CN106570878A - 一种基于灰度差分的稠油微观界面检测方法 - Google Patents
一种基于灰度差分的稠油微观界面检测方法 Download PDFInfo
- Publication number
- CN106570878A CN106570878A CN201610984711.6A CN201610984711A CN106570878A CN 106570878 A CN106570878 A CN 106570878A CN 201610984711 A CN201610984711 A CN 201610984711A CN 106570878 A CN106570878 A CN 106570878A
- Authority
- CN
- China
- Prior art keywords
- test tube
- oil
- interface
- image
- water
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 239000000295 fuel oil Substances 0.000 title abstract 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 3
- 239000003208 petroleum Substances 0.000 abstract description 3
- 230000011664 signaling Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 239000003921 oil Substances 0.000 abstract 3
- 230000011218 segmentation Effects 0.000 description 9
- 235000013350 formula milk Nutrition 0.000 description 8
- 230000002902 bimodal effect Effects 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 4
- 239000000839 emulsion Substances 0.000 description 3
- 239000011521 glass Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002569 water oil cream Substances 0.000 description 1
Classifications
-
- 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
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种稠油微观界面检测方法,针对放置有稠油的试管内各界面的光谱特征,采用基于灰度差分的界面检测方法,独立提取出稠油‑空气界面、稠油‑水界面。方法在增强油水试管内各界面信息的基础上,按图像行号为索引一维信号化油水试管图像,根据信号的差分极值确定界面位置,实现油‑空气、油‑水界面提取。该方法能有效克服图像噪声的影响,且计算速度快,有效提高了油水界面检测精度,对生产石油生产过程具有重要指导意义。
Description
技术领域
本发明涉及石油开采技术领域,尤其涉及一种恒温槽试管内稠油水微观界面的检测方法。
背景技术
目前,随着石油储量的减少,稠油资源的开采地位越来越重要。采出的稠油中含有水分,需要进行稠油破乳,检测油水分离界面,以测量破乳剂破乳性能及稠油的含水率。传统的油水界面位置由人工读取,偏差很大。稠油粘结性强,难以长期实施接触式检测;图像检测采用非接触式采集方式,界面自动获取,结果可靠。将稠油放置在玻璃试管中,加入破乳剂,逐渐生成油水乳化层界面。由工业摄像机进行视频采集,传送至控制主机,自动提取界面生成过程。
油水分离后,试管内从上至下依次形成空气层、油层和水层。稠油粘度很大,严重粘结试管壁,稠油-空气界面模糊不清;中间乳化层厚度不一,与水层、油层没有明显的分界面,稠油-水界面不规则,试管内多界面读取难度较大。
现有技术方案中界面检测方法,一种是基于微分算子的提取方法,如一阶微分算子(Sobel、Robert、prewitt等),二阶微分算子(拉普拉斯方法)等。另一种是形态学检测方法,如开运算、闭运算、腐蚀、膨胀等方法。再者,也有融合微分算子与形态学梯度的检测方法。稠油粘结试管导致界面噪声严重,采用微分算子处理稠油分离过程图像时,油-空气界面、油-水界面常常被噪声信息掩盖;采用形态学检测方法时,由于水是透明的,玻璃试管也是透明的,试管与水的油水信息差异小,远远小于稠油与试管的差异,水层信息检测不完全,导致部分界面丢失;而采用融合微分算子与形态学梯度的方法,能有效检测试管内的油-水界面,但对于界面信息模糊的油-空气界面,其检测效果较差。同时,上述方法对光照敏感,算法鲁棒性较差,难以准确提取试管中的多界面位置。
发明内容
本发明的目的是提供一种恒温槽试管内稠油微观界面检测方法,能够有效提高油-水、油-空气界面的检测精度,对石油生产过程具有重要意义。
一种基于灰度差分的稠油微观界面检测方法,所述方法包括:
针对恒温槽中油水试管图像,分割得到油水试管,增强试管内油-水、油-空气界面信息,采用灰度差分的方式实现图像的一维信号化,最后根据一维信号的差分信息极值判定两个界面位置,即稠油-水界面位置、稠油-空气层界面位置;
由上述本发明提供的技术方案可以看出,该方法根据摄像头采集的包含试管区域的图像中油与空气、水的光谱特性,采用图像增强、灰度差分等操作,有效提高油水界面检测的精度,对生产石油过程具有指导意义。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例所提供的含油试管分割与增强方法流程示意图;
图2为本发明实施例所提供的试管中油-水界面、油-空气界面提取方法流程示意图;
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例依据恒温槽中含油试管内各界面的光谱特征,采用相应的检测方法,独立提取出两个界面:稠油-水界面与稠油-空气层界面。下面将结合附图对本发明实施例作进一步地详细描述:
采用阈值分割、边缘增强以及图像增强等方法实现油水试管图像的分割与增强,如图1所示为本发明实施例所提供的含油试管分割与增强方法流程示意图,该方法具体包括:
步骤11:采集所述恒温槽试管区域图像,统计所述图像的灰度直方图信息,并采用均值平滑方式,平滑直方图为双峰直方图;
在该步骤中,转化所述图像为灰度图F,灰度范围为[0,L-1],其灰度直方图为离散函数h(k)=nk,其中k表示灰度值,nk是图像中灰度为k的像素个数。图像F的大小为M*N,M和N分别表示图像的行和列的维数。归一化直方图,其直方图由公式
给出。
采用均值平滑方式,平滑直方图为双峰直方图,双峰峰值所对应灰度值表示为T1、T2,峰谷所对应灰度值表示为T。平滑的一种方式可表示为:
重复公式(2),直到满足T1<T<T2。
步骤12:取双峰直方图中双峰之间的局部最小值T为阈值,阈值分割恒温槽油水试管灰度图像F,得到油水试管的二值图像Fb。阈值分割公式为:
步骤13:求包含图像Fb中试管轮廓的最小外接矩形,分割得到油水试管。
在该步骤中,若最小外接矩形出现倾斜,则依据倾斜角度,仿射变换整个图像,摆正试管。最小外接矩形竖边所在列对应于油水试管边界的位置。根据油水试管的边界位置,从恒温槽油水试管的灰度图F中截取油水试管,记为G。
步骤14:针对图像G,采用直方图均衡化方法增强油水界面信息。
在该步骤中,计图像G中各灰度值的像素个数,根据灰度值出现的频率,绘制图像G的灰度直方图。图像G中各灰度值记为k,其所对应的像素个数记为nk,灰度值k出现的频率由下式给出:
其中M与N分别表示图像G行和列的维数。
根据统计出的灰度直方图,采用灰度累积分布函数,变换图像G的原灰度值,记为Sk。变换公式为:
将Sk归一化到相近的灰度值,绘制均衡化后的直方图。将每个像素归一化后的灰度值赋给这个像素,画出均衡化后的图像H,该图像即为增强后的油水试管图像。
采用基于灰度差分的方法实现油水试管内油-空气界面与油-水界面的提取。增强油水试管图像后,整个试管呈现三段式结构,从上至下分别为空气层、油层、水层,各部分呈现较规律的聚集现象,各层灰度值接近,而交界处灰度值会急剧变化,界面两侧灰度值差异明显。试管正立时,油-空气界面与油水界面垂直于试管壁。利用油水试管图像的分层特性,将求取二维试管图像的多界面信息问题转化为求取一维信号的差分问题。油水试管图像中油-空气界面、油-水界面在一维差分信号中表现为信号急剧变化位置,通过差分运算获取信号剧烈变化的位置即可获得界面的准确位置。如图2所示为本发明实施例所提供的试管内油-水、油-空气界面提取方法流程示意图,该方法具体包括:
步骤21:图像一维信号化
针对增强后的油水试管图像H,以行号为索引,计算图像H的行灰度均值s(y)。计算公式如下:
步骤22:均值信号滤波
采用一维双边滤波方法,平滑一维均值信号s(y)的噪声,增强所求界面位置信号间差异;在该步骤中,一维双边滤波的输出信号值依赖于邻域信号值的加权组合,滤波后信号记为sbl(y),计算公式如下:
式中,Py表示以(y)为中心信号点的尺度为(2k+1)大小的邻域,w(j)为加权系数。对邻域内的每一个信号点sbl(j),加权系数w(j)由两部分因子的乘积组成,即空间邻近度因子wd(j)与信号值相似度因子wr(j):
其中方差σd控制空间邻域度权重,方差σr控制信号值相似度权重。因此,
w(j)=wd(j)wr(j) (10)
步骤23:差分
求行均值信号sbl(y)的一阶差分d(y),计算公式如下:
步骤24:界面定位
获取差分值d(y)的两个极值,并定位该极值对应行号,则该行号即为试管内油-空气、油-空气界面位置。
在该步骤中,差分值d(y)的两个极值,依次为极小值与极大值,其所对应的行号分别对应为油水试管图像的油-空气界面和油-水界面。具体而言,油-空气界面Ioil-air、油-水界面Ioil-water可表示为:
综上所述,本发明实施例所提供的恒温槽中稠油微观界面检测方法,根据摄像头采集的包含试管区域的图像中油与空气、水的光谱信息,采用阈值分割、图像增强、灰度差分等操作,有效提高油水界面检测的精度,对生产石油过程具有指导意义。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种基于灰度差分的稠油微观界面检测方法,其特征在于,所述方法包括:利用放置有稠油的试管中各物质(水、稠油及空气)的光谱特性,在油水试管图像边界增强基础上,图像一维信号化,并获取该一维信号的差分信息,根据差分信息的极值判定试管内稠油-空气和稠油-水界面位置。
2.根据权利要求1所述稠油微观界面的检测方法,其特征在于,计算油水试管图像的行灰度均值,实现油水试管图像的一维信号化,具体包括:
针对增强后的油水试管图像,以图像的行号为索引,计算图像行像素的灰度均值,将油水试管图像转化为以行号为坐标的一维信号。
3.根据权利要求1所述稠油微观界面的检测方法,其特征在于,提出了一维双边滤波方法,用于平滑油水试管图像一维信号化后所得一维均值信号的噪声,增强所求界面位置的灰度均值与非界面区域灰度均值信号之间的差异,同时平滑非界面区域内灰度均值之间的差异。
4.根据权利要求1所述稠油微观界面的检测方法,其特征在于,计算去噪后的一维灰度均值信号的差分值,鉴于一维双边滤波已经去除均值信号的局部极值噪声,可获取差分值的两个全局极值,同时定位该极值对应行号,则该行号即为试管内油-空气、油-空气界面位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610984711.6A CN106570878A (zh) | 2016-11-09 | 2016-11-09 | 一种基于灰度差分的稠油微观界面检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610984711.6A CN106570878A (zh) | 2016-11-09 | 2016-11-09 | 一种基于灰度差分的稠油微观界面检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570878A true CN106570878A (zh) | 2017-04-19 |
Family
ID=58540684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610984711.6A Pending CN106570878A (zh) | 2016-11-09 | 2016-11-09 | 一种基于灰度差分的稠油微观界面检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570878A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738433A (zh) * | 2018-11-30 | 2019-05-10 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN111408546A (zh) * | 2020-03-11 | 2020-07-14 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和*** |
CN112546671A (zh) * | 2020-12-16 | 2021-03-26 | 中国计量大学上虞高等研究院有限公司 | 一种基于机器视觉分液识别的连续萃取控制装置和方法 |
CN114893172A (zh) * | 2022-05-26 | 2022-08-12 | 常州大学 | 一种模拟稠油热流体驱替的方法及*** |
-
2016
- 2016-11-09 CN CN201610984711.6A patent/CN106570878A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738433A (zh) * | 2018-11-30 | 2019-05-10 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN109738433B (zh) * | 2018-11-30 | 2021-03-26 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN111408546A (zh) * | 2020-03-11 | 2020-07-14 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和*** |
CN111408546B (zh) * | 2020-03-11 | 2022-09-16 | 武汉工程大学 | 一种基于激光扫描成像的矿石检测方法和*** |
CN112546671A (zh) * | 2020-12-16 | 2021-03-26 | 中国计量大学上虞高等研究院有限公司 | 一种基于机器视觉分液识别的连续萃取控制装置和方法 |
CN112546671B (zh) * | 2020-12-16 | 2022-06-28 | 中国计量大学上虞高等研究院有限公司 | 一种基于机器视觉分液识别的连续萃取控制装置和方法 |
CN114893172A (zh) * | 2022-05-26 | 2022-08-12 | 常州大学 | 一种模拟稠油热流体驱替的方法及*** |
CN114893172B (zh) * | 2022-05-26 | 2023-08-08 | 常州大学 | 一种模拟稠油热流体驱替的方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104008553B (zh) | 融合影像梯度信息和分水岭方法的裂缝检测方法 | |
WO2018122809A1 (zh) | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 | |
CN104112269B (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及*** | |
CN105654501B (zh) | 基于模糊阈值的自适应图像分割方法 | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
Matkan et al. | Road extraction from lidar data using support vector machine classification | |
WO2018145470A1 (zh) | 一种图像检测方法和装置 | |
CN107330376A (zh) | 一种车道线识别方法及*** | |
CN106570878A (zh) | 一种基于灰度差分的稠油微观界面检测方法 | |
CN108596165A (zh) | 基于无人机低空航拍图像的道路交通标线检测方法及*** | |
CN111091095A (zh) | 一种遥感图像中船只目标的检测方法 | |
CN107688782A (zh) | 基于高分辨率光学遥感图像的油罐检测和储量分析方法 | |
CN105133471A (zh) | 一种基于线结构光路面检测***的路面深度图像生产方法 | |
CN114488194A (zh) | 一种智能驾驶车辆结构化道路下目标检测识别方法 | |
CN106845347A (zh) | 海上油膜识别提取方法及*** | |
CN113240623B (zh) | 一种路面病害检测方法及装置 | |
CN107301408A (zh) | 人体掩膜提取方法及装置 | |
CN113554646B (zh) | 基于计算机视觉的智慧城市道路路面检测方法及*** | |
CN113313107B (zh) | 一种斜拉桥缆索表面多类型病害智能检测和识别方法 | |
CN114742968B (zh) | 一种基于建筑物立面点云的立面图生成方法 | |
Ouma et al. | Urban features recognition and extraction from very-high resolution multi-spectral satellite imagery: a micro–macro texture determination and integration framework | |
CN109543498B (zh) | 一种基于多任务网络的车道线检测方法 | |
CN112198170A (zh) | 一种无缝钢管外表面三维检测中识别水滴的检测方法 | |
Yao et al. | Automatic extraction of road markings from mobile laser-point cloud using intensity data | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |
|
WD01 | Invention patent application deemed withdrawn after publication |