CN112132791A - 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 - Google Patents
一种页岩扫描电镜图像处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112132791A CN112132791A CN202010910386.5A CN202010910386A CN112132791A CN 112132791 A CN112132791 A CN 112132791A CN 202010910386 A CN202010910386 A CN 202010910386A CN 112132791 A CN112132791 A CN 112132791A
- Authority
- CN
- China
- Prior art keywords
- pores
- electron microscope
- scanning electron
- microscope image
- type
- 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
- 238000001000 micrograph Methods 0.000 title claims abstract description 161
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000011148 porous material Substances 0.000 claims description 332
- 239000005416 organic matter Substances 0.000 claims description 80
- 238000004891 communication Methods 0.000 claims description 43
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 30
- 239000011707 mineral Substances 0.000 claims description 30
- 239000002245 particle Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 16
- 238000001878 scanning electron micrograph Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 8
- 239000012071 phase Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010894 electron beam technology Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 239000012074 organic phase Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种页岩扫描电镜图像处理方法、装置、电子设备和计算机存储介质,所述方法包括:获取页岩的扫描电镜图像;对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;基于所述叠加结果,得到所述扫描电镜图像的分类结果。
Description
技术领域
本发明涉及页岩油气勘探开发技术领域,尤其涉及一种页岩扫描电镜图像处理方法、装置、电子设备和计算机存储介质。
背景技术
页岩储层孔隙类型多样,从成因上主要分为有机孔和无机孔,页岩成分按照种类主要分为有机质和无机质,其中有机孔与有机质热演化及生烃作用相关,无机孔与无机物质沉积及成岩作用相关。页岩微观孔隙特征(例如孔隙类别、含量、分布以及尺寸等)、有机质含量及其分布等内容是页岩储层评价的核心之一,其准确、定量评价对于页岩甜点选择、储量计算、高效开发等具有重要意义。
相关技术中,基于实验的岩心分析法,无法区分孔隙的类别;基于核磁共振技术的页岩孔隙分析法,无法得到孔隙在页岩内的空间分布;基于扫描电镜二维图像分析法,对于扫描电镜图像的特征识别手段有限,需要在扫描电镜采集的高分辨率图像上采用人工经验的方式进行识别分类;然而这种方式对于大视域、高分辨率特征的页岩图像的识别效率低,并且很可能导致有机孔、无机孔等特征的严重误判。
发明内容
本发明实施例提供了一种页岩扫描电镜图像处理方法、装置、电子设备和计算机存储介质。
本发明实施例的技术方案是这样实现的:
本发明提供一种页岩扫描电镜图像处理方法,所述方法包括:
获取页岩的扫描电镜图像;
对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;
将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;
基于所述叠加结果,得到所述扫描电镜图像的分类结果。
在一些实施例中,所述对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果,包括:
使用第一灰度阈值对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;所述第一类型目标包括孔隙;
所述对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果,包括:
使用第二灰度阈值对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括孔隙和有机质。
在一些实施例中,所述基于所述叠加结果,得到所述扫描电镜图像的分类结果,包括:
在所述第二类型目标的连通区域中不含孔隙的情况下,确定所述连通区域为不含孔有机质;
在所述第二类型目标的连通区域中包含孔隙的情况下,确定所述连通区域中孔隙的总面积与所述连通区域面积的面积占比;根据所述面积占比,得到所述扫描电镜图像的分类结果。
在一些实施例中,所述根据所述面积占比,得到所述扫描电镜图像的分类结果,包括:
在所述面积占比小于或等于第一面积比值的情况下,确定所述连通区域中的孔隙为有机孔;
在所述面积占比大于或等于第二面积比值的情况下,确定所述连通区域中的孔隙为无机孔;
在所述面积占比大于所述第一面积比值且小于所述第二面积比值的情况下,确定所述连通区域中孔隙的个数;在所述孔隙的个数小于设定阈值的情况下,确定所述连通区域中的孔隙为无机孔;在所述孔隙的个数大于或等于所述设定阈值的情况下,确定所述连通区域中的孔隙为有机孔。
在一些实施例中,所述方法还包括:
根据所述扫描电镜图像的分类结果,得到是否对设定参数进行调整的判断结果;所述设定参数包括以下至少一项:第一面积比值、第二面积比值、设定阈值;
在需要对所述设定参数进行调整的情况下,得到调整后的设定参数;
基于所述调整后的设定参数,重新得到所述扫描电镜图像的分类结果。
在一些实施例中,所述方法还包括:
按照预设的连通区域的划分方法对所述第一分割结果的第一类型目标的连通区域和所述第二分割结果的第二类型目标的连通区域进行划分。
在一些实施例中,所述扫描电镜图像的分类结果包括以下至少一项:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒。
本发明提供一种页岩扫描电镜图像处理装置,所述装置包括:
获取模块,用于获取页岩的扫描电镜图像;
分割模块,用于对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;
叠加模块,用于将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;
分类模块,用于基于所述叠加结果,得到所述扫描电镜图像的分类结果。
在一些实施例中,所述分割模块,用于对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果,包括:
使用第一灰度阈值对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;所述第一类型目标包括孔隙;
所述分割模块,用于对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果,包括:
使用第二灰度阈值对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括孔隙和有机质。
在一些实施例中,所述分类模块,用于基于所述叠加结果,得到所述扫描电镜图像的分类结果,包括:
在所述第二类型目标的连通区域中不含孔隙的情况下,确定所述连通区域为不含孔有机质;
在所述第二类型目标的连通区域中包含孔隙的情况下,确定所述连通区域中孔隙的总面积与所述连通区域面积的面积占比;根据所述面积占比,得到所述扫描电镜图像的分类结果。
在一些实施例中,所述分类模块,用于根据所述面积占比,得到所述扫描电镜图像的分类结果,包括:
在所述面积占比小于或等于第一面积比值的情况下,确定所述连通区域中的孔隙为有机孔;
在所述面积占比大于或等于第二面积比值的情况下,确定所述连通区域中的孔隙为无机孔;
在所述面积占比大于所述第一面积比值且小于所述第二面积比值的情况下,确定所述连通区域中孔隙的个数;在所述孔隙的个数小于设定阈值的情况下,确定所述连通区域中的孔隙为无机孔;在所述孔隙的个数大于或等于所述设定阈值的情况下,确定所述连通区域中的孔隙为有机孔。
在一些实施例中,所述装置还包括调整模块,所述调整模块,用于:
根据所述扫描电镜图像的分类结果,得到是否对设定参数进行调整的判断结果;所述设定参数包括以下至少一项:第一面积比值、第二面积比值、设定阈值;
在需要对所述设定参数进行调整的情况下,得到调整后的设定参数;
基于所述调整后的设定参数,重新得到所述扫描电镜图像的分类结果。
在一些实施例中,所述分割模块,还用于:
按照预设的连通区域的划分方法对所述第一分割结果的第一类型目标的连通区域和所述第二分割结果的第二类型目标的连通区域进行划分。
在一些实施例中,所述扫描电镜图像的分类结果包括以下至少一项:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒。
本发明提供一种电子设备,所述设备包括存储器、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前述一个或多个技术方案提供的图像处理方法。
本发明提供一种计算机存储介质,所述计算机存储介质存储有计算机程序;所述计算机程序被执行后能够实现前述一个或多个技术方案提供的图像处理方法。
本发明实施例提供了一种页岩扫描电镜图像处理方法、装置、电子设备和计算机存储介质,所述方法包括:获取页岩的扫描电镜图像;对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;基于所述叠加结果,得到所述扫描电镜图像的分类结果。可以看出,在对扫描电镜图像进行两次不同目标类型的分割后,通过叠加的方式获得扫描电镜图像的分类结果;该方法不仅可以在同一张扫描电镜图像上综合展示不同特征的空间分布结果,而且分类方法简单,能够适用于大视域、高分辨率特征的页岩图像。
附图说明
图1为本发明实施例的一种页岩扫描电镜图像处理方法的流程图;
图2a为本发明实施例中对孔隙连通区域进行划分的示意图;
图2b为本发明实施例中对孔隙和有机质连通区域进行划分的示意图;
图2c为本发明实施例中将连通区域进行叠加的示意图;
图2d为本发明实施例中根据面积占比和孔隙的个数进行分类的示意图;
图3为本发明实施例的另一种页岩扫描电镜图像处理方法的流程示意图;
图4a为本发明实施例中的原始扫描电镜图像;
图4b为本发明实施例中对孔隙进行分割的示意图;
图4c为本发明实施例中对孔隙和有机质进行分割的示意图;
图4d为本发明实施例的图像分类结果的示意图;
图5a为本发明实施例的一种页岩扫描电镜图像处理的组成结构示意图;
图5b为本发明实施例的另一种页岩扫描电镜图像处理的组成结构示意图;
图6为本发明提供的电子设备的结构示意图。
具体实施方式
以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
页岩是由极细的粘土、泥质,经过紧压固结、脱水、重结晶后形成的,具有薄页状层理构造的粘土岩;页岩根据其混入物的成分,可分为:钙质页岩、铁质页岩、硅质页岩、炭质页岩、黑色页岩、油母页岩等;其中,油母页岩可以提炼石油,黑色页岩可以作为石油的指示地层。
页岩由于生长环境以及埋藏深度等条件的不同,孔隙的发育程度有很大区别;既有微米级孔隙,也有纳米级孔隙;页岩的孔隙对流体流动和存储能力有着决定性作用。页岩的孔隙主要包括有机孔和无机孔,由于有机孔和无机孔对流体的润湿性差异,以及页岩气在有机孔和无机孔的运移机理不同,对页岩的有机孔和无机孔的识别以及定量化表征对于后续的储量计算、高效开发等具有重要意义。
相关技术中,对于页岩孔隙的检测方法存在以下缺点:
1)相关技术中,基于实验的岩心分析法,这类方法只能对一块岩心的总体孔隙情况进行测量,却不能得到各类孔隙的尺寸分布和在页岩中的空间分布情况,也无法区分有机孔和无机孔。此外,由于页岩孔隙中可能存在大量吸附气,所以当利用气体测量孔隙度时,很难克服吸附气对实验结果的干扰,进而,降低检测结果的准确度。
2)相关技术中,基于核磁共振技术的页岩孔隙分析法,这类方法可以得到页岩的孔隙尺寸分布,但无法得到孔隙在页岩内的空间分布,也无法区分有机孔和无机孔。
3)相关技术中,基于扫描电镜二维图像分析法,这类方法利用高分辨率扫描电镜设备对岩心表面进行二维成像,虽然能够直观展现岩石表面有机质及孔隙结构情况。但是针对扫描电镜图像的特征识别手段有限,需要在扫描电镜采集的高分辨率图像上人工识别有机质、有机孔、无机孔等特征。另外,这类方法并没有检测出有机质、有机孔、无机孔等特征之间的逻辑关系,而是采用人工经验的方式进行判断,这对于大视域、高分辨率特征的图像,不仅识别效率较低,甚至可能会导致有机质孔、无机孔等特征的严重误判。
基于上述技术问题,本发明提供一种页岩扫描电镜图像处理方法,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。
在本发明的一些实施例中,图像处理方法可以利用图像处理装置中的处理器实现,上述处理器可以为特定用途集成电路(Application Specific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(DigitalSignal Processing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)、中央处理器(CentralProcessing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。
图1为本发明实施例的一种页岩扫描电镜图像处理方法的流程图,如图1所示,该方法包括:
步骤100:获取页岩的扫描电镜图像。
这里,页岩可以表示从页岩上取样得到的一块岩心或薄片,即,页岩样品;通过获取该页岩样品的扫描电镜图像进行后续的图像处理。
在一些实施例中,页岩样品的取样方式可以按照平行层理方向进行取样,也可以按照垂直层理方向进行取样。
在本发明的一些实施例中,针对要处理的页岩样品可以利用背散射电子进行高分辨率扫描成像,得到页岩样品的扫描电镜图像。
其中,扫描电镜图像的分辨率可以表示能够清楚地分辨页岩样品上最小细节的能力,通常以清楚地分辨图像上两点或两个细节之间的最小距离表示。例如,对于大小为10000×10000(像素)的扫描电镜图像,分辨率可以为10nm/像素,也可以为15nm/像素;可以根据实际应用场景进行设置,本发明实施例对此不作限制。
这里,背散射电子成像是基于扫描电镜的一种电子成像技术;当电子束和页岩样品表面发生作用时,会产生大量的背散射电子;利用背散射电子进行成像的过程主要是利用页岩样品表面的微区特征;例如,样貌、原子序数、晶体结构或位向等差异;在电子束的作用下产生不同强度的物理信号,使得图像不同区域呈现出不同的亮度,从而得到具有一定衬度的图像,即,页岩的扫描电镜图像。
在一些实施例中,通过改变电子束在页岩样品的扫描宽度,可连续几倍、十几倍甚至几万倍地改变扫描电镜图像的放大倍数。其中,低倍数可用于选择视场、观察页岩样品的全貌,高倍数可用于观察页岩样品表面的微区特征的精细结构;对于扫描电镜图像的放大倍数可以根据实际场景需要进行设置,本发明实施例对此不作限制。
本发明实施例中,对于获取页岩的扫描电镜图像的方式,可以通过人工直接输入,也可以通过图像处理装置主动获取;进一步地,对获取到页岩的扫描电镜图像,可以通过去噪平滑算法,例如,Susan(Small univalue segment assimilating nucleus)算法,对图像进行处理,得到平滑无噪点的扫描电镜图像,有助于后续对图像进行分割处理。
步骤101:对扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对扫描电镜图像进行第二类型目标的分割,得到第二分割结果;第二类型目标包括第一类型目标。
本发明实施例中,第一类型目标和第二类型目标可以是扫描电镜图像的目标实体,即,页岩的部分特征;例如,孔隙和有机质等,而扫描电镜图像除了包括第一类型目标和第二类型目标之外,还包括页岩的其它特征,例如无机质和矿物颗粒等。
本发明实施例中,第一类型目标可以表示扫描电镜图像中属于同一类型的目标实体;也可以表示扫描电镜图像中属于不同类型的目标实体;例如,扫描电镜图像中包括目标实体A1、目标实体B1、目标实体C1和目标实体D1,第一类型目标可以是目标实体A1、目标实体B1、目标实体C1或目标实体D1,也可以是目标实体A1、目标实体B1、目标实体C1和目标实体D1至少两种组合。
进一步地,由于第二类型目标包括第一类型目标,因而,在第一类型目标是目标实体A1的情况下;第二类型目标可以包括目标实体A1,还包括目标实体B1、目标实体C1、目标实体D1的至少一种;在第一类型目标是目标实体A1和目标实体B1的情况下;第二类型目标可以包括目标实体A1和目标实体B1,还包括目标实体C1、目标实体D1的至少一种。
本发明实施例中,获取到的扫描电镜图像是具有一定衬度的图像,即,一张不同区域间存在明暗差异的灰度图;进而,可以根据第一类型目标对应的灰度值范围对获取到的扫描电镜图像进行分割,得到第一分割结果;可以根据第二类型目标对应的灰度值范围对获取到的扫描电镜图像进行分割,得到第二分割结果;这里,第一分割结果和第二分割结果表示进行分割后的整张扫描电镜图像。
在一种实施方式中,在扫描电镜图像的灰度值范围为[0 255]的情况下,假设第一类型目标对应的灰度值范围为[0 50],则将扫描电镜图像中灰度值小于或等于50的所有像素点确定为第一类型目标。
进一步地,由于第二类型目标包括第一类型目标,因而,在第一类型目标对应的灰度值范围为[0 50]的情况下,第二类型目标对应的灰度值范围可以为[0100];即,将扫描电镜图像中灰度值小于或等于100的所有像素点确定为第二类型目标;这里,对于灰度值范围的设置可以根据扫描电镜图像上第一类型目标和第二类型目标的灰度值进行确定。
本发明实施例中,为了便于区分扫描电镜图像分割后的第一类型目标和第二类型目标,可以对第一类型目标和第一分割结果中除了第一类型目标之外的区域分别设置不同的灰度值;例如,可将第一类型目标对应的像素点的灰度值设为0,剩余像素点的灰度值设为1,即,最终得到的第一分割结果是一个0和1分布的二值图像。可以对第二类型目标和第二分割结果中除了第二类型目标之外的区域分别设置不同的灰度值;例如,可将第二类型目标对应的像素点的灰度值设为0,剩余像素点的灰度值设为1,即,最终得到的第二分割结果是一个0和1分布的二值图像。
可以看出,通过对第一类型目标和第二类型目标设置相应的灰度值后,可以在第一分割结果和第二分割结果上有效区分第一类型目标和第二类型目标,便于后续有针对性地对第一类型目标和第二类型目标进行处理。
在一些实施例中,对扫描电镜图像进行第一类型目标的分割,得到第一分割结果,可以包括:使用第一灰度阈值对扫描电镜图像进行第一类型目标的分割,得到第一分割结果;第一类型目标包括孔隙;对扫描电镜图像进行第二类型目标的分割,得到第二分割结果,可以包括:使用第二灰度阈值对扫描电镜图像进行第二类型目标的分割,得到第二分割结果;第二类型目标包括孔隙和有机质。
本发明实施例中,孔隙、有机质都是扫描电镜图像上显示的页岩的部分特征;通过第一灰度阈值对扫描电镜图像进行分割,可以得到包含孔隙的第一分割结果;通过第二灰度阈值对扫描电镜图像进行分割,可以得到包含孔隙和有机质的第二分割结果。
本发明实施例中,在扫描电镜图像上显示的页岩的特征包括孔隙、有机质和矿物颗粒的情况下,通过第一灰度阈值进行分割可以将孔隙与有机质、矿物颗粒进行区分,得到第一分割结果;通过第二灰度阈值进行分割可以将孔隙、有机质与矿物颗粒进行区分,得到第二分割结果。
这里,第一分割结果和第二分割结果可以通过设置不同的灰度值进行区分;例如,在第一分割结果中,孔隙对应的像素点的灰度值为0,有机质与矿物颗粒对应的灰度值为1;即,第一分割结果为0和1分布的二值图像;同样地,在第二分割结果中,孔隙和有机质对应的像素点的灰度值为0,矿物颗粒对应的像素点的灰度值为1;即,第二分割结果为0和1分布的二值图像。
本发明实施例中,第一灰度阈值用于表示第一类型目标对应的灰度范围的最大灰度值;即,在第一类型目标对应的灰度值范围为[0 50]的情况下,第一灰度阈值为50;第二灰度阈值用于表示第二类型目标对应的灰度范围的最大灰度值;即,在第二类型目标对应的灰度值范围为[0 100]的情况下,第二灰度阈值为100。
在一些实施方式中,假设扫描电镜图像中孔隙、有机质和矿物颗粒对应的灰度范围分别为[0 50]、[50 100]、[100 255];如果使用第一灰度阈值50对扫描电镜图像进行分割,则将孔隙确定为第一类型目标,并将灰度值小于或等于50的像素点设置为0,将灰度值大于50的像素点设置为1,最终得到一个0和1分布的二值图像,即,第一分割结果。
进一步地,如果使用第二灰度阈值100对扫描电镜图像进行分割,则将孔隙和有机质确定为第二类型目标,并将灰度值小于或等于100的像素点设置为0,将灰度值大于100的像素点设置为1,最终得到一个0和1分布的二值图像,即,第二分割结果。
可以看出,通过设置第一灰度阈值和第二灰度阈值可以有效地对第一类型目标的孔隙以及第二类型目标的孔隙和有机质进行区分;便于后续有针对性地对第一类型目标和第二类型目标进行处理。
步骤102:将第一分割结果叠加在第二分割结果上,得到叠加结果。
在一种实施方式中,基于步骤101得到扫描电镜图像分割后的第一分割结果和第二分割结果后,首先可以剔除第一分割结果和第二分割结果中的单像素区域,由于单像素区域很可能是图像分割过程中产生的噪声,通过剔除单像素区域,可以减少噪声对图像的干扰。
本发明实施例中,在剔除单像素区域后,可以按照预设的连通区域的划分方法对第一分割结果的第一类型目标的连通区域和第二分割结果的第二类型目标的连通区域进行划分。
在一种实施方式中,可以采用4连通的方式对第一类型目标的连通区域和第二类型目标的连通区域进行划分;划分完成后,可以统计第一类型目标和第二类型目标的各个连通区域的面积等相关参数。
本发明实施例中,在第一类型目标包括孔隙的情况下,可以采用4连通的方式对孔隙连通区域进行划分;图2a为本发明实施例中对孔隙连通区域进行划分的示意图;如图2a所示,A代表孔隙,即,扫描电镜图像中的第一类型目标,可以看出,经过对孔隙连通区域划分后,扫描电镜图像中孔隙连通区域的个数为14。
本发明实施例中,在第二类型目标包括孔隙和有机质的情况下,可以采用4连通的方式对孔隙和有机质连通区域进行划分;图2b为本发明实施例中对孔隙和有机质连通区域进行划分的示意图;如图2b所示,B代表孔隙和有机质,即,扫描电镜图像中的第二类型目标,可以看出,经过对孔隙和有机质连通区域划分后,扫描电镜图像中孔隙和有机质连通区域的个数为5。
进一步地,在对第一类型目标和第二类型目标的连通区域划分后,可以将第一分割结果叠加在第二分割结果上,得到叠加结果。图2c为本发明实施例中将连通区域进行叠加的示意图;如图2c所示,A代表孔隙,B代表孔隙和有机质,可以看出,经过叠加后的孔隙A均位于孔隙和有机质B内。
步骤103:基于叠加结果,得到扫描电镜图像的分类结果。
本发明实施例中,在得到第一分割结果和第二分割结果的叠加结果后,根据该叠加结果,可以得到扫描电镜图像的分类结果。
本发明实施例中,在第二类型目标比第一类型目标多一种类型的目标实体的情况下,如果第一分割结果中第一类型目标的连通区域有M个,第二分割结果中第二类型目标的连通区域有N个,根据第一分割结果和第二分割结果的叠加结果,如果判定出叠加结果中的N个连通区域中有L个连通区域不包括第一类型目标;可以得到这L个连通区域的分类结果。例如,如果判定出叠加结果中的5个连通区域中有1个连通区域不包括第一类型目标;可以得到这1个连通区域的分类结果。
进一步地,由于第二类型目标的N-L个连通区域可能包含误划分的目标实体;因而,需要分别对N-L个连通区域中第一类型目标的总面积、N-L个连通区域的各自面积和N-L个连通区域中第一类型目标的个数进行统计,基于统计结果,得到N-L个连通区域的分类结果。
在一些实施例中,基于叠加结果,得到扫描电镜图像的分类结果,可以包括:在第二类型目标的连通区域中不含孔隙的情况下,确定连通区域为不含孔有机质;在第二类型目标的连通区域中包含孔隙的情况下,确定连通区域中孔隙的总面积与连通区域面积的面积占比;根据面积占比,得到扫描电镜图像的分类结果。
本发明实施例中,在第一类型目标包括孔隙、第二类型目标包括孔隙和有机质的情况下,如果第一分割结果中孔隙连通区域有80个,第二分割结果中孔隙和有机质连通区域有150个;根据第一分割结果与第二分割结果的叠加结果可以确定出孔隙的分布情况;如果根据孔隙的分布情况判定出第二分割结果中孔隙和有机质连通区域中有100个不含孔,则可以确定出这100个不含孔的连通区域为不含孔有机质。
进一步地,对于叠加结果中其余50个连通区域为“含孔有机质”,这里的“含孔有机质”中很可能包括误划分的无机孔。因此,需要分别对叠加结果中连通区域中孔隙的总面积、“含孔有机质”的各自连通区域面积和“含孔有机质”包含的孔隙个数进行统计,得到50个连通区域中孔隙的总面积与“含孔有机质”面积的面积占比。基于面积占比,得到扫描电镜图像中50个连通区域的分类结果。
在一些实施例中,根据面积占比,得到扫描电镜图像的分类结果,可以包括:在面积占比小于或等于第一面积比值的情况下,确定连通区域中的孔隙为有机孔;在面积占比大于或等于第二面积比值的情况下,确定连通区域中的孔隙为无机孔;在面积占比大于第一面积比值且小于第二面积比值的情况下,确定连通区域中孔隙的个数;在孔隙的个数小于设定阈值的情况下,确定连通区域中的孔隙为无机孔;在孔隙的个数大于或等于设定阈值的情况下,确定连通区域中的孔隙为有机孔。
本发明实施例中,第一面积比值area_ratio1、第二面积比值area_ratio2和设定阈值pore_num可以根据实际获取的扫描电镜图像进行设置;也可以通过对少部分典型的有机孔面积占比、无机孔面积占比以及有机质中孔隙个数的计算结果进行设置。一般情况下,area_ratio1取值范围为0.1-0.3,area_ratio2取值范围为0.4-0.8,pore_num取值范围为2-3。
在一种实施方式中,如果选取area_ratio1、area_ratio2以及pore_num的值分别为0.2、0.45和3;基于此,对叠加结果中包含孔隙的连通区域中孔隙的总面积与连通区域面积的面积占比area_ratio进行计算。
如果area_ratio小于或等于0.2,则判定连通区域中的孔隙为有机孔;如果area_ratio大于或等于0.45,则判定连通区域中的孔隙为无机孔;如果area_ratio大于0.2且小于0.45时,确定连通区域中孔隙的个数;如果孔隙个数大于或等于3个时,则判定连通区域中的孔隙为有机孔,否则判定为无机孔;最终,可以得到扫描电镜图像的分类结果。
图2d为本发明实施例中根据面积占比和孔隙的个数进行分类的示意图;如图2d所示,第一连通区域20表示area_ratio大于area_ratio2的情况,即,第一连通区域20包括的孔隙为无机孔;第二连通区域21表示area_ratio小于area_ratio1的情况,即,第二连通区域21包括的孔隙为有机孔;第三连通区域22表示连通区域不含孔隙的情况,即,第三连通区域22为不含孔有机质;第四连通区域23表示area_ratio大于area_ratio1小于area_ratio2,且孔隙的个数大于pore_num的情况,即,第四连通区域23包括的孔隙为有机孔;第五连通区域24表示area_ratio大于area_ratio1小于area_ratio2,且孔隙的个数小于pore_num的情况,即,第五连通区域24包括的孔隙为无机孔。
进一步地,若孔隙判定为有机孔,则孔隙所在的连通区域除孔隙部分外,其余判定为含孔有机质;若孔隙判定为无机孔,则孔隙所在的连通区域除孔隙部分外,其他部分判定为矿物颗粒。
在一些实施例中,扫描电镜图像的分类结果包括以下至少一项:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒。
在一些实施例中,可以根据扫描电镜图像的分类结果,得到是否对设定参数进行调整的判断结果;设定参数包括以下至少一项:第一面积比值、第二面积比值、设定阈值;在需要对设定参数进行调整的情况下,得到调整后的设定参数;基于调整后的设定参数,重新得到扫描电镜图像的分类结果。
本发明实施例中,在得到扫描电镜图像的分类结果后,根据分类结果与原始扫描电镜图像的对比,对扫描电镜图像的分类效果进行判断,如果分类效果较好,则可根据分类结果进一步计算有机孔隙度、无机孔隙度、有机质含量等,并可进一步计算相关孔隙结构特征参数,如形状因子、等效半径、孔径分布等;若分类效果较差,则需进一步调整pore_num、area_ratio1及area_ratio2,并重新执行步骤103,进一步对扫描电镜图像进行分类,直到取得较好的分类结果。
本发明实施例提供了一种页岩扫描电镜图像处理方法、装置、电子设备和计算机存储介质,方法包括:获取页岩的扫描电镜图像;对扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对扫描电镜图像进行第二类型目标的分割,得到第二分割结果;第二类型目标包括第一类型目标;将第一分割结果叠加在第二分割结果上,得到叠加结果;基于叠加结果,得到扫描电镜图像的分类结果。可以看出,在对扫描电镜图像进行两次不同目标类型的分割后,通过叠加的方式获得扫描电镜图像的分类结果;该方法不仅可以在同一张扫描电镜图像上综合展示不同特征的空间分布结果,而且分类方法简单,能够适用于大视域、高分辨率特征的页岩图像。
为了能够更加体现本发明的目的,在本发明上述实施例的基础上,进行进一步的举例说明。
图3为本发明实施例的另一种页岩扫描电镜图像处理方法的流程示意图,如图3所示,主要包括:
步骤30:获取扫描电镜图像及预处理。
在一种实施方式中,针对要处理的页岩样品利用背散射电子进行高分辨率扫描成像,得到原始扫描电镜图像;针对得到的原始扫描电镜图像利用Susan或其他去噪平滑方法进行图像预处理,得到平滑无噪点的扫描电镜图像;
步骤31:图像阈值分割。
在一种实施方式中,第一次分割将图像分为孔隙、有机质和矿物颗粒两相,确保孔隙相(含无机孔与有机孔)得到有效提取,分割后将孔隙的灰度值设为0,有机质和矿物颗粒的灰度值设为1;第二次分割将图像分为孔隙和有机质、矿物颗粒两相,确保孔隙和有机质相得到有效分割,分割后的孔隙和有机质的灰度值设为0,矿物颗粒的灰度值设为1。分割后得到的两组图像各相及灰度值如下:
图像1:孔隙0、有机质和矿物1;
图像2:孔隙和有机质0、矿物颗粒1。
进一步,结合页岩储层中有机孔、无机孔的相关成因及分布,即有机孔主要分布于有机质中,无机孔主要分布于矿物颗粒间、矿物颗粒内,一般情况下,对于孔隙类型的判断,可以通过对两组分割后的图像在相同位置连通区域的逻辑关系来判断孔隙类型。然而,在分割孔隙和有机质、矿物颗粒两相时,由于孔隙边缘灰度值存在一定的渐变降低,因此对于无机孔,无法避免地会将孔隙边缘的部分轮廓区域误分为有机质,因此,需要采用相关判断方法来进行校正并正确区分有机孔、无机孔等组分。
步骤32:划分连通区域并叠加图像。
在一种实施方式中,对于步骤31分割得到的图像1和图像2,图像1针对孔隙相分别划分连通区域,图像2针对孔隙和有机质相分别划分连通区域,图像1和图像2均采用4连通划分连通区域;连通区域划分完成后,将图像1和图像2进行叠加;进一步地,计算图像1和图像2连通区域面积等相关属性。
步骤33:对扫描电镜图像进行分类。
在一种实施方式中,在得到图像1和图像2的叠加结果后,若图像2的连通区域不包含图像1中孔隙,则判定图像2的连通区域为不含孔有机质;若图像2连通区域包含图像1中孔隙,则进一步按照如下规则和方法判断:
1)通过逻辑对比,并结合原始扫描电镜图像,观察有机质中一般含有的孔隙个数pore_num,以及图像2连通区域中含有的有机孔总面积与连通区域面积的一般占比area_ratio1、图像2连通区域中含有的无机孔总面积与连通区域面积的一般占比area_ratio2。此外,也可选取部分典型区域,计算并统计有机质中孔隙数量分布、有机孔面积和占比分布,无机孔面积和占比分布,从而获取pore_num、area_ratio1及area_ratio2的取值。这里,area_ratio1、area_ratio2以及pore_num分别对应上述实施例的第一面积比值、第二面积比值和设定阈值。一般情况下,area_ratio1取值范围为0.1-0.3,area_ratio2取值范围为0.4-0.8,pore_num取值范围为2-3。
2)计算图像2各连通区域中包含的孔隙(图像1中)总面积与图像2相应连通区域面积占比area_ratio,若area_ratio<=area_ratio1,则判定为有机孔;若area_ratio>=area_ratio2,则判定为无机孔;若area_ratio1<area_ratio<area_ratio2,则通过连通区域中孔隙个数来判断,即,孔隙个数若大于等于pore_num,则判断为有机孔,若孔隙个数小于pore_num,则判定为无机孔。
3)在上述1)和2)中,若孔隙判定为有机孔,则孔隙所在的图像2中的连通区域除孔隙部分外,其余判定为含孔有机质;若孔隙判定为无机孔,则孔隙所在的图像2中的连通区域除孔隙部分外,其他部分判定为矿物颗粒。
4)按照上述判定结果,可以得到分类结果:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒共5相,将分类结果与原始扫描电镜图像对比,观察整体分类效果,特别是针对较为明显的有机孔和无机孔,若整体分类效果较好,则可根据分类结果进一步计算有机孔隙度、无机孔隙度、有机质含量等,并可进一步计算相关孔隙结构特征参数,如形状因子、等效半径、孔径分布等;若整体分类效果较差,则进一步调整pore_num、area_ratio1及area_ratio2,并按照2)、3)的方法进一步对孔隙类型进行分类,直到取得较好的分类结果。
相关参数计算方法如下:
无机孔隙度=总无机孔面积/图像面积*100%
有机孔隙度=总有机孔面积/图像面积*100%
有机质孔隙度=总有机孔面积/(总有机孔面积+总含孔有机质面积+总不含孔有机质面积)*100%
有机质含量=(总有机孔面积+总含孔有机质面积+总不含孔有机质面积)/图像面积*100%。
可以看出,本发明实施例能够对扫描电镜图像中的不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒等特征进行提取,并给出相关参数的定量化表征,对于后续的储量计算、高效开发等具有重要意义;此外,通过调整area_ratio1、area_ratio2以及pore_num参数的取值以适应不同页岩储层的判定要求,可以大幅提高特征分类的准确率。
为了能够更加体现本发明的目的,在本发明上述实施例的基础上,结合给定的扫描电镜图像进行进一步的举例说明。
图4a为本发明实施例中的原始扫描电镜图像;利用背散射电子对页岩样品进行扫描电镜成像,得到原始扫描电镜图像如图4a所示,其中,扫描电镜图像大小为10000×10000(像素),扫描像素分辨率为10nm。对获取的页岩扫描电镜图像,可以通过去噪平滑算法对图像进行处理,有助于对图像进行阈值分割。
针对平滑去噪后的图像,对图像进行阈值分割。首先根据图像中孔隙部分的灰度范围,分割出孔隙,经过对原始扫描电镜图像4a中孔隙灰度范围进行统计,确定孔隙分割的灰度阈值为50,按此灰度阈值分割后得到孔隙、有机质和矿物颗粒的二值图,即图4b;如图4b所示,黑色像素点表示孔隙;白色像素点表示有机质和矿物颗粒。
同理,对孔隙和有机质进行阈值分割,经对原始扫描电镜图像4a中孔隙和有机质的灰度范围进行统计分析,确定有机质的灰度阈值为102,按此灰度阈值分割得到孔隙和有机质、矿物颗粒的二值图像,即图4c;如图4c所示,黑色像素点表示孔隙和有机质;白色像素点表示矿物颗粒。
针对分割后得到的图4b和图4c,剔除其中的单像素区域,然后分别将孔隙、孔隙和有机质作为前景,进行连通区域划分,连通区域判定采用4连通判断方式。划分连通区域后,经统计可知图像4b中有2649个连通区域,即有2649个孔隙,图像4c中有10962个连通区域。将图像4b叠加在图像4c上,根据含孔情况可以判定,图像4c中有9600个连通区域不含孔,即共有9600个不含孔有机质,其余1362个连通区域为“含孔有机质区域”,此处的“含孔有机质区域”中包含误分的无机孔区域。因此,对图像4b中的孔隙和图像4c中的“含孔有机质区域”分别统计连通区域面积,并统计图4c中各“含孔有机质区域”包含的孔隙个数。
经过对原始扫描电镜图像4a、图像4b和图像4c进行观察,并结合计算的连通区域面积以及有机质中一般包含的孔隙个数,通过对少部分典型的有机孔、无机孔面积占比以及有机质中孔隙个数进行计算,选取area_ratio1、area_ratio2以及pore_num的值分别为0.2、0.45和3,基于此,对图像4c各“含孔有机质区域”包含的孔隙总面积占比进行计算,若小于等于0.2,则判定为有机孔;若大于等于0.45,则判定为无机孔;若在0.2-0.45之间时,“含孔有机质区域”孔隙个数不少于3个即判定为有机孔,否则判定为无机孔,得到孔隙类型判定结果,即图4d;图4d中,无机孔灰度值为0,有机孔灰度值为1,含孔有机质灰度值为2、不含孔有机质灰度值为3、矿物颗粒灰度值为4。将图4d与原始扫描电镜图像图4a进行对比,可知页岩样品中的有机孔、无机孔、含孔有机质与不含孔有机质得到了较好的分类。
进一步地,在得到分类结果的基础上,进行参数定量化计算;依据划分后的孔隙类型及有机质类型图,可计算得到无机孔隙度为0.98%、有机孔隙度为0.23%,有机质孔隙度为2.78%,有机质含量为8.26%。
可以看出,本发明实施例能够对扫描电镜图像中的不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒等特征进行提取,并给出相关参数的定量化表征,对于后续的储量计算、高效开发等具有重要意义。
图5a为本发明实施例的一种页岩扫描电镜图像处理的组成结构示意图,如图5a所示,装置包括:获取模块400、分割模块401、叠加模块402和分类模块403,其中:
获取模块400,用于获取页岩的扫描电镜图像;
分割模块401,用于对扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对扫描电镜图像进行第二类型目标的分割,得到第二分割结果;第二类型目标包括第一类型目标;
叠加模块402,用于将第一分割结果叠加在第二分割结果上,得到叠加结果;
分类模块403,用于基于叠加结果,得到扫描电镜图像的分类结果。
在一些实施例中,分割模块401,用于对扫描电镜图像进行第一类型目标的分割,得到第一分割结果,包括:
使用第一灰度阈值对扫描电镜图像进行第一类型目标的分割,得到第一分割结果;第一类型目标包括孔隙;
分割模块401,用于对扫描电镜图像进行第二类型目标的分割,得到第二分割结果,包括:
使用第二灰度阈值对扫描电镜图像进行第二类型目标的分割,得到第二分割结果;第二类型目标包括孔隙和有机质。
在一些实施例中,分类模块403,用于基于叠加结果,得到扫描电镜图像的分类结果,包括:
在第二类型目标的连通区域中不含孔隙的情况下,确定连通区域为不含孔有机质;
在第二类型目标的连通区域中包含孔隙的情况下,确定连通区域中孔隙的总面积与连通区域面积的面积占比;根据面积占比,得到扫描电镜图像的分类结果。
在一些实施例中,分类模块403,用于根据面积占比,得到扫描电镜图像的分类结果,包括:
在面积占比小于或等于第一面积比值的情况下,确定连通区域中的孔隙为有机孔;
在面积占比大于或等于第二面积比值的情况下,确定连通区域中的孔隙为无机孔;
在面积占比大于第一面积比值且小于第二面积比值的情况下,确定连通区域中孔隙的个数;在孔隙的个数小于设定阈值的情况下,确定连通区域中的孔隙为无机孔;在孔隙的个数大于或等于设定阈值的情况下,确定连通区域中的孔隙为有机孔。
图5b为本发明实施例的另一种页岩扫描电镜图像处理的组成结构示意图,如图5b所示,装置还包括调整模块404,调整模块404,用于:
根据扫描电镜图像的分类结果,得到是否对设定参数进行调整的判断结果;设定参数包括以下至少一项:第一面积比值、第二面积比值、设定阈值;
在需要对设定参数进行调整的情况下,得到调整后的设定参数;
基于调整后的设定参数,重新得到扫描电镜图像的分类结果。
在一些实施例中,分割模块401,还用于:
按照预设的连通区域的划分方法对第一分割结果的第一类型目标的连通区域和第二分割结果的第二类型目标的连通区域进行划分。
在一些实施例中,扫描电镜图像的分类结果包括以下至少一项:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒。
在实际应用中,上述获取模块400、分割模块401、叠加模块402、分类模块403和调整模块404均可以由位于电子设备中的处理器实现,该处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。
另外,在本实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,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,本实施例的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或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)或processor(处理器)执行本实施例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(Read OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
具体来讲,本实施例中的一种页岩扫描电镜图像处理方法对应的计算机程序指令可以被存储在光盘、硬盘、U盘等存储介质上,当存储介质中的与一种页岩扫描电镜图像处理方法对应的计算机程序指令被一电子设备读取或被执行时,实现前述实施例的任意一种页岩扫描电镜图像处理方法。
基于前述实施例相同的技术构思,参见图6,其示出了本发明实施例提供的电子设备500,可以包括:存储器501和处理器502;其中,
存储器501,用于存储计算机程序和数据;
处理器502,用于执行存储器中存储的计算机程序,以实现前述实施例的任意一种页岩扫描电镜图像处理方法。
在实际应用中,上述存储器501可以是易失性存储器(volatile memory),例如RAM;或者非易失性存储器(non-volatile memory),例如ROM、快闪存储器(flash memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器502提供指令和数据。
上述处理器502可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的增强现实云平台,用于实现上述处理器功能的电子器件还可以为其它,本发明实施例不作具体限定。
在一些实施例中,本发明实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述
本发明所提供的各方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本发明所提供的各产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本发明所提供的各方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框,以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程图像处理设备的处理器以产生一个机器,使得通过计算机或其它可编程图像处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其它可编程图像处理设备上,使得在计算机或其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种页岩扫描电镜图像处理方法,其特征在于,所述方法包括:
获取页岩的扫描电镜图像;
对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;
将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;
基于所述叠加结果,得到所述扫描电镜图像的分类结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果,包括:
使用第一灰度阈值对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;所述第一类型目标包括孔隙;
所述对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果,包括:
使用第二灰度阈值对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括孔隙和有机质。
3.根据权利要求2所述的方法,其特征在于,所述基于所述叠加结果,得到所述扫描电镜图像的分类结果,包括:
在所述第二类型目标的连通区域中不含孔隙的情况下,确定所述连通区域为不含孔有机质;
在所述第二类型目标的连通区域中包含孔隙的情况下,确定所述连通区域中孔隙的总面积与所述连通区域面积的面积占比;根据所述面积占比,得到所述扫描电镜图像的分类结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述面积占比,得到所述扫描电镜图像的分类结果,包括:
在所述面积占比小于或等于第一面积比值的情况下,确定所述连通区域中的孔隙为有机孔;
在所述面积占比大于或等于第二面积比值的情况下,确定所述连通区域中的孔隙为无机孔;
在所述面积占比大于所述第一面积比值且小于所述第二面积比值的情况下,确定所述连通区域中孔隙的个数;在所述孔隙的个数小于设定阈值的情况下,确定所述连通区域中的孔隙为无机孔;在所述孔隙的个数大于或等于所述设定阈值的情况下,确定所述连通区域中的孔隙为有机孔。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述扫描电镜图像的分类结果,得到是否对设定参数进行调整的判断结果;所述设定参数包括以下至少一项:第一面积比值、第二面积比值、设定阈值;
在需要对所述设定参数进行调整的情况下,得到调整后的设定参数;
基于所述调整后的设定参数,重新得到所述扫描电镜图像的分类结果。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
按照预设的连通区域的划分方法对所述第一分割结果的第一类型目标的连通区域和所述第二分割结果的第二类型目标的连通区域进行划分。
7.根据权利要求1所述的方法,其特征在于,所述扫描电镜图像的分类结果包括以下至少一项:不含孔有机质、含孔有机质、有机孔、无机孔、矿物颗粒。
8.一种页岩扫描电镜图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取页岩的扫描电镜图像;
分割模块,用于对所述扫描电镜图像进行第一类型目标的分割,得到第一分割结果;对所述扫描电镜图像进行第二类型目标的分割,得到第二分割结果;所述第二类型目标包括所述第一类型目标;
叠加模块,用于将所述第一分割结果叠加在所述第二分割结果上,得到叠加结果;
分类模块,用于基于所述叠加结果,得到所述扫描电镜图像的分类结果。
9.一种电子设备,其特征在于,所述设备包括存储器、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权利要求1至7任一项所述的方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910386.5A CN112132791B (zh) | 2020-09-02 | 2020-09-02 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910386.5A CN112132791B (zh) | 2020-09-02 | 2020-09-02 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132791A true CN112132791A (zh) | 2020-12-25 |
CN112132791B CN112132791B (zh) | 2024-06-07 |
Family
ID=73848919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010910386.5A Active CN112132791B (zh) | 2020-09-02 | 2020-09-02 | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132791B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860926A (zh) * | 2021-01-29 | 2021-05-28 | 北京城建勘测设计研究院有限责任公司 | 应用于岩土工程勘察行业的图形叠加生成的方法 |
CN113607618A (zh) * | 2021-07-02 | 2021-11-05 | 中铁二十局集团有限公司 | 基于工业ct扫描的岩石损伤分析方法、装置及设备 |
CN113933331A (zh) * | 2021-09-24 | 2022-01-14 | 数岩科技股份有限公司 | 地层成岩阶段确定方法、装置及存储介质 |
CN114112905A (zh) * | 2021-08-30 | 2022-03-01 | 核工业北京地质研究院 | 一种判断黑色岩系成岩成矿中有无生物作用参与的方法 |
CN114529771A (zh) * | 2022-02-23 | 2022-05-24 | 中国石油大学(华东) | 基于机器学习的页岩大视域图像分类方法 |
CN117593299A (zh) * | 2024-01-18 | 2024-02-23 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2871781A1 (en) * | 2012-05-18 | 2013-11-21 | Ingrain, Inc. | Method and system for estimating rock properties from rock samples using digital rock physics imaging |
CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
CN107578415A (zh) * | 2017-10-10 | 2018-01-12 | 深圳市图智能科技有限公司 | 一种医学图像分割方法及装置 |
CN109427062A (zh) * | 2017-08-30 | 2019-03-05 | 深圳星行科技有限公司 | 道路特征标记方法、装置、计算机设备以及可读存储介质 |
CN110211144A (zh) * | 2019-06-10 | 2019-09-06 | 中国石油大学(华东) | 一种泥页岩扫描电镜图片孔隙提取方法及*** |
-
2020
- 2020-09-02 CN CN202010910386.5A patent/CN112132791B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2871781A1 (en) * | 2012-05-18 | 2013-11-21 | Ingrain, Inc. | Method and system for estimating rock properties from rock samples using digital rock physics imaging |
CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
CN109427062A (zh) * | 2017-08-30 | 2019-03-05 | 深圳星行科技有限公司 | 道路特征标记方法、装置、计算机设备以及可读存储介质 |
CN107578415A (zh) * | 2017-10-10 | 2018-01-12 | 深圳市图智能科技有限公司 | 一种医学图像分割方法及装置 |
CN110211144A (zh) * | 2019-06-10 | 2019-09-06 | 中国石油大学(华东) | 一种泥页岩扫描电镜图片孔隙提取方法及*** |
Non-Patent Citations (3)
Title |
---|
宫伟力;张艳松;安里千;: "基于图像分割的煤岩孔隙多尺度分形特征", 煤炭科学技术, no. 06, 25 June 2008 (2008-06-25) * |
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》, 29 November 2016 (2016-11-29) * |
赵岩龙;张永安;李星宇;孙有壮;: "基于改进BP神经网络的岩心图像分割方法研究", 西安石油大学学报(自然科学版), no. 04, 23 July 2020 (2020-07-23) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860926A (zh) * | 2021-01-29 | 2021-05-28 | 北京城建勘测设计研究院有限责任公司 | 应用于岩土工程勘察行业的图形叠加生成的方法 |
CN113607618A (zh) * | 2021-07-02 | 2021-11-05 | 中铁二十局集团有限公司 | 基于工业ct扫描的岩石损伤分析方法、装置及设备 |
CN113607618B (zh) * | 2021-07-02 | 2024-05-10 | 中铁二十局集团有限公司 | 基于工业ct扫描的岩石损伤分析方法、装置及设备 |
CN114112905A (zh) * | 2021-08-30 | 2022-03-01 | 核工业北京地质研究院 | 一种判断黑色岩系成岩成矿中有无生物作用参与的方法 |
CN114112905B (zh) * | 2021-08-30 | 2024-07-16 | 核工业北京地质研究院 | 一种判断黑色岩系成岩成矿中有无生物作用参与的方法 |
CN113933331A (zh) * | 2021-09-24 | 2022-01-14 | 数岩科技股份有限公司 | 地层成岩阶段确定方法、装置及存储介质 |
CN114529771A (zh) * | 2022-02-23 | 2022-05-24 | 中国石油大学(华东) | 基于机器学习的页岩大视域图像分类方法 |
CN117593299A (zh) * | 2024-01-18 | 2024-02-23 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
CN117593299B (zh) * | 2024-01-18 | 2024-04-19 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112132791B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132791A (zh) | 一种页岩扫描电镜图像处理方法、装置、设备和存储介质 | |
CN107067379B (zh) | 基于三维fib-sem图像的页岩孔隙定量表征方法 | |
Leu et al. | Fast X-ray micro-tomography of multiphase flow in berea sandstone: A sensitivity study on image processing | |
Zou et al. | Two-dimensional SEM image-based analysis of coal porosity and its pore structure | |
Oberholzer et al. | Methods in quantitative image analysis | |
Rabbani et al. | Comparing three image processing algorithms to estimate the grain-size distribution of porous rocks from binary 2D images and sensitivity analysis of the grain overlapping degree | |
Houston et al. | Adaptive-window indicator kriging: A thresholding method for computed tomography images of porous media | |
AU2011345344B2 (en) | System and method for multi-phase segmentation of density images representing porous media | |
US20180300947A1 (en) | Three-Dimensional Fluid Micromodels | |
AU2018202368A1 (en) | Digital rock physics-based trend determination and usage for upscaling | |
Teeninga et al. | Statistical attribute filtering to detect faint extended astronomical sources | |
Kazak et al. | Machine-learning-assisted segmentation of focused ion beam-scanning electron microscopy images with artifacts for improved void-space characterization of tight reservoir rocks | |
Manders et al. | Largest contour segmentation: a tool for the localization of spots in confocal images | |
Tavanaei et al. | Pore, throat, and grain detection for rock sem images using digitalwatershed image segmentation algorithm | |
Liu et al. | A fast curtain‐removal method for 3D FIB‐SEM images of heterogeneous minerals | |
AU2021266799A1 (en) | Material properties from two-dimensional image | |
Kozakiewicz | Image analysis algorithm for detection and measurement of Martian sand grains | |
Volkov et al. | Object selection in computer vision: from multi-thresholding to percolation based scene representation | |
CN112116581B (zh) | 获取原子成像中的原子位置的方法与装置 | |
Camargo et al. | How do geometric factors influence soil water retention? A study using computerized microtomography | |
Howard et al. | Uncertainty quantification in image segmentation for image-based rock physics in a shaly sandstone | |
CN117292337A (zh) | 遥感图像目标检测方法 | |
CN107945183A (zh) | 一种结合改进快速合并算法的分水岭分割方法 | |
Ojeda‐Magaña et al. | Pore detection in 3‐D CT soil samples through an improved sub‐segmentation method | |
CN115640546A (zh) | 一种图像与特征信息融合的岩性识别方法 |
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 |