CN113670791A - 一种对储层孔隙及颗粒表面积的定量分析方法 - Google Patents
一种对储层孔隙及颗粒表面积的定量分析方法 Download PDFInfo
- Publication number
- CN113670791A CN113670791A CN202110884669.1A CN202110884669A CN113670791A CN 113670791 A CN113670791 A CN 113670791A CN 202110884669 A CN202110884669 A CN 202110884669A CN 113670791 A CN113670791 A CN 113670791A
- Authority
- CN
- China
- Prior art keywords
- pore
- specific surface
- surface area
- reservoir
- sample
- 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
- 239000011148 porous material Substances 0.000 title claims abstract description 160
- 239000002245 particle Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004445 quantitative analysis Methods 0.000 title abstract description 11
- 238000005266 casting Methods 0.000 claims abstract description 28
- 230000010287 polarization Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000035772 mutation Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000001179 sorption measurement Methods 0.000 description 19
- 239000011435 rock Substances 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 3
- 229910052753 mercury Inorganic materials 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000005909 Kieselgur Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000003463 adsorbent Substances 0.000 description 1
- 239000010425 asbestos Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000011490 mineral wool Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 229910052895 riebeckite Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw 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
- G06T7/11—Region-based segmentation
-
- 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
- G01N2015/0833—Pore surface area
-
- 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
-
- 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
-
- 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
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种对储层孔隙及颗粒表面积的定量分析方法,包括对不同类型的储层样品进行磨样并在偏光显微镜下捕捉样品铸体薄片图像,将样品铸体薄片图像进行二值化图像的转化;对二值化图像进行降噪处理;对二值化图像中的孔隙特征进行孔隙轮廓的识别和提取,来对二值化图像的像素突变位置进行测定,获得储层样品的孔隙和颗粒的分界线;根据孔隙和颗粒的分界线获取孔隙2D比表面积、颗粒2D比表面积;利用多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积。本发明在提供的定量分析方法能够基于最简单最易获取的储层铸体薄片对孔隙或者颗粒的2D及3D比表面积进行计算,极大地压缩了常规手段计算分析所需要的时间。
Description
技术领域
本发明涉及岩层开发技术领域,具体涉及一种对储层孔隙及颗粒表面积的定量分析方法。
背景技术
比表面积是指单位质量物料所具有的总面积。分外表面积、内表面积两类。比表面积是评价催化剂、吸附剂及其他多孔物质如石棉、矿棉、硅藻土及粘土类矿物工业利用的重要指标之一。吸附型天然气主要以吸附状态赋存在煤岩基质的内表面,煤岩中微孔是气体吸附的主要部位,比表面积对储层岩石的吸附能力具有重要影响,根据固体表面物理吸附理论,吸附能力与比表面积成正比。
储层比表面积的大小,对天然气的热学性质、吸附能力、化学稳定性、储层的非均质性、开发难度等均有明显的影响。目前,对于孔隙比表面积的测定。测定方法有容积吸附法、重量吸附法、流动吸附法、透气法、气体附着法等。而对于石油行业中,储层孔隙比表面积测定主要以压汞吸附法与氮气吸附法为主。压汞吸附法为最常规方法,使用于孔隙结构较大的储层如常规的致密砂岩储层,溶蚀孔发育的碳酸盐岩储层。氮气吸附法可以很好地表征以多孔矿物结构特征构成的砂岩储层与碳酸盐岩储层,尤其是广泛应用于一些孔隙半径较小的储层岩石如致密砂岩储层。这两种方法各有各自的针对性与适用性。而在现有的储层孔隙及颗粒的表面积表征的技术手段中存在:
常规压汞吸附法与氮气吸附法都依靠流体压力进行孔隙模拟而获取比表面积参数,在这个流体注入岩石与吸附的过程中,压力的突然增大会导致原有岩石中孔隙的破裂或者受压力影响新的孔隙的生成,从而导致比表面积发生改变。常规压汞吸附法与氮气吸附法实验进行的时间较长,耗费时间较多。
发明内容
本发明的目的在于提供一种对储层孔隙及颗粒表面积的定量分析方法,以解决现有储层样品的铸体薄片存在受压影响导致成分比表面改变,耗费时间多的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种对储层孔隙及颗粒表面积的定量分析方法,包括步骤:
S100、对不同类型的储层样品进行磨样并在偏光显微镜下捕捉样品铸体薄片图像,将样品铸体薄片图像进行只有孔隙特征的二值化图像的转化;
S200、对只有孔隙特征的二值化图像进行降噪处理;
S300、对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取,来对二值化图像的像素突变位置进行测定,获得储层样品的孔隙和颗粒的分界线;
S400、根据孔隙和颗粒的分界线获取孔隙2D比表面积、颗粒2D比表面积;
S500、利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积。
作为本发明的一种优选方案,在S100中,偏光显微镜捕捉储层样品铸体薄片图像的具体方法包括:
对储层样品依次进行至少三次等厚度磨样,并对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉。
作为本发明的一种优选方案,其中,对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉,具体包括:
固定第一次磨样后偏光显微镜的焦距,进行下两次磨样后的储层样品的样品铸体薄片图像捕捉;
固定第一次磨样后偏光显微镜的焦距,记录之后每次磨样后相较于前一次磨样的偏光显微镜为获得清晰的样品铸体薄片图像而调节的焦距差值。
作为本发明的一种优选方案,在S200中,对转化的二值化图像进行降噪处理,包括,复制一份只有孔隙特征的二值化图像,对其中一个只有孔隙特征的二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除,随后融合两个只有孔隙特征的二值化图像,对融合后的二值化图像进行中值滤波。
作为本发明的一种优选方案,在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵,并约定,返回值指定为2,则第二返回值是与当前位置最近的非0 像素的坐标。
作为本发明的一种优选方案,在S200中,对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取包括预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行孔隙和颗粒的标记,其中,选择最能够代表孔隙或颗粒的部分标记为零点像素点;
S202、构建基于孔隙和颗粒的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
作为本发明的一种优选方案,对二值化图像的孔隙的分割结果进行像素突变位置的测定,获得孔隙分界线或颗粒分界线,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积。
作为本发明的一种优选方案,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积具体包括利用MATLAB中的area函数对二值化图像的像素矩阵进行求和计算,计算结果包括:
Ag=sum(area(P));
Ap=sum(area(~P));
Perim=sum(area(P));
其中,Ag表示颗粒面积;P表示二值化图像的像素矩阵中的颗粒元素; Ap表示孔隙面积;~P二值化图像的像素矩阵中的孔隙元素;Perim表示二值化图像周长。
作为本发明的一种优选方案,利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积的算法包括:
Specific_surface_pores_2D(孔隙2D比表面积)=Perim/Resolution/Ap;
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*M;
Specific_surface_grains_2D(孔隙2D比表面积)=Perim/Resolution/Ag;
Specific_surface_grains_3D(孔隙2D比表面积)=Perim/Resolution/Ag*M;
其中,Resolution表示二值化图像分辨率;M为非均值度,具体计算公式为Ag/(Ag+Ap)/0.1,表示为对图像3D结构的一个估算参数量。
作为本发明的一种优选方案,基于三次磨样后并对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样三次品铸体薄片图像的捕捉,定义每次磨样的厚度d,计算3D孔隙比表面积与颗粒3D比表面积的算法包括:
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*HM;
本发明与现有技术相比较具有如下有益效果:
本发明在提供的定量分析方法能够基于最简单最易获取的储层铸体薄片对孔隙或者颗粒的2D及3D比表面积进行计算,极大地压缩了常规手段选需要的时间。定量分析方法能够适用于各种不同孔隙类型的储层样品,包括常规的与非常规的砂岩样品,各类碳酸盐岩储层包括粒间孔、晶间孔、铸膜孔,实验适用性广。本发明提供的定量分析方法同时也能够对样品的孔隙度进行计算。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提对储层孔隙及颗粒表面积的定量分析方法的流程示意图。
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。
如图1所示,本发明提供了一种对储层孔隙及颗粒表面积的定量分析方法,包括步骤:
S100、对不同类型的储层样品进行磨样并在偏光显微镜下捕捉样品铸体薄片图像,将样品铸体薄片图像进行只有孔隙特征的二值化图像的转化;
S200、对只有孔隙特征的二值化图像进行降噪处理;
S300、对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取,来对二值化图像的像素突变位置进行测定,获得储层样品的孔隙和颗粒的分界线;
S400、根据孔隙和颗粒的分界线获取孔隙2D比表面积、颗粒2D比表面积;
S500、利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积。
作为本发明的一种优选方案,在S100中,偏光显微镜捕捉储层样品铸体薄片图像的具体方法包括:
对储层样品依次进行至少三次等厚度磨样,并对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉。
作为本发明的一种优选方案,其中,对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉,具体包括:
固定第一次磨样后偏光显微镜的焦距,进行下两次磨样后的储层样品的样品铸体薄片图像捕捉;
固定第一次磨样后偏光显微镜的焦距,记录之后每次磨样后相较于前一次磨样的偏光显微镜为获得清晰的样品铸体薄片图像而调节的焦距差值。
在S200中,对转化的二值化图像进行降噪处理,包括,复制一份只有孔隙特征的二值化图像,对其中一个只有孔隙特征的二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除,随后融合两个只有孔隙特征的二值化图像,对融合后的二值化图像进行中值滤波。
在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵,并约定,返回值指定为2,则第二返回值是与当前位置最近的非0像素的坐标。
在S200中,对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取包括预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行孔隙和颗粒的标记,其中,选择最能够代表孔隙或颗粒的部分标记为零点像素点;
S202、构建基于孔隙和颗粒的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
作为本发明的一种优选方案,对二值化图像的孔隙的分割结果进行像素突变位置的测定,获得孔隙分界线或颗粒分界线,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积。
作为本发明的一种优选方案,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积具体包括利用MATLAB中的area函数对二值化图像的像素矩阵进行求和计算,计算结果包括:
Ag=sum(area(P));
Ap=sum(area(~P));
Perim=sum(area(P));
其中,Ag表示颗粒面积;P表示二值化图像的像素矩阵中的颗粒元素; Ap表示孔隙面积;~P二值化图像的像素矩阵中的孔隙元素;Perim表示二值化图像周长。
利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算 3D孔隙比表面积与颗粒3D比表面积的算法包括:
Specific_surface_pores_2D(孔隙2D比表面积)=Perim/Resolution/Ap;
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*M;
Specific_surface_grains_2D(孔隙2D比表面积)=Perim/Resolution/Ag;
Specific_surface_grains_3D(孔隙2D比表面积)=Perim/Resolution/Ag*M;
其中,Resolution表示二值化图像分辨率;M为非均值度,具体计算公式为Ag/(Ag+Ap)/0.1,表示为对图像3D结构的一个估算参数量。
基于三次磨样后并对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样三次品铸体薄片图像的捕捉,定义每次磨样的厚度d,计算3D孔隙比表面积与颗粒3D比表面积的算法包括:
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*HM;
HM表示3D参量均值度,具体计算公式为:
为了验证本发明,以鄂尔多斯盆地上古生界石盒子组常规砂岩储层(孔隙度大于8%)、山西组致密砂岩储层(孔隙度小于8%),及马家沟组不同储集型碳酸盐岩储层(粒间孔型、粒内孔型及铸膜孔型)的各类样品进行孔隙与颗粒的比表面积计算。
(1)第一步,通过偏光显微镜下显微镜下观察,对各类样品进行观察及捕捉富含铸体薄片图像。应用MATLAB软件中应用程序Image Segementer对分别对煤储层样品中进行转化,获取的未降噪的二值图像。
(2)对获取的二值图像进行降噪;,应用函数bwdist()和medfilt2()对图中存在的噪点进行消除,获得的图像。
(3)应用函数bwperim对中孔隙信息的进行轮廓识别。
(4)对图3中的识别结果进行计算,包括颗粒面积Ap与孔隙面积At。
(5)最终利用以下公式:
Specific_surface_pores_2D(孔隙2D比表面积)=Perim/Resolution/Ap
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*非均值度
Specific_surface_grains_2D(孔隙2D比表面积)=Perim/Resolution/Ag
Specific_surface_grains_3D(孔隙2D比表面积)=Perim/Resolution/Ag*非均值度
获取了常规砂岩,致密砂岩,粒间孔型,晶间孔型,铸膜孔型碳酸盐岩的2D与3D的孔隙比表面积与颗粒比表面积,结果见表1。
由于整个过程中我们获取了图像中颗粒面积Ap与孔隙面积At,那么我们根据储层孔隙度Porosity的定义,即孔隙所占总面积或体积之和与储层总面积或者体积之比,我们还可以应用该方法获取各个岩样的孔隙度,即孔隙度=At/ (At+Ap),结果也在表1中列出。
表1基于铸体图像分析法定量求解的2D-3D孔隙比表面积及颗粒比表面积参数
储层类型 | 2D孔隙比表面积 | 3D孔隙比表面积 | 2D颗粒比表面积 | 3D颗粒比表面积 | 孔隙度(%) |
常规砂岩 | 0.0081 | 0.0109 | 0.00099 | 0.0013 | 10.952 |
致密砂岩 | 0.0271 | 0.0366 | 0.0086 | 0.0012 | 3.0849 |
粒间孔型 | 0.0307 | 0.0415 | 0.0011 | 0.0015 | 3.4053 |
晶间孔型 | 0.0306 | 0.0413 | 0.0038 | 0.0052 | 11.174 |
铸膜孔型 | 0.0177 | 0.0239 | 0.0021 | 0.0028 | 10.488 |
以上即为一种结合Matlab中函数,算法,应用程序对各类砂岩和碳酸盐岩铸体薄片中孔隙范围的识别,提取以及孔隙比表面积和颗粒表面积的计算实例。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,包括步骤:
S100、对不同类型的储层样品进行磨样并在偏光显微镜下捕捉样品铸体薄片图像,将样品铸体薄片图像进行只有孔隙特征的二值化图像的转化;
S200、对只有孔隙特征的二值化图像进行降噪处理;
S300、对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取,来对二值化图像的像素突变位置进行测定,获得储层样品的孔隙和颗粒的分界线;
S400、根据孔隙和颗粒的分界线获取孔隙2D比表面积、颗粒2D比表面积;
S500、利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积。
2.根据权利要求1所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,在S100中,偏光显微镜捕捉储层样品铸体薄片图像的具体方法包括:
对储层样品依次进行至少三次等厚度磨样,并对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉。
3.根据权利要求2所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,其中,对每次磨样后的储层样品在与偏光显微镜之间的单参数变量控制下进行样品铸体薄片图像的捕捉,具体包括:
固定第一次磨样后偏光显微镜的焦距,进行下两次磨样后的储层样品的样品铸体薄片图像捕捉;
固定第一次磨样后偏光显微镜的焦距,记录之后每次磨样后相较于前一次磨样的偏光显微镜为获得清晰的样品铸体薄片图像而调节的焦距差值。
4.根据权利要求3所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,在S200中,对转化的二值化图像进行降噪处理,包括,复制一份只有孔隙特征的二值化图像,对其中一个只有孔隙特征的二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除,随后融合两个只有孔隙特征的二值化图像,对融合后的二值化图像进行中值滤波。
5.根据权利要求4所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵,并约定,返回值指定为2,则第二返回值是与当前位置最近的非0像素的坐标。
6.根据权利要求1或5所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,在S200中,对降噪处理后的二值化图像中的孔隙特征进行孔隙轮廓的识别和提取包括预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行孔隙和颗粒的标记,其中,选择最能够代表孔隙或颗粒的部分标记为零点像素点;
S202、构建基于孔隙和颗粒的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
7.根据权利要求6所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,对二值化图像的孔隙的分割结果进行像素突变位置的测定,获得孔隙分界线或颗粒分界线,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积。
8.根据权利要求7所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,根据孔隙分界线或颗粒分界线计算孔隙面积和颗粒面积具体包括利用MATLAB中的area函数对二值化图像的像素矩阵进行求和计算,计算结果包括:
Ag=sum(area(P));
Ap=sum(area(~P));
Perim=sum(area(P));
其中,Ag表示颗粒面积;P表示二值化图像的像素矩阵中的颗粒元素;Ap表示孔隙面积;~P二值化图像的像素矩阵中的孔隙元素;Perim表示二值化图像周长。
9.根据权利要求8所述的一种对储层孔隙及颗粒表面积的定量分析方法,其特征在于,利用同类型的多个储层样品的孔隙2D比表面积、颗粒2D比表面积估算3D孔隙比表面积与颗粒3D比表面积的算法包括:
Specific_surface_pores_2D(孔隙2D比表面积)=Perim/Resolution/Ap;
Specific_surface_pores_3D(孔隙2D比表面积)=Perim/Resolution/Ap*M;
Specific_surface_grains_2D(孔隙2D比表面积)=Perim/Resolution/Ag;
Specific_surface_grains_3D(孔隙2D比表面积)=Perim/Resolution/Ag*M;
其中,Resolution表示二值化图像分辨率;M为非均值度,具体计算公式为Ag/(Ag+Ap)/0.1,表示为对图像3D结构的一个估算参数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884669.1A CN113670791A (zh) | 2021-08-03 | 2021-08-03 | 一种对储层孔隙及颗粒表面积的定量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884669.1A CN113670791A (zh) | 2021-08-03 | 2021-08-03 | 一种对储层孔隙及颗粒表面积的定量分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113670791A true CN113670791A (zh) | 2021-11-19 |
Family
ID=78541377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110884669.1A Pending CN113670791A (zh) | 2021-08-03 | 2021-08-03 | 一种对储层孔隙及颗粒表面积的定量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670791A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897917A (zh) * | 2022-07-13 | 2022-08-12 | 西南石油大学 | 一种多层次的岩石铸体薄片图像分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4868883A (en) * | 1985-12-30 | 1989-09-19 | Exxon Production Research Company | Analysis of thin section images |
CN104535475A (zh) * | 2015-01-08 | 2015-04-22 | 中国石油大学(北京) | 碳酸盐岩微观结构的确定方法及装置 |
WO2017028161A1 (en) * | 2015-08-17 | 2017-02-23 | Irock Technologies Co., Ltd | Nmr anaylysis system and method for porous media |
CN108734714A (zh) * | 2018-06-06 | 2018-11-02 | 中国地质大学(北京) | 一种基于Matlab分析碳酸盐岩结构的方法 |
CN108956423A (zh) * | 2018-07-19 | 2018-12-07 | 中国石油大学(华东) | 厘定岩石二维孔隙度-三维孔隙度定量关系的方法 |
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 |
WO2019086938A1 (en) * | 2017-11-06 | 2019-05-09 | Abu Dhabi National Oil Company | Method and system for determining permeability of a porous medium |
CN112213247A (zh) * | 2020-09-09 | 2021-01-12 | 同济大学 | 一种基于随机截面的无规则骨料比表面积测试方法 |
-
2021
- 2021-08-03 CN CN202110884669.1A patent/CN113670791A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4868883A (en) * | 1985-12-30 | 1989-09-19 | Exxon Production Research Company | Analysis of thin section images |
CN104535475A (zh) * | 2015-01-08 | 2015-04-22 | 中国石油大学(北京) | 碳酸盐岩微观结构的确定方法及装置 |
WO2017028161A1 (en) * | 2015-08-17 | 2017-02-23 | Irock Technologies Co., Ltd | Nmr anaylysis system and method for porous media |
WO2019086938A1 (en) * | 2017-11-06 | 2019-05-09 | Abu Dhabi National Oil Company | Method and system for determining permeability of a porous medium |
CN108734714A (zh) * | 2018-06-06 | 2018-11-02 | 中国地质大学(北京) | 一种基于Matlab分析碳酸盐岩结构的方法 |
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 |
CN108956423A (zh) * | 2018-07-19 | 2018-12-07 | 中国石油大学(华东) | 厘定岩石二维孔隙度-三维孔隙度定量关系的方法 |
CN112213247A (zh) * | 2020-09-09 | 2021-01-12 | 同济大学 | 一种基于随机截面的无规则骨料比表面积测试方法 |
Non-Patent Citations (5)
Title |
---|
ARASH RABBANI: "2D/3D specific surface of porous media using 2D,2D/3Dspecificsurfaceofporousmediausing2Dimages-FileExchange-MATLABCentral(mathworks.cn)", 《MATHWORKS》 * |
ARASH RABBANI等: ""Determination of Specific Surface of Rock Grains by 2D Imaging", 《JOURNAL OF GEOLOGICAL RESEARCH》 * |
刘颜 等: "基于铸体薄片的致密砂岩储层孔隙微观参数定量提取技术", 《河南科学》 * |
唐棠等: "岩石样本孔隙和颗粒二维图象的三维重建研究", 《计算机工程与应用》 * |
金智敏等: "煤岩CT图像的孔隙度和比表面积测量方法", 《西安科技大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897917A (zh) * | 2022-07-13 | 2022-08-12 | 西南石油大学 | 一种多层次的岩石铸体薄片图像分割方法 |
CN114897917B (zh) * | 2022-07-13 | 2022-10-28 | 西南石油大学 | 一种多层次的岩石铸体薄片图像分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Effects of micropores on geometric, topological and transport properties of pore systems for low-permeability porous media | |
Ramandi et al. | Digital rock analysis for accurate prediction of fractured media permeability | |
Wang et al. | Quantitative analysis of microscopic structure and gas seepage characteristics of low-rank coal based on CT three-dimensional reconstruction of CT images and fractal theory | |
Bauer et al. | Improving the estimations of petrophysical transport behavior of carbonate rocks using a dual pore network approach combined with computed microtomography | |
Georgiadis et al. | Pore-scale micro-computed-tomography imaging: Nonwetting-phase cluster-size distribution during drainage and imbibition | |
Devarapalli et al. | Micro-CT and FIB–SEM imaging and pore structure characterization of dolomite rock at multiple scales | |
Zhang et al. | Pore scale study of flow in porous media: Scale dependency, REV, and statistical REV | |
Gribble et al. | Porometry, porosimetry, image analysis and void network modelling in the study of the pore-level properties of filters | |
Verri et al. | Development of a digital rock physics workflow for the analysis of sandstones and tight rocks | |
Ringrose-Voase | Micromorphology of soil structure-description, quantification, application | |
Qajar et al. | Microtomographic characterization of dissolution-induced local porosity changes including fines migration in carbonate rock | |
CN106127777A (zh) | 一种三维空间裂缝分离识别与表征方法 | |
Ishutov et al. | Resurrection of a reservoir sandstone from tomographic data using three-dimensional printing | |
WO2017041281A1 (en) | Porous media anaylysis system and method | |
CN111243098B (zh) | 非均质多孔介质三维孔隙结构有限元模型的构造方法 | |
Jacob et al. | Simulating permeability reduction by clay mineral nanopores in a tight sandstone by combining μXCT and FIB-SEM imaging | |
CN101082484B (zh) | 一种二维表面粗糙度评定中建立轮廓基准线的方法 | |
CN110322427B (zh) | 一种基于三维成像技术的岩土体渗透率计算方法 | |
CN113670791A (zh) | 一种对储层孔隙及颗粒表面积的定量分析方法 | |
Youssef et al. | High resolution μ-CT combined to numerical models to assess electrical properties of bimodal carbonates | |
Welch et al. | High-resolution 3D FIB-SEM image analysis and validation of numerical simulations of nanometre-scale porous ceramic with comparisons to experimental results | |
CN110222368A (zh) | 一种利用二维切片计算岩心三维孔隙度和渗透率的方法 | |
CN112816388A (zh) | 基于ct和数字岩心三维重构的油砂渗流性能测试方法 | |
Roy et al. | Quantifying three-dimensional bodies and throats of particulate system pore space | |
CN110609046B (zh) | 一种基于微ct水驱油图像的毛管力预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211119 |