岩心粒度图像分割算法分析
含盐岩心图像分割及岩性识别研究
含盐岩心图像分割及岩性识别研究近年来，岩心图像分割及岩性识别研究已引起越来越多的关注。
其中，含盐岩心图像分割及岩性识别是最为关键的研究方向之一。
在地质勘探、油田开发、地震勘探等方面，都需要对含盐岩心图像进行处理和分析，以提取出其中有用的信息。
一、背景含盐岩心是指在钻井过程中从地下采集到的岩石样本。
由于这些岩石样本中含有大量的盐分，使得图像处理变得更为复杂。
因此，在对这些图像进行分析时，需要采用一些特殊的技术，以便更好地提取图像中的信息。
二、含盐岩心图像分割技术含盐岩心图像分割是指将含盐岩心图像中的不同区域进行分离，以便进行后续的岩性识别和分析。
常见的图像分割方法包括阈值分割、区域生长和边缘检测等。
（一）阈值分割阈值分割是将一幅图像的像素分成几个类别的简单方法。
该方法根据像素值将图像分成两个区域：前景和背景。
通过对阈值的调整，可以实现将岩心图像中不同颜色的像素分离出来。
（二）区域生长区域生长是基于像素的连接性创建连通区域的方法。
该方法将像素分成若干组，并将相邻的像素组合成一组。
在含盐岩心图像中，使用区域生长算法可以将图像中的不同区域分割出来，以便进行后续的分析。
（三）边缘检测边缘检测是将图像中物体之间的边缘提取出来的方法。
在含盐岩心图像中，采用边缘检测算法可以将岩心图像中不同的岩性分割出来，以便进行后续的分析。
三、岩性识别技术岩性识别是指对岩石样本在显微镜下的形态和结构进行分析和识别。
在含盐岩心图像中，采用图像处理和机器学习算法可以有效地进行岩性识别。
（一）图像处理图像处理是指对图像中的像素进行编辑、变换和分析等操作的过程。
在含盐岩心图像中，采用图像处理方法可以将图像进行处理，提高图像的质量和分辨率，从而更精确地进行岩性的识别和分析。
（二）机器学习机器学习是一种人工智能技术，在含盐岩心图像中的岩性识别中也得到了广泛应用。
机器学习模型可以根据大量的岩心图像进行训练，以实现对岩性的准确识别。
四、未来发展趋势随着人工智能技术的不断发展，含盐岩心图像分割及岩性识别技术也将迎来新的发展机遇。
基于最大类间方差遗传算法的岩心CT扫描图像分割方法
地 球 物 理 地球 化 学 勘 查 院地 震 公 司 宁 夏 银 川 ７ ０ ０ ５０ ４）
摘
要： 目前 ， Ｔ技 术在 油气勘探 领域 中应 用越 来越 广 泛 ， Ｃ 尤其是 在岩 心分析 方 面。 本文在 分析岩
心Ｃ Ｔ扫描 图像特 征的基 础上 ， 出一种 消除岩心 ＣＴ图像 背景影 响 的分割 方法 。首先 对岩心 Ｃ 提 Ｔ
作者简介 ： 汤翟 （ ９ ５ ， 长江大学在读硕 士研究生 ， １８ 一） 男， 研究方向为测井资料 处理与解释 。
２ １年 第 ５ ００ 期
汤 翟 ， ： 于 最 大类 间方 差 遗 传 算 法 的岩 心 Ｃ 等 基 Ｔ扫 描 图像 分 割 方 法
图像 中间的岩心灰度值与边缘的背景灰度值有明显 的差 异 ， 因而其灰 度统计 直方 图一般 包含两 个峰 ， 如 （ ３。 图 ） 为了减少岩心周围的黑色背景灰度值对岩 心 图像 的干扰 ，本文提 出根据 整个 图像 的灰 度直方 图， 在直方图上双峰间的谷底位置取灰度值 Ｔ 用该 ， 灰度值 Ｔ 代替 Ｃ Ｔ图像的背景灰度值。再对新的图 像应用 遗 传算法 求取最 优 阈值 Ｋ，最后 利用 该 阈值
好 的基础 。
关键 字 ： 岩心 ＣＴ扫描 图像 ； 遗传 算法 ； 最大类 间方差 ； 直方 图
岩心 Ｃ Ｔ扫描 图像 是 由岩心 图像 和黑 色背 景组
０ 引
言
成 的 ２６级灰度 图像 ，其岩心 灰度值 与周 围背 景灰 ５ 度 值有 明显 的差 异 。 （ １ 图 ）和 （ ２ 图 ）分 别 给 出 了某 井 碳 酸盐 岩 溶 孔 型储 层 和 裂 缝 型储 层 的岩 心 Ｃ Ｔ扫描 图像 。从 图上可 以看 到 ，裂 缝 和溶 孔 以黑
基于模糊距离变换的岩心图像颗粒分割算法
基于模糊距离变换的岩心图像颗粒分割算法高扬;滕奇志;熊淑华;何海波【摘要】岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割.结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法.首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割.实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象.【期刊名称】《微型机与应用》【年(卷),期】2017(036)004【总页数】4页(P47-50)【关键词】岩石颗粒;模糊距离变换;分水岭;【作者】高扬;滕奇志;熊淑华;何海波【作者单位】四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;成都西图科技有限公司,四川成都610065【正文语种】中文【中图分类】TP391随着计算机断层扫描(CT)技术的日渐成熟与普及，石油地质行业也开始使用该技术分析岩石的结构特性。
岩心CT图像中粘连的岩心颗粒会影响粒度等参数分析。
通常CT图像是一个二维灰度图像序列，因此可以先对二维图像进行粘连颗粒分割，通过二维分割降低三维重建后三维颗粒的分割难度。
图像分割[1-2]是为了更好地将具有类似特征性质的元素归在同一个集合中，它也是图像处理与后续分析识别的关键步骤。
近年来不少学者在粘连图像分割方面做了大量相关的工作，提出了基于图论[3]、形态学[4]、边缘检测、区域分割、Snake模型、神经网络等多种分割算法。
而这些算法都有各自具体的应用场合与约束限制。
分水岭算法[5]作为一种经典的图像分割算法，有许多在此基础上的改进与拓展算法。
例如基于距离变换的分水岭算法[6]、多分辨率分水岭算法、梯度修正与区域合并分水岭算法[7]、基于蚁群的分水岭算法等。
岩心扫描图像分析及其应用研究_刘宁
第26卷第5期2004年10月 石 油 实 验 地 质PETR OLEUM GE OLOG Y &EXPERIMENT Vol.26,No.5Oct.,2004文章编号:1001-6112(2004)05-0500-05岩心扫描图像分析及其应用研究刘 宁1,2,陈攀峰2,郑胜利2,徐春华3(1.中国科学院广州地球化学研究所,广东广州 510640;2.中国石化胜利油田有限公司地质科学研究院,山东东营 257015;3.中国石化胜利油田有限公司勘探项目管理部,山东东营 257000)摘要:岩心扫描图像分析是近年来随着信息技术的飞速发展而逐渐兴起的一项岩心观察分析新技术。
该文从岩心扫描、图像处理、地质分析3方面对该技术进行了系统介绍,阐述了岩心图像处理和相关沉积构造参数计算方法,并结合实例对岩心图像进行孔缝目标提取及相关参数的自动计算。
以车古201井为例,通过岩心观察与岩心扫描图像分析并结合实验室岩矿鉴定和常规物性分析,对该井下古生界奥陶系碳酸盐岩储集层的储集空间发育特征及含油性进行了综合分析研究。
关键词:裂缝;溶蚀孔洞;储集层;图像扫描;图像分析;岩心中图分类号:TE135 文献标识码:A 岩心是油气田勘探开发研究工作中最重要的基础地质资料之一。
岩心的观察描述在确定岩性、推断沉积环境以及生储盖组合综合研究中,具有不可替代的作用[1]。
以往工作中,由于受多种因素影响,在岩心的保存、观察、取样分析及资料的综合研究利用等方面,存在较多问题,不利于研究工作的深入开展。
近年来,伴随计算机信息技术的飞速发展,岩心扫描图像分析作为一项岩心观察分析的新技术,逐渐得到推广应用并逐步完善。
通过利用微机和岩心数字扫描仪对岩心进行图像扫描观察分析,并结合钻井、测井、地质分析化验等多方面地质资料开展综合研究,极大地提高了岩心观察描述的效率和岩心资料的利用率,对于单井基础资料的补充完善以及相应综合研究工作的开展都具有重要意义。
基于水平集和迭代自组织算法的图像分割
四川大学 电子信息学院 ， 成都 ６ ０ ６ １０ ４
Ｃｏｌｇ ｆ Ｅｌｃｒ ｎ ｃ ｎ ｎｏ ｍａｉｎ， ｉｈ ａ ｎ ｖ ｒ ｉ ， ｈ ｎ ｄ １ ０ ４， ｈ ｎ ｌ ｅ ｏ ｅ ｔ ｉ ｓ ａ ｄ Ｉｆ ｒ ｔ ｅ ｏ ｏ Ｓ ｃ ｕ ｎ Ｕ ｉｅ ｓｔ Ｃ ｅ ｇ ｕ ６ ０ ６ Ｃ ｉ ａ ｙ
ｓ ｇ ｎｔｔｏ ． ｅ ｍｅ ａｉ ｎ
Ｋｅ ｒ ｓ ｌｖ ｌ ｓ ｔ ｉ ｇ ｖ ｒ ｓ ｇ ｎ ａｉｎ；ｔｒ ｔ ｅ ｓ ｌ ｏ ｇ ｎ ｚ ｇ ｄ ｔ ｎ ｌｓｓ ｔｃ ｎｑ ｅ ｇ ａ ｅ ｍａ ｅ ｙ ｗｏ ｄ ： ｅ ｅ ｅ ； ｍａ ｅ ｏ ｅ — ｅ ｍｅ ｔ ｔ ｏ ｉ ａ ｉ ｅ ｆ ｒ ａ ｉｉ ａａ ａ ａｙ ｉ ｅ ｈ ｉ ｕ ； ｒ ｖ ｌ ｉ ｇ ｅ ｖ － ｎ
维普资讯
１ ２ ０ ，３ ３ ） ６ ０ ７４ （６
Ｃ ｍ ｕｅ ｎｉ ｅｉ ｎ ｐ ｌａｉ ｓ ｏ ｐ ｔｒＥ ｇｎ ｒ ｇ ａｄＡ ｐｉ ｔｎ 计算机工程与应用 ｅ ｎ ｃ ｏ
基于水平集和迭代 自组织算法的图像分割
吴 晓红 ， 罗代 升 ， 正勇 ， 王 陶德元
Ｄ Ｔ Ａ Ａ）ｉ ｐ ｔｆ ｗ ｒ ｏ ｓｌｅ ｏ ｅ— ｅ ｍｅ ｔ ｉ ｍ ｇ ｄ ｙ Ｌ ｖ ｌ Ｓ ｔａ ｄ ｅ ｇ ｉ ｒ ｒｐｏ ｕ ｅ ｙ Ｉ Ｏ Ａ Ａ Ｆｒ ｌ， ｓ ｕ ｏ ａ ｔ ｏｖ ｖ ｒ ｓｇ ｎ ｔ ｎ ｉ ａ ｅ ｍａ ｅ ｂ ｅ ｅ ｎ ｄ ｅ ｂａ ｅｒ ｒ ｃ ｄ ｂ Ｓ Ｄ Ｔ ．ｉ ｔ ｉ ｒ ｄ ａｏ ｅ ｓ ｏ ｄ ｓｙ ｔ
岩心图像采集流程
岩心图像采集流程首先将样品进行整体地低精度扫描，然后在样本上切割出一个直径和高度均为2mm的小圆柱进行高精度扫描，最后对扫描得到的数据进行图像处理、建立孔隙网络模型、网络参数统计分析和后续反常输运过程模拟。
岩心图像采集流程中涉及到的技术有CT重构算法。
其原理是X射线光子在穿过物体时，一部分光子会被吸收或散射，另外一些光子既不被吸收也不被散射，称这些光子透射过该物体。
对于任何个别的光子无法确定其是否透射，只能说对于任何固定的能量，在能量进入物体时光子有一个固定的透射概率称为能量为的X射线在所经过的路径上的透射率。
岩心分析系统软件说明
3.2.1.9 网络宏观、微观图像分析系统目前，岩心图像分析子系统主要有以下几大功能模块：岩心图像裂缝分析、岩心图像粒度分析、岩心图像荧光分析和岩心图像铸体分析。
3.2.1.9.1 岩心宏观、微观图像的分析本系统既可以实现对岩心宏观图像的分析，同样也可以对岩心薄片摄像的微观图像进行分析。
由于微观图像是岩心薄片在高倍物镜下的一个视域（并非岩心薄片整体），所以分析后的数据不能反映该岩心薄片的整体特征属性，系统采用数据累加的方式对之前的图像分析数据进行合并统计计算，实现对岩心薄片整体分析。
3.2.1.9.2岩心图像分析快捷功能对岩心图像可用鼠标漫游、放大、缩小、最佳图像显示、实际大小1：1显示、对象绘制及填充等观察操作。
3.2.1.9.3 岩心图像分析成果的存储和上传对岩心图像分析的图像（原图、经络图）进行保存和加载（见图3.2.1.9.3(a)），同样也支持对岩心分析后的报表数据和图像的整体保存、加载（见图3.2.1.9.3(b)），用户可以根据自己的需要进行选择。
对于已经完成的岩心分析成果，用户可以将其上传到服务器，给其他人的研究观察提供有益的参考和帮助。
图3.2.1.9.3(a)岩心图像分析经络图的保存图3.2.1.9.3(b)岩心图像荧光分析数据和图像的文件保存与加载3.2.1.9.4 岩心图像分析图层查看功能用系统查看功能可以实现岩心分析的多层图层（岩心分析原图、分析经络图及原图和经络图的迭加图）的查看分析，当然用户也可以利用快捷工具按钮（与）进行图层切换分析查看。
（见图3.2.1.9.4）图3.2.1.9.4 岩心图像分析多层图像的查看3.2.1.9.5 岩心图像分析预处理功能由于有的岩心分析图像表面比较模糊、地质特征不是很明显，通过岩心图像预处理提高图像的视觉效果，从而达到岩心图像分析的最佳效果。
岩心图像预处理可以在图像分析前对图像进行色阶调整、自动色阶、曲线调节、调整亮度/对比度/灰度、调整亮度/色调/饱和度、旋转图像、重设尺寸、镜像、锐化、模糊、查找边缘、底片效果等操作。
一种粗糙熵和K_均值聚类相结合的岩心图像分割方法
[收稿日期]2007212215 [作者简介]叶青(19832),女,2005年大学毕业,硕士生,现主要从事计算机软件开发及其应用方面的研究工作。
一种粗糙熵和K 2均值聚类相结合的岩心图像分割方法 叶 青,周云才 (长江大学计算机科学学院,湖北荆州434023)[摘要]K 2均值聚类算法和粗糙熵是应用于图像分割的主要算法,目的是对图像进行分析处理。
将K 2均值聚类算法和粗糙熵结合起来应用到岩心图像的分割,目的是提取出岩石的隙缝信息。
先利用K 2均值聚类算法对岩心图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。
通过效果图对比分析可以看出,采用基于粗糙熵的K 2均值聚类算法处理多目标的岩心图像,提取出的目标更清晰,更明确,实验结果更有价值,证明了改进后算法的有效性。
[关键词]粗糙熵;K 2均值聚类;岩心图像;图像分割[中图分类号]TP391141[文献标识码]A [文章编号]167321409(2008)012N068204图像分割是将图像中有意义的特征或区域提取出来的过程,是从图像处理到图像分析的关键步骤。
目前图像分割的算法主要有阈值分割法、聚类法、边缘提取法、区域生长法等[1]。
已有的这些算法都是独立的,每一种算法都有其自身的局限性。
文献[2]提出了一种基于粗糙熵的图像分割算法。
该算法是基于目标和背景这2大类来分割提取的,具有线性的时间复杂度,效率很高,但没有考虑到多目标之间的不同细节,本质上还是单阈值分割,在多目标提取的精确性方面还不理想。
考虑到聚类算法是一种有效的无监督学习模式[3],可以先利用K 2均值聚类算法对图像进行区域分割[4],把图像分成各个独立不相交的目标背景块;然后再用基于粗糙熵的方法对各分割结果进行目标提取,从而达到多阈值分割的目的,获得更好的目标提取效果。
笔者把该算法用在岩心图像中,通过试验对比,证明改进后的算法比单独使用基于粗糙熵的方法,在图像目标提取的性能方面有很大提高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
岩心粒度图像分割算法分析
岩心粒度图像分割算法分析
岩心分析是石油勘探开发中的一项重要的工作，是获取油气层特征的主要方式之一，分析了阀值、边缘检测等算法的原理与应用实例，阐述了基于特定理论的岩心粒度分割算法特点与优势，并对各种算法进行了分析对比。
标签：岩心粒度；分割算法；边缘检测；聚类分析
随着我国经济的快速发展，对油气资源的需求不断增加，尤其勘探开发的进一步深入，岩芯是在油气勘探开发工作中最重要的基础地质资料之一，为油气勘探开发提供决策依据。
岩芯的观察描述在确定岩性、推断沉积环境以及生储盖组合综合研究中，有着不可替代的作用，对岩心图像的分析和处理成为岩心分析的一项重要工作。
岩芯数字化处理作为一项新技术得到了广泛的应用，借助于计算机软件对采集到的岩心图像进行分析提取直观上的岩心数据，进行定量化的岩心分析，对于现阶段油气勘探开发工作，具有重要的现实意义。
岩心粒度分割是岩心分析中的重要前期工作，其根据图像所包含的对象信息如灰度、色度、纹理等特征，将图像划分成若干个互不相交的区域，让具有一致性或者相似性的特征分布在同一区域，但在不同区域间表现出明显的差异性。
目前国内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法，以及其它基于特定理论的岩心粒度分割算法等。
1 岩心粒度图像分割技术的主要内容
岩心粒度图像分割是指根据处理图像所包含的对象信息如灰度、色度、纹理、几何形状等特征把图像划分为若干个互不相交的区域，也就是通俗意义上的把图像中的目标从背景中提取，以便对目标进行处理。
由于图像分割的效果很大程度上依赖于特定的图像特征如成像方式，纹理，灰度，噪声等，目前还没有一种通用的图像分割算法可以实现对所有图像的有效分割。
现今内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法，以及其它基于特定
理论的岩心粒度分割算法等。
2 基于阀值的岩心粒度分割算法
阈值分割方法依据的原理就是图像前景与背景像素灰度值存在值的差异，前景与背景相邻像素间的灰度值存在高度差，因此我们可以采用前景与背景之间的某个灰度值作为阈值，将前景与背景进行分割开来。
简单的说，就是用一个灰度值将图像分为几个同的类。
当前景与背景之间的像素值对应的直方图具有双峰特性时，即像素值方差较小但均值较大，采用阈值分割可以有效的对前景和背景进行分割，提取目标物。
采用阈值分割算法对岩心粒度图像进行分割，关键是如何确定适合的值。
可以采用多种方法确定图像的阈值，依次将值分割算法大致分为全局阈值，局部阈。