对所述有效扫描电镜图像进行识别,得到所述第一层理缝图像和所述第二层理缝图像。
4.一种层理缝参数获取装置,其特征在于,包括:
二值图像确定模块,用于获取目标层理缝的扫描电镜图像,确定所述扫描电镜图像对应的二值图像;
第一层理缝参数确定模块,用于基于所述二值图像,确定所述目标层理缝的孔隙度和比表面积;
第二层理缝参数确定模块,用于对所述二值图像对应的图像矩阵进行分水岭分割,得到所述目标层理缝的平均孔隙半径和孔径标准偏差;
所述第一层理缝参数确定模块包括:
取反处理单元,用于对所述二值图像中所有像素点的像素值进行取反处理,得到孔隙像素值;
孔隙度确定单元,用于基于所述孔隙像素值确定孔隙面积,根据所述二值图像的像素总数和所述孔隙面积,确定所述目标层理缝的孔隙度;
孔隙周长确定单元,用于基于所述二值图像对应的边界像素矩阵确定孔隙周长;
比表面积确定单元,用于根据所述孔隙面积与所述孔隙周长的计算结果,确定所述目标层理缝的比表面积;
所述孔隙周长确定单元包括:
边界像素矩阵创建单元,用于基于所述二值图像中与背景像素相邻的前景像素,创建与所述二值图像大小相同的边界像素矩阵,其中,所述边界像素矩阵中的边界像素与所述前景像素位置对应;
边界像素的总数确定单元,用于确定所述边界像素的总数为孔隙周长;
所述第二层理缝参数确定模块包括:
分水岭分割单元,用于对所述二值图像对应的图像矩阵进行分水岭分割,得到单个孔隙区域图像;确定所述图像矩阵中的目标元素,所述二值图像中与所述目标元素对应位置的目标像素,所述目标像素的最近非零像素,以及所述目标像素与所述最近非零像素的曼哈顿距离,所述目标元素的值为所述曼哈顿距离;
孔隙半径确定单元,用于根据所述二值图像中各像素在所述二值图像中的像素值,以及在所述单个孔隙区域图像中的像素值,确定各孔隙半径;
平均孔隙半径和孔径标准偏差确定单元,用于基于各所述孔隙半径,确定所述目标层理缝的平均孔隙半径和孔径标准偏差。
5.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述层理缝参数获取方法。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述层理缝参数获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725522.3A CN117409408B (zh) | 2023-12-15 | 2023-12-15 | 层理缝参数获取方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725522.3A CN117409408B (zh) | 2023-12-15 | 2023-12-15 | 层理缝参数获取方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117409408A CN117409408A (zh) | 2024-01-16 |
CN117409408B true CN117409408B (zh) | 2024-03-08 |
Family
ID=89494782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311725522.3A Active CN117409408B (zh) | 2023-12-15 | 2023-12-15 | 层理缝参数获取方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117409408B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956416A (zh) * | 2018-06-06 | 2018-12-07 | 中国地质大学(北京) | 一种基于Matlab分析致密砂岩储层孔隙表征的方法 |
CN109085663A (zh) * | 2018-07-20 | 2018-12-25 | 中国矿业大学 | 一种致密砂岩储层层理缝识别方法 |
CN110223282A (zh) * | 2019-06-10 | 2019-09-10 | 中国石油大学(华东) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 |
CN111751258A (zh) * | 2019-03-27 | 2020-10-09 | 中国石油化工股份有限公司 | 一种用于孔隙变形观察的置样装置及实验方法 |
CN111855537A (zh) * | 2020-08-21 | 2020-10-30 | 太原理工大学 | 一种基于hrtem的煤中微小孔径的测定方法 |
CN113252460A (zh) * | 2021-05-20 | 2021-08-13 | 华美孚泰油气增产技术服务有限责任公司 | 一种页岩气储层中压裂液运移微观可视化实验装置及方法 |
CN113570651A (zh) * | 2021-07-06 | 2021-10-29 | 中国地质大学(北京) | 基于sem图像的碳酸盐岩储层孔隙半径分布定量方法 |
CN113570652A (zh) * | 2021-07-06 | 2021-10-29 | 中国地质大学(北京) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 |
CN115457028A (zh) * | 2022-10-17 | 2022-12-09 | 北京工业大学 | 一种扫描电镜样品裂纹图像自动分割标定方法及系统 |
CN115700736A (zh) * | 2021-07-15 | 2023-02-07 | 中国石油化工股份有限公司 | 页岩层系孔隙占比计算方法、装置、电子设备及存储介质 |
CN115704759A (zh) * | 2021-08-03 | 2023-02-17 | 中国石油化工股份有限公司 | 纹层状页岩应力敏感数学表征方法 |
CN116106193A (zh) * | 2021-11-09 | 2023-05-12 | 中国石油化工股份有限公司 | 纹层状页岩层理缝孔隙度测定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX349448B (es) * | 2012-08-10 | 2017-07-28 | Ingrain Inc | Metodo para mejorar la precision de valores de propiedad de roca derivados a partir de imagenes digitales. |
US11415501B2 (en) * | 2019-10-16 | 2022-08-16 | King Fahd University Of Petroleum And Minerals | Method of determining absolute permeability |
CN112417787B (zh) * | 2020-11-26 | 2021-06-29 | 北京科技大学 | 非常规油藏两相相对渗透率曲线测定装置及方法 |
-
2023
- 2023-12-15 CN CN202311725522.3A patent/CN117409408B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956416A (zh) * | 2018-06-06 | 2018-12-07 | 中国地质大学(北京) | 一种基于Matlab分析致密砂岩储层孔隙表征的方法 |
CN109085663A (zh) * | 2018-07-20 | 2018-12-25 | 中国矿业大学 | 一种致密砂岩储层层理缝识别方法 |
CN111751258A (zh) * | 2019-03-27 | 2020-10-09 | 中国石油化工股份有限公司 | 一种用于孔隙变形观察的置样装置及实验方法 |
CN110223282A (zh) * | 2019-06-10 | 2019-09-10 | 中国石油大学(华东) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 |
CN111855537A (zh) * | 2020-08-21 | 2020-10-30 | 太原理工大学 | 一种基于hrtem的煤中微小孔径的测定方法 |
CN113252460A (zh) * | 2021-05-20 | 2021-08-13 | 华美孚泰油气增产技术服务有限责任公司 | 一种页岩气储层中压裂液运移微观可视化实验装置及方法 |
CN113570651A (zh) * | 2021-07-06 | 2021-10-29 | 中国地质大学(北京) | 基于sem图像的碳酸盐岩储层孔隙半径分布定量方法 |
CN113570652A (zh) * | 2021-07-06 | 2021-10-29 | 中国地质大学(北京) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 |
CN115700736A (zh) * | 2021-07-15 | 2023-02-07 | 中国石油化工股份有限公司 | 页岩层系孔隙占比计算方法、装置、电子设备及存储介质 |
CN115704759A (zh) * | 2021-08-03 | 2023-02-17 | 中国石油化工股份有限公司 | 纹层状页岩应力敏感数学表征方法 |
CN116106193A (zh) * | 2021-11-09 | 2023-05-12 | 中国石油化工股份有限公司 | 纹层状页岩层理缝孔隙度测定方法 |
CN115457028A (zh) * | 2022-10-17 | 2022-12-09 | 北京工业大学 | 一种扫描电镜样品裂纹图像自动分割标定方法及系统 |
Non-Patent Citations (2)
Title |
---|
Research on the negative pressure distribution law and its application for boreholes in coal seam bedding gas extraction;Linchao Dai等;《3rd International Symposium on Mine Safety Science and Engineering,Montreal》;20160819;第540-546页 * |
页岩储层孔隙微观特征及页岩油赋存与可动性评价;田善思;《中国博士学位论文全文数据库基础科学辑》;20220115(第01期);第A011-101页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117409408A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ouma et al. | Pothole detection on asphalt pavements from 2D-colour pothole images using fuzzy c-means clustering and morphological reconstruction | |
Jing et al. | An individual tree crown delineation method based on multi-scale segmentation of imagery | |
US9558588B2 (en) | Method for building a 3D model of a rock sample | |
US10198804B2 (en) | Method for determining fabric and upscaled properties of geological sample | |
JP5844783B2 (ja) | テキスト領域を含むグレースケール文書画像を処理する方法、グレースケール文書画像の少なくともテキスト領域を二値化する方法、グレースケール文書画像においてグリッドを形成するテーブルの抽出方法及びプログラム | |
Cerrillo-Cuenca | An approach to the automatic surveying of prehistoric barrows through LiDAR | |
CN105352873A (zh) | 页岩孔隙结构的表征方法 | |
Tuller et al. | Segmentation of X‐ray CT data of porous materials: A review of global and locally adaptive algorithms | |
Khiyal et al. | Modified Watershed Algorithm for Segmentation of 2D Images. | |
Zhou et al. | Robust image-based surface crack detection using range data | |
CN111489337A (zh) | 一种自动光学检测伪缺陷去除方法及系统 | |
CN106780718A (zh) | 一种古生物化石的三维重建方法 | |
CN114742968B (zh) | 一种基于建筑物立面点云的立面图生成方法 | |
CN106599891A (zh) | 一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法 | |
Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
CN117409408B (zh) | 层理缝参数获取方法、装置、设备及可读存储介质 | |
CN112991370A (zh) | 一种岩心ct裂纹识别与分割方法 | |
Farid et al. | Application of Niblack's method on images | |
Jin et al. | A color image segmentation method based on improved K-means clustering algorithm | |
CN115294035A (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
Gecen et al. | Road detection from high and low resolution satellite images | |
Sun et al. | Differential Abnormality-Based Tampering Detection in Digital Document Images | |
Liu et al. | Multi-scale selective image texture smoothing via intuitive single clicks | |
Rizvi et al. | Wavelet based marker-controlled watershed segmentation technique for high resolution satellite images | |
Vani et al. | Detection and Extraction of Roads using Cartosat-2 High Resolution Satellite Imagery |
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 |