CN110211144A - 一种泥页岩扫描电镜图片孔隙提取方法及*** - Google Patents
一种泥页岩扫描电镜图片孔隙提取方法及*** Download PDFInfo
- Publication number
- CN110211144A CN110211144A CN201910497245.2A CN201910497245A CN110211144A CN 110211144 A CN110211144 A CN 110211144A CN 201910497245 A CN201910497245 A CN 201910497245A CN 110211144 A CN110211144 A CN 110211144A
- Authority
- CN
- China
- Prior art keywords
- edge
- grayscale image
- hole
- gray value
- pixel
- 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.)
- Granted
Links
Classifications
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种泥页岩扫描电镜图片孔隙提取方法及***。该方法包括:将泥页岩扫描电镜图片转化为8‑bit灰度图;统计灰度图中每一灰度值对应的像素点的数量;构建像素点数量随灰度值变化的曲线;采用高斯分峰拟合法将曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;确定有机质峰最高值所对应的灰度值;将灰度图中高于该灰度值的像素点的灰度值调整为该灰度值;对该灰度图进行边缘提取,得到边缘图;根据原始灰度图和边缘图确定最佳分割阈值;根据最佳分割阈值对原始灰度图进行分割,得到孔隙图;对边缘图中的边缘进行填充;将填充后的边缘图与孔隙图合并,得到最终孔隙图。本发明能够实现泥页岩扫描电镜图片孔隙的自动提取,且具有提取精度高的特点。
Description
技术领域
本发明涉及一种泥页岩扫描电镜图片孔隙提取方法及***。
背景技术
扫描电镜是一种应用高能电子在样品表面进行扫描的技术,它能有效的反应样品表面的形貌特征。二次电子的分辨率一般在5~10nm,在低于表面的区域(如孔隙),其亮度会较边缘的区域暗一些,且边缘会积累电荷,十分明亮,形成一圈亮边。前人通过人工手绘、阈值法、边缘提取法、分水岭法都可以在一定程度上将孔隙提取出来。但是人工手绘法的结果因为操作人员的地质经验的不同而差异很大,且页岩中小孔隙众多,一张页岩扫描电镜图片中的微小孔隙动辄几千甚至数万个孔隙,工作量巨大(一套连续拍的扫描电镜图能达到几十甚至上千张),十分耗时,且在手绘过程中操作人员很容易忽略一些微小孔隙。该方法不易处理大量图片,在定性或半定量的页岩孔隙评价中应用广泛。
阈值法是一种利用一个灰度值将泥页岩SEM灰度图片分为孔隙和背景区域的方法,由于扫描电镜在孔隙区域颜色较暗。因此可以将灰度低于阈值的区域定为孔隙,将灰度高于阈值的区域定为背景。阈值法由于操作简便,广泛应用于对扫描电镜的处理。但由于页岩中干酪根及暗色矿物的存在,很容易将干酪根与暗色矿物区域识别为孔隙而造成误差(也有学者分区域进行阈值提取)。且一些较浅的大孔,其内部亮度值较高,整体颜色较亮;内部粗糙不平的大孔,其内部明暗不一,很容易将这些亮的区域忽略而造成误差。阈值法分为两种:人工阈值法与自动阈值法。人工阈值法与人工手绘法存在同样的问题:都会由于操作人员地质经验的不同而使得处理结果因人而异。而自动阈值法则不存在这个问题,只要确定了自动阈值的方法后,任何人都能得到同样的处理结果。但是目前自动阈值法的方法众多,但大多数都是应用于材料,生物或是砂岩、碳酸盐岩储层样品,并没有专门应用在页岩样品的自动阈值提取方法。
边缘提取法是一种先对图片进行微分处理,找到明暗变化剧烈的边界线并将其提取出来的方法。应用在孔隙提取过程中,还需要对提取出的边界进行填充。边缘提取法可以有效的将孔隙的边缘提取出来,但是在处理大面积的图片过程中,由于干酪根边缘、矿物边缘、样品预处理过程中造成的样品表面粗糙不平(棱角)及污染物的边缘都会被提取出来,从而造成大量误差,且在提取浅孔及倾斜的有棱角的孔隙时,会由于边缘提取不全而在孔隙填充的过程中,不能填充孔隙从而造成误差。
分水岭法与边缘提取法类似,都是首先对图片进行微分处理,但分水岭法接下来会将低于一定值的区域找出来,将这些区域分割成一个一个更小的区域,并将这些不同的区域识别为孔隙,但分水岭法与边缘提取法存在类似的问题,干酪根、矿物、预处理及污染物都会造成大量误差,且内部粗糙不同的大孔,分水岭法会将其分割成不同的小孔隙而造成大量误差。
发明内容
本发明的目的是提供一种泥页岩扫描电镜图片孔隙提取方法及***,能够实现泥页岩扫描电镜图片孔隙的自动提取,且具有提取精度高的特点。
为实现上述目的,本发明提供了如下方案:
一种泥页岩扫描电镜图片孔隙提取方法,包括:
将泥页岩扫描电镜图片转化为灰度图,记为第一灰度图;
统计所述第一灰度图中每一灰度值对应的像素点的数量;
根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
对所述第二灰度图进行边缘提取,得到边缘图;
根据所述第一灰度图和所述边缘图确定最佳分割阈值;
根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
对所述边缘图中的边缘进行填充;
将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
可选的,所述对所述第二灰度图进行边缘提取,具体包括:
利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
将各边缘图像合并。
可选的,所述根据所述第一灰度图和所述边缘图确定最佳分割阈值,具体包括:
将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
将判别函数最大时的阈值确定为最佳分割阈值。
本发明还提供了一种泥页岩扫描电镜图片孔隙提取***,包括:
第一灰度图确定模块,用于将泥页岩扫描电镜图片转化为灰度图,记为第一灰度图;
像素点数量统计模块,用于统计所述第一灰度图中每一灰度值对应的像素点的数量;
曲线构建模块,用于根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
分峰拟合模块,用于采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
第一灰度值确定模块,用于确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
第二灰度图确定模块,用于将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
边缘图确定模块,用于对所述第二灰度图进行边缘提取,得到边缘图;
最佳分割阈值确定模块,用于根据所述第一灰度图和所述边缘图确定最佳分割阈值;
孔隙图确定模块,用于根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
填充模块,用于对所述边缘图中的边缘进行填充;
最终孔隙图确定模块,用于将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
可选的,所述边缘图确定模块,具体包括:
边缘提取单元,用于利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
边缘合并单元,用于将各边缘图像合并。
可选的,所述最佳分割阈值确定模块,具体包括:
初始分割单元,用于将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
对比单元,用于将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
判别函数确定单元,用于确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
最佳分割阈值确定单元,用于将判别函数最大时的阈值确定为最佳分割阈值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的泥页岩扫描电镜图片孔隙提取方法及***,首先,将泥页岩扫描电镜图片转化为灰度图,统计灰度图中每一灰度值对应的像素点的数量,然后,根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线,采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰,确定所述有机质峰最高值所对应的灰度值,记为第一灰度值,将高于第一灰度值的像素点的灰度值调整为所述第一灰度值。经上述预处理后,克服了阈值法、边缘提取法及分水岭法广泛存在的由干酪根、矿物及污染物带来的干扰,提高了孔隙提取精度。本发明确定了最佳分割阈值,并将边缘提取法所得孔隙与最佳分割阈值所得孔隙进行合并,大大提高了孔隙自动识别的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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为本发明实施例泥页岩扫描电镜图片孔隙提取方法流程图;
图2为本发明实施例像素点数量随灰度变化的关系曲线图;
图3为本发明实施例最佳分割阈值判别过程中判别函数Qt与阈值的关系图;
图4为本发明实施例为Edge-Threshold自动提取孔隙方法效果图:4a为原始扫描电镜图片与边缘探测法所得孔隙边缘叠加图;4b为在图4a中的局部放大图;c-k为不同阈值(10、20、30、40、50、60、70、80、90)所得孔隙与边缘叠加图;
图5为本发明实施例泥页岩扫描电镜图片孔隙提取***结构示意图。
具体实施方式
下面将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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种泥页岩扫描电镜图片孔隙提取方法及***,能够实现泥页岩扫描电镜图片孔隙的自动提取,且具有提取精度高的特点。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例泥页岩扫描电镜图片孔隙提取方法流程图,如图1所示,本发明提供的泥页岩扫描电镜图片孔隙提取方法步骤具体如下:
步骤101:将泥页岩扫描电镜图片转化为灰度图,记为第一灰度图;
步骤102:统计所述第一灰度图中每一灰度值对应的像素点的数量;
步骤103:根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
步骤104:采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
步骤105:确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
步骤106:将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
步骤107:对所述第二灰度图进行边缘提取,得到边缘图;
步骤108:根据所述第一灰度图和所述边缘图确定最佳分割阈值;
步骤109:根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
步骤110:对所述边缘图中的边缘进行填充;
步骤111:将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
其中,步骤107具体包括:
利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
将各边缘图像合并。
步骤108具体包括:
将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
将判别函数最大时的阈值确定为最佳分割阈值。
作为本发明的一个实施例,泥页岩扫描电镜图片孔隙提取方法如下:
步骤1:将泥页岩扫描电镜图片转化为8-bit灰度图,统计图片中0~255每一个灰度的像素点个数,做出像素点个数随灰度变化的关系曲线图,如图2中的点,每一个点即代表一个灰度值对应的像素点个数;
步骤2:利用高斯分峰拟合法将步骤1所得关系曲线图拟合为有机质峰(Peak1)、主要矿物峰(Peak2)及黄铁矿峰(Peak3),找出有机质峰最高值所对应的灰度值,将二次电子灰度图片中大于此灰度值的所有像素点重新赋为此灰度值;
步骤3:利用Sobel算子,Prewitt算子,Roberts算子,Canny算子分别对步骤2所预处理的图片进行边缘提取,并将4种算子所得边缘进行合并,将合并后的边缘图作为标定图;
步骤4:将原始未经处理的泥页岩扫描电镜图片从灰度值0开始,每隔5个灰度值作为阈值进行图像分割得到孔隙图,用阈值得到的孔隙图与标定图进行对比,将落在标定图边缘内的像素点记为Ainside,该值越大越好,落在标定图边缘外的像素点记为Aoutside,作误差函数Qerror=Aoutside/Ainside,该值越小越好。平衡这两个值使得落在边缘内孔隙面积大的同时,也让误差小,做判别函数Qt=Ainside/(Qerror)0.5,当判别函数最大时的阈值为最佳阈值,如图3所示,最佳阈值为40;
步骤5:将步骤3所得边缘图中每一个边缘进行内填充,并使之与步骤4所得最佳阈值时的孔隙图进行合并,即可得最终的孔隙图,如图4所示。图4为Edge-Threshold自动提取孔隙方法效果图;4a为原始扫描电镜图片与边缘探测法所得孔隙边缘叠加图;4b为在图4a中的局部放大图;c-k为不同阈值(10、20、30、40、50、60、70、80、90)所得孔隙与边缘叠加图。
本发明还提供了一种泥页岩扫描电镜图片孔隙提取***,如图5所示,该***包括:
第一灰度图确定模块501,用于将泥页岩扫描电镜图片转化为灰度图,记为第一灰度图;
像素点数量统计模块502,用于统计所述第一灰度图中每一灰度值对应的像素点的数量;
曲线构建模块503,用于根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
分峰拟合模块504,用于采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
第一灰度值确定模块505,用于确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
第二灰度图确定模块506,用于将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
边缘图确定模块507,用于对所述第二灰度图进行边缘提取,得到边缘图;
最佳分割阈值确定模块508,用于根据所述第一灰度图和所述边缘图确定最佳分割阈值;
孔隙图确定模块509,用于根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
填充模块510,用于对所述边缘图中的边缘进行填充;
最终孔隙图确定模块511,用于将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
其中,所述边缘图确定模块507,具体包括:
边缘提取单元,用于利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
边缘合并单元,用于将各边缘图像合并。
所述最佳分割阈值确定模块508,具体包括:
初始分割单元,用于将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
对比单元,用于将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
判别函数确定单元,用于确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
最佳分割阈值确定单元,用于将判别函数最大时的阈值确定为最佳分割阈值。
本发明提供的泥页岩扫描电镜图片孔隙提取方法及***,首先,将泥页岩扫描电镜图片转化为灰度图,统计灰度图中每一灰度值对应的像素点的数量,然后,根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线,采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰,确定所述有机质峰最高值所对应的灰度值,记为第一灰度值,将高于第一灰度值的像素点的灰度值调整为所述第一灰度值。经上述预处理后,克服了阈值法、边缘提取法及分水岭法广泛存在的由干酪根、矿物及污染物带来的干扰,提高了孔隙提取精度。本发明确定了最佳分割阈值,并将边缘提取法所得孔隙与最佳分割阈值所得孔隙进行合并,大大提高了孔隙自动识别的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种泥页岩扫描电镜图片孔隙提取方法,其特征在于,包括:
将泥页岩扫描电镜图片转化为8-bit灰度图,记为第一灰度图;
统计所述第一灰度图中每一灰度值对应的像素点的数量;
根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
对所述第二灰度图进行边缘提取,得到边缘图;
根据所述第一灰度图和所述边缘图确定最佳分割阈值;
根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
对所述边缘图中的边缘进行填充;
将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
2.根据权利要求1所述的泥页岩扫描电镜图片孔隙提取方法,其特征在于,所述对所述第二灰度图进行边缘提取,具体包括:
利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
将各边缘图像合并。
3.根据权利要求1所述的泥页岩扫描电镜图片孔隙提取方法,其特征在于,所述根据所述第一灰度图和所述边缘图确定最佳分割阈值,具体包括:
将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
将判别函数最大时的阈值确定为最佳分割阈值。
4.一种泥页岩扫描电镜图片孔隙提取***,其特征在于,包括:
第一灰度图确定模块,用于将泥页岩扫描电镜图片转化为灰度图,记为第一灰度图;
像素点数量统计模块,用于统计所述第一灰度图中每一灰度值对应的像素点的数量;
曲线构建模块,用于根据每一灰度值对应的像素点的数量构建像素点数量随灰度值变化的曲线;
分峰拟合模块,用于采用高斯分峰拟合法将所述曲线拟合为有机质峰、主要矿物峰和黄铁矿峰;
第一灰度值确定模块,用于确定所述有机质峰最高值所对应的灰度值,记为第一灰度值;
第二灰度图确定模块,用于将所述灰度图中高于所述第一灰度值的像素点的灰度值调整为所述第一灰度值,得到第二灰度图;
边缘图确定模块,用于对所述第二灰度图进行边缘提取,得到边缘图;
最佳分割阈值确定模块,用于根据所述第一灰度图和所述边缘图确定最佳分割阈值;
孔隙图确定模块,用于根据所述最佳分割阈值对所述第一灰度图进行分割,得到孔隙图;
填充模块,用于对所述边缘图中的边缘进行填充;
最终孔隙图确定模块,用于将填充后的边缘图与所述孔隙图进行合并,得到最终孔隙图。
5.根据权利要求4所述的泥页岩扫描电镜图片孔隙提取***,其特征在于,所述边缘图确定模块,具体包括:
边缘提取单元,用于利用Sobel算子、Prewitt算子、Roberts算子和Canny算子分别对所述第二灰度图进行边缘提取,得到四种算子对应的提取到的边缘图像;
边缘合并单元,用于将各边缘图像合并。
6.根据权利要求4所述的泥页岩扫描电镜图片孔隙提取***,其特征在于,所述最佳分割阈值确定模块,具体包括:
初始分割单元,用于将所述第一灰度图从灰度值0开始,每隔5个灰度值作为阈值进行图像分割,得到孔隙图;
对比单元,用于将所述孔隙图与所述边缘图进行对比,将落在所述边缘图边缘内的像素点记为Ainside,将落在所述边缘图边缘外的像素点记为Aoutside;
判别函数确定单元,用于确定判别函数Qt=Ainside/(Qerror)0.5,其中,Qerror=Aoutside/Ainside;
最佳分割阈值确定单元,用于将判别函数最大时的阈值确定为最佳分割阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497245.2A CN110211144B (zh) | 2019-06-10 | 2019-06-10 | 一种泥页岩扫描电镜图片孔隙提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497245.2A CN110211144B (zh) | 2019-06-10 | 2019-06-10 | 一种泥页岩扫描电镜图片孔隙提取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211144A true CN110211144A (zh) | 2019-09-06 |
CN110211144B CN110211144B (zh) | 2021-06-22 |
Family
ID=67791738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910497245.2A Active CN110211144B (zh) | 2019-06-10 | 2019-06-10 | 一种泥页岩扫描电镜图片孔隙提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211144B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132791A (zh) * | 2020-09-02 | 2020-12-25 | 数岩科技股份有限公司 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
CN112414917A (zh) * | 2020-11-03 | 2021-02-26 | 西安石油大学 | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512838A (zh) * | 2013-09-18 | 2014-01-15 | 中国石油大学(华东) | 一种测定泥页岩储层不同孔径孔隙对孔隙度贡献的方法 |
CN103822866A (zh) * | 2014-03-21 | 2014-05-28 | 中国石油大学(华东) | 一种评价目的层段泥页岩孔隙度方法 |
CN105352873A (zh) * | 2015-11-26 | 2016-02-24 | 中国石油大学(北京) | 页岩孔隙结构的表征方法 |
CN107228816A (zh) * | 2017-06-01 | 2017-10-03 | 中国石油大学(华东) | 一种泥页岩中不同类型孔隙演化评价方法 |
CN107923240A (zh) * | 2015-09-16 | 2018-04-17 | 因格瑞恩股份有限公司 | 用于确定与井或地层中的有机质相关联的孔隙度的方法 |
CN108595778A (zh) * | 2018-04-02 | 2018-09-28 | 中国石油大学(北京) | 一种页岩复合有机质分子模型的构建方法 |
CN108827995A (zh) * | 2018-04-02 | 2018-11-16 | 中国石油大学(北京) | 一种干酪根平均分子结构模型的构建方法 |
CN108956424A (zh) * | 2018-07-19 | 2018-12-07 | 湖南科技大学 | 一种页岩中孔隙定量表征的方法 |
CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
CN106950347B (zh) * | 2017-03-03 | 2019-03-05 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
-
2019
- 2019-06-10 CN CN201910497245.2A patent/CN110211144B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512838A (zh) * | 2013-09-18 | 2014-01-15 | 中国石油大学(华东) | 一种测定泥页岩储层不同孔径孔隙对孔隙度贡献的方法 |
CN103822866A (zh) * | 2014-03-21 | 2014-05-28 | 中国石油大学(华东) | 一种评价目的层段泥页岩孔隙度方法 |
CN107923240A (zh) * | 2015-09-16 | 2018-04-17 | 因格瑞恩股份有限公司 | 用于确定与井或地层中的有机质相关联的孔隙度的方法 |
CN105352873A (zh) * | 2015-11-26 | 2016-02-24 | 中国石油大学(北京) | 页岩孔隙结构的表征方法 |
CN106950347B (zh) * | 2017-03-03 | 2019-03-05 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
CN107228816A (zh) * | 2017-06-01 | 2017-10-03 | 中国石油大学(华东) | 一种泥页岩中不同类型孔隙演化评价方法 |
CN108595778A (zh) * | 2018-04-02 | 2018-09-28 | 中国石油大学(北京) | 一种页岩复合有机质分子模型的构建方法 |
CN108827995A (zh) * | 2018-04-02 | 2018-11-16 | 中国石油大学(北京) | 一种干酪根平均分子结构模型的构建方法 |
CN108956424A (zh) * | 2018-07-19 | 2018-12-07 | 湖南科技大学 | 一种页岩中孔隙定量表征的方法 |
CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
Non-Patent Citations (4)
Title |
---|
VICTORIA H. DISTEFANO ET AL: "Extraction of organic compounds from representative shales and the effect on porosity", 《JOURNAL OF NATURAL GAS SCIENCE AND ENGINEERING》 * |
YONGFEI YANG ET AL: "New pore space characterization method of shale matrix formation by considering organic and inorganic pores", 《JOURNAL OF NATURAL GAS SCIENCE AND ENGINEERING》 * |
王擎: "干酪根组成结构及其热解生油特性的红外光谱研究", 《燃料化学学报》 * |
王羽 等: "基于SEM图像灰度水平的页岩孔隙分割方法研究", 《岩矿测试》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132791A (zh) * | 2020-09-02 | 2020-12-25 | 数岩科技股份有限公司 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
CN112132791B (zh) * | 2020-09-02 | 2024-06-07 | 数岩科技股份有限公司 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
CN112414917A (zh) * | 2020-11-03 | 2021-02-26 | 西安石油大学 | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 |
CN112414917B (zh) * | 2020-11-03 | 2023-09-01 | 西安石油大学 | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110211144B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361193B2 (en) | Automatic identification method and system for different types of pores of mud shale | |
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
CN110223282A (zh) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及*** | |
Parker et al. | An approach to license plate recognition | |
CN103559500B (zh) | 一种基于光谱与纹理特征的多光谱遥感图像地物分类方法 | |
CN107122777A (zh) | 一种基于视频文件的车辆分析***及分析方法 | |
CN102156868A (zh) | 图像二值化方法和装置 | |
CN112150430B (zh) | 一种利用岩石细观结构数字图像的数值分析方法 | |
CN104809715A (zh) | 纸币图像倾斜校正与区域提取方法 | |
CN104376551A (zh) | 一种融合区域生长和边缘检测的彩色图像分割方法 | |
CN110211144A (zh) | 一种泥页岩扫描电镜图片孔隙提取方法及*** | |
CN103325117B (zh) | 一种基于matlab的岩心图像处理方法及*** | |
CN110197153A (zh) | 一种户型图中墙体自动识别方法 | |
CN108830857A (zh) | 一种自适应的汉字碑帖图像二值化分割算法 | |
CN108664939A (zh) | 一种基于hog特征与深度学习的遥感图像飞机识别方法 | |
CN112964712A (zh) | 一种快速检测沥青路面状态的方法 | |
CN110188730A (zh) | 基于mtcnn的人脸检测与对齐方法 | |
CN103218819B (zh) | 基于四叉树分解的超声图像最优同质区域自动选取方法 | |
CN112348831B (zh) | 基于机器学习的页岩sem图像分割方法 | |
CN103530644A (zh) | 条纹织物组织结构自动识别方法 | |
CN110189353A (zh) | 一种泥页岩能谱矿物分布图校准方法及*** | |
CN106127765A (zh) | 基于自适应窗口和平滑阈值法的图像二值化*** | |
CN109726660A (zh) | 一种遥感图像船舶识别方法 | |
CN113610024B (zh) | 一种多策略的深度学习遥感影像小目标检测方法 | |
CN105303190A (zh) | 一种基于对比度增强法的降质文档图像二值化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |