巖石鑄體薄片圖像孔隙自動(dòng)提取方法

1、Hans iXlfiJournal of Image and Signal Processing 圖像與信號(hào)處理,2017, 6(1), 17-28Published Online January 2017 in Hans, /journal/jisp /10.12677/jisp.2017.61003The Automatic Extractio n Method of the Pore of the Rock Casti ng Body ImageHe Dai1, Qizhi Teng 1, Zengmin Lun

2、21Institute of Image Information, College of Electronics and Information Engineer, Sichuan University, Chengdu Sichua n2State Key Laboratory of Shale Oil and Gas En richme nt Mecha ni sms and Effective Developme nt, ResearchIn stitute of Petroleum Explorati on and Producti on, Sino pec, Beiji ngEmai

3、l: 923613093rdthndReceived: Dec. 3, 2016; accepted: Dec. 17,2016; published: Dec. 22 , 2016Copyright ? 2017 by authors and Ha ns Publishers Inc.This work is lice nsed un der the Creative Com mons Attributi on Intern ati onal Lice nse (CC BY).http:/creativecom mon /lice nses/by/4.0/AbstractTo so

4、lve the problems of time consuming and low efficie ncy in the traditi onal extract ion of pore an alysis from rock casti ng body image, an en tirely new method of extract ion of pore an alysis from rock casting body image was proposed. Firstly, the rock casting body, which is produced by the pigme n

5、ted resin or liquid glue, has a certa in color, such as dark blue, light blue, dark red, light red and so on. The differe nt characteristic regi ons have a certa in concen trati on of H comp onents by the analysis of the characteristic region. Secondly, using sample training, that is to say, the thr

6、eshold value of the H comp onents of the sample characteristic regi on is calculated. Fin ally, by using the threshold value of the H comp onen ts, the same batch of rock casti ng body image can be extracted direct ly. In this way, we can realize the automatic extract ion of the pore of the rock cas

7、t ing body image.KeywordsRock Casti ng Body, H Comp onen ts, Sample Trai ning, Automatic Extractio n巖石鑄體薄片圖像孔隙自動(dòng)提取方法代賀S滕奇志S倫增珉21四川大學(xué)電子信息學(xué)院，圖像信息研究所，四川 成都2中國石油化工股份有限公司石油勘探開發(fā)研究院，頁巖油氣富集機(jī)理與有效開發(fā)國家重點(diǎn)實(shí)驗(yàn)室，北京文章引用：代賀，滕奇志，倫增珉.巖石鑄體薄片圖像孔隙自動(dòng)提取方法J.圖像與信號(hào)處理,2017, 6(1): 17-28./10.12677/jisp.2017.61003代

8、賀等Email: 923613093收稿日期：2016年12月3日錄用日期：2016年12月17 日 ;發(fā)布日期：2016年12月22日摘要針對(duì)傳統(tǒng)巖石鑄體薄片圖像孔隙提取耗時(shí)、效率低的問題，提出了一種自動(dòng)快速提取方法。首先，由于 采用染色樹脂或液態(tài)膠加工生成的鑄體薄片其特征區(qū)域均有一定的顏色，例如：深藍(lán)、淺藍(lán)、深紅、淺 紅等，通過對(duì)鑄體薄片特征區(qū)域顏色的分析發(fā)現(xiàn)不同顏色的鑄體薄片其彩色空間H（色調(diào)）分量分布具有一定的集中性；其次，采用樣本訓(xùn)練，即計(jì)算出樣本特征區(qū)域的H分量的閾值；最后，利用該閾值對(duì)同批鑄體薄片圖像進(jìn)行直接提取即可。這樣就實(shí)現(xiàn)了巖石鑄體薄片圖像的孔隙自動(dòng)提取。關(guān)鍵詞巖石鑄體薄片

9、，H分量，樣本訓(xùn)練，自動(dòng)提取1. 引言孔隙結(jié)構(gòu)特征（如：孔隙度、孔徑分布、喉道寬度、配位數(shù)等）是評(píng)價(jià)儲(chǔ)層質(zhì)量和特性的重要參數(shù)，對(duì) 于這個(gè)參數(shù)的確定是在進(jìn)行儲(chǔ)量計(jì)算、編制開發(fā)方案過程中的重要一環(huán)。隨著科技的進(jìn)步，評(píng)價(jià)一個(gè)地 區(qū)的石油儲(chǔ)層質(zhì)量與特性，已不再是依賴通過將標(biāo)本切割成薄片然后進(jìn)行鏡下鑒定，而是使用鑄體偏光 圖像為基礎(chǔ)的圖像分析技術(shù)，在鑄體圖像的基礎(chǔ)上準(zhǔn)確的獲得孔隙度的決定性條件是準(zhǔn)確的進(jìn)行孔隙提 取?？紫短崛∈强紫斗治雠c識(shí)別的首要問題，決定最終的孔隙分析質(zhì)量和孔隙識(shí)別的判別結(jié)果，因此對(duì) 巖石鑄體薄片圖像孔隙區(qū)域的快速、有效的提取具有十分重要的意義。對(duì)巖石鑄體薄片圖像進(jìn)行孔隙提取，也即對(duì)該

10、圖像進(jìn)行分割。常用的圖像分割算法包括：閾值分割、 區(qū)域生長、邊緣檢測。其中閾值分割法是針對(duì)圖像彩色空間找出圖像的閾值范圍進(jìn)行分割，主要包括雙 峰法1 2、Otsu算法3 4，前者是針對(duì)圖像中目標(biāo)與背景的灰度級(jí)有較大差別，而對(duì)有些巖石鑄體薄 片圖像而言的其差別不是很明顯，后者對(duì)噪聲和目標(biāo)大小十分敏感，它僅對(duì)類間方差為單峰的圖像產(chǎn)生 較好的分割效果，而有的巖石鑄體薄片圖像目標(biāo)與背景的大小比例懸殊，類間方差準(zhǔn)則函數(shù)呈現(xiàn)為雙峰 或多峰；區(qū)域生長法5是通過選取種子點(diǎn)，將與每個(gè)種子點(diǎn)有相似屬性的灰度級(jí)、紋理等相鄰像素合并 到此區(qū)域，但是該方法的計(jì)算量大，而且有些巖石鑄體薄片圖像的噪聲和灰度分布不均，這樣會(huì)

11、導(dǎo)致空 洞和過分割；邊緣檢測法6 7 8通過檢測灰度級(jí)或者結(jié)構(gòu)具有突變的地方，表明一個(gè)區(qū)域的終結(jié)，也 即是另一個(gè)區(qū)域的開始，利用此特性進(jìn)行圖像分割，但是對(duì)去除噪聲和邊緣定位精度不能同時(shí)兼顧。針對(duì)以上問題，同時(shí)由于同一批樣本薄片的孔隙區(qū)域的顏色是相同的這一共性，本文提出了巖石鑄 體薄片圖像的孔隙自動(dòng)提取方法，從微觀層面對(duì)同一批樣本巖石薄片進(jìn)行研究，找到共有特征，然后通 過這種共有特征對(duì)鑄體圖像進(jìn)行快速、有效的提取，提高工作效率。2. 薄片圖像顏色特征分析2.1. RGB彩色空間分割利用RGB彩色空間分割是一種普遍適用的方法，在分割時(shí)首先選定具有代表性的彩色樣點(diǎn)集（即RGB各分量的范圍），然后圖片

12、中屬于該范圍的像素點(diǎn)即為要提取的像素點(diǎn)（如圖1）。圖1中陰影部分即為選定的代表性的彩色樣點(diǎn)集，通過RGB彩色模型空間對(duì) 圖2進(jìn)行孔隙提取。針對(duì)圖2首先提取孔隙特征區(qū)域樣本觀察各個(gè)樣本 R分量、G分量、B分量分布范圍，然后用該范 圍適用于整張圖片進(jìn)行孔隙特征區(qū)域提取。因此首先得到圖3四個(gè)樣本區(qū)域。然后得到圖3中每個(gè)樣本區(qū)域的R分量、G分量、B分量的直方圖，女口圖4。觀察圖4各個(gè)樣本區(qū)域的直方圖，四個(gè)樣本區(qū)域的 R分量、G分量、B分量各自比較集中，具體分 析得到各個(gè)分量的范圍：R分量為199,246、G分量為129,162、B分量為128,165。圖5中是指的原圖，表示運(yùn)用得到的RGB分量范圍分割

13、后的二值化圖， 表示在第一次分割 的基礎(chǔ)上對(duì)剩余的目標(biāo)區(qū)域進(jìn)行二次樣本提取、分析得到的RGB分量范圍，然后在 的基礎(chǔ)上進(jìn)行分割的圖片。觀察(1)與(2)，雖然一部分目標(biāo)區(qū)域被提取出來，但是有很多還沒有被提取到。(3)中雖然將目標(biāo)區(qū)域基本提取出來，但是很多非目標(biāo)區(qū)域也被提取在內(nèi)，分析二次提取時(shí)提取到的目標(biāo)區(qū)域與被提取 到的非目標(biāo)區(qū)域，得到樣本。通過分析圖6中(1)非樣本區(qū)域與(2)樣本區(qū)域，雖然通過肉眼觀察其顏色相差但是其RGB各分量范圍卻十分相近，因此在巖石鑄體圖片提取分割過程中不適用RGB模型空間的分割方法。2.2. 薄片圖像的HLS彩色模型HLS顏色空間是基于人的心里感知角度建立的9，它是

14、用色調(diào)(Hue)、亮度(Intensity)、以及飽和度Figure 1. Pixel points in the coordinate system to meet the range of RGB components圖1.坐標(biāo)系中滿足RGB各分量范圍的像素點(diǎn)Figure 2. Casting sheet image圖2.鑄體薄片圖像19代賀等21代賀等(1) (3)Figure 4. Histogram distribution sample region 圖4.樣本區(qū)域直方圖分布Figure 3. Sample region of casting sheet image圖3.鑄體薄片圖

15、像的樣本區(qū)域0SO 1001502002551001502Q0255-B5010015020050100 isn 200 2SS#代賀等23代賀等#代賀等(1)(3)Figure 5. Comparison of split effect of casting thin sheet 圖5.鑄體薄片分割效果對(duì)比圖(1) (2)#代賀等#代賀等Figure 6. Cast sheet image sample and non sample region 圖6.鑄體薄片圖像樣本與非樣本區(qū)域（Saturati on來描述色彩。通過圓錐空間模型來描述，它可以很好地把色調(diào)、亮度和飽和度的變化情形表 現(xiàn)得很

16、清楚，并且在圖像處理中可以更好的描述一種顏色。2.2.1. 色度分量特征H通道是色調(diào)分量，描述一種純色的顏色屬性10，根據(jù)H的變化可以快速的鎖定顏色相似的區(qū)域， 即可以通過該通道找到特定顏色的區(qū)域。因此首先針對(duì)巖石鑄體薄片圖像的特征區(qū)域進(jìn)行直方圖分析， 找到H分量的分布、變化情況。通過對(duì)類似于圖7中同一批樣、不同拍照環(huán)境下的巖石鑄體薄片圖像進(jìn)行孔隙區(qū)域的樣本提取。得到孔隙區(qū)域的八個(gè)矩形樣本（圖8）。對(duì)這八個(gè)孔隙區(qū)域矩形樣本進(jìn)行直方圖分析，得到H分量的直方圖如 圖9。圖9中各個(gè)直方圖中H分量分布范圍已經(jīng)歸一化到0255區(qū)間，分析這八個(gè)直方圖得到八個(gè)矩形樣 本的H分量分布比較集中，并且主要集中分布

17、在125150的大體范圍內(nèi)，因此同一批樣的巖石鑄體薄片 圖像的孔隙區(qū)域H分量分布范圍是比較集中的。2.2.2. 亮度、飽和度分量在HLS顏色空間中，L通道是亮度分量，體現(xiàn)了無色的強(qiáng)度概念10，并且是描述色彩感覺的關(guān)鍵 因子之一；S通道是飽和度分量，是一種純色被白光的稀釋程度的度量 10，標(biāo)定了顏色的鮮明與否。因 此有必要對(duì)孔隙區(qū)域的L、S分量進(jìn)行直方圖分析，觀察其分布情況。再次分析圖9中八個(gè)孔隙區(qū)域，得到L、S分量的直方圖如圖10、圖11。圖10中（1）、（2）的L分量變化范圍比較相似主要集中在25,75區(qū)間，（3）、變化范圍比較相似主要 集中在100,150區(qū)間，（4）、（7）、（8）變化范

18、圍比較相似主要集中在50,150區(qū)間，（5）變化范圍集中在50,100 區(qū)間；圖11中（1）、的S分量的變化范圍比較相似主要集中在150,200區(qū)間，（3）、變化范圍比較相#代賀等#代賀等Figure 7. Casting sheet image圖7.巖石鑄體薄片圖像(1)(3)(6)(8)Figure 8. Sample region of casting sheet image 圖8.孔隙區(qū)域樣本050 10D 150 200 255Q 50 100 150 200 255 550 100 ISO 200 255(1)050 lt>0 150 200 25S(5)(6) Figure

19、 9. Histogram distribution sample region of H components 圖9.孔隙區(qū)域樣本 H分量的直方圖050 100 ISO 200 2S5(8)Q 50 100 15025525代賀等#代賀等0 5U 100 150 200 255(1) (3)0 SO 100 150 200 255Figure 10. Histogram distribution sample region of L components 圖10.孔隙區(qū)域樣本L分量的直方圖050 100 150 200 255(2)(6)(8)Figure 11. Histogram dis

20、tribution sample region of S components 圖11.孔隙區(qū)域樣本S分量的直方圖#代賀等區(qū)域L分量和S分量分布范圍是比較分散的。2.2.3. 不屬于同一批樣的相近巖石鑄體薄片圖像分析圖12中不屬于同一批樣的巖石鑄體薄片圖像。得到(1)中H分量的變化范圍為142,165,中H分量的變化范圍為162,178。因此，同屬于藍(lán)色的 巖石鑄體薄片圖像其目標(biāo)區(qū)域 H分量的變化范圍同樣也是不同的。2.3. 其它顏色的巖石鑄體薄片圖像用同樣的方法，對(duì)另外一種顏色的同屬一批樣的巖石鑄體薄片圖像進(jìn)行孔隙區(qū)域H、L、S分量的分析，對(duì)類似于圖13中同一批樣、不同拍照環(huán)境下的巖石鑄體薄

21、片圖像進(jìn)行樣本提取。得到孔隙區(qū)域的八個(gè)矩形樣本(圖14)。對(duì)這八個(gè)孔隙區(qū)域矩形樣本進(jìn)行直方圖分析，得到H、L、S分量的直方圖。通過對(duì)圖15、圖16、圖17中的直方圖進(jìn)行分析，再次得到同一批樣的巖石鑄體薄片圖像的孔隙區(qū)似主要集中在200,255區(qū)間，其中很多分布在255這個(gè)點(diǎn)上，（4）、（5）變化范圍比較相似主要集中在150,255 區(qū)間，、（8）變化范圍比較相似主要集中在100,255區(qū)間。因此，同一批樣的巖石鑄體薄片圖像的孔隙 域H分量分布范圍是比較集中的，而 L、S分量分布范圍比較分散。因此同一批樣的巖石鑄體薄片圖像的孔隙區(qū)域H分量的分布范圍比較集中，而 L、S分量的分布范圍比較分散，從而

22、得到同一批樣的巖石鑄體薄片圖像孔隙區(qū)域的共性是在HLS顏色空間中，其H分量分(1)Figure 12. Non identical samples are blue rock cast sheet image 圖12.非同批樣的均屬藍(lán)色的巖石鑄體薄片圖像Figure 13. Red casting sheet image圖13.紅色巖石鑄體薄片圖像(1)(2)(3)(6)(7)(8)Figure 14. Sample region of red casting sheet image 圖14.紅色孔隙區(qū)域樣本27代賀等29代賀等JJ.1L150 100 150 200 25SJ 50 100

23、150 200 2550$0ISO 2 (KJ255(1)(3)050 100 ISO 200 2S5卜_ 1LLIJ1050 100 150 200255D SO IIXJ 150 200 2550 SO 100 150 200 255 (6) (8)Figure 15. Histogram distribution red sample region of H components 圖15.紅色孔隙區(qū)域樣本 H分量的直方圖D 50 100 150 200 255050 100 ISO 200 255(1)y s(r ioo iso 2oo 255(5)050 100 150 200 255

24、(8)Figure 16. Histogram distribution red sample region of L components 圖16.紅色孔隙區(qū)域樣本L分量的直方圖Figure 17. Histogram distribution red sample region of S components 圖17.紅色孔隙區(qū)域樣本 S分量的直方圖(1)(2)(3)#代賀等布范圍比較集中。3. 樣本訓(xùn)練以上實(shí)驗(yàn)表明同一批樣的巖石鑄體薄片圖像的共性是孔隙區(qū)域的H分量的分布范圍比較集中，因此在對(duì)同一批樣的巖石鑄體薄片圖像進(jìn)行孔隙區(qū)域提取時(shí)，首先求出同一批樣中一部分圖像孔隙區(qū)域的H分量的閾值范

25、圍。3.1. 單個(gè)矩形樣本H分量范圍的確定分析圖9與圖15中H分量的直方圖，總結(jié)出H分量分布范圍不但集中，而且縱坐標(biāo)值在其分布范 圍內(nèi)呈現(xiàn)先增長后下降的趨勢。假設(shè)個(gè)整形數(shù)組Histogram 256，數(shù)組中每一個(gè)元素值即為 H分量歸一化到0,255區(qū)間后每個(gè)灰度級(jí)的概率與加權(quán)系數(shù)的乘積，也就是直方圖中縱坐標(biāo)所對(duì)應(yīng)的值。首先找到Histogram 256中的最大值，然后該值對(duì)應(yīng)的x軸坐標(biāo)向左減小 5的范圍大小，統(tǒng)計(jì)Histogram 256數(shù)組的值在該小范圍內(nèi)其遞減的次數(shù)與遞增的次數(shù)，通過判斷這兩種次數(shù)，得到H分量是否還處于下降趨勢。然后在此基礎(chǔ)上繼續(xù)向左減少5的范圍大小，直至不處于下降趨勢為止

26、。用同樣的方法向右操作，最終得到H分量的閾值范圍。3.2. H分量變化范圍的確定通過以上方法得到 圖 10 H 分量的閾值范圍為：136,172、128,172、150,164、139,172、135,174、 148,165、131,173、132,171,其中每一個(gè)范圍只是樣本區(qū)域H分量的分布變化情況，但是對(duì)整個(gè)巖石鑄體薄片圖像的提取以及為了適用于同一批樣的其它巖石鑄體薄片圖像，必須取這些范圍的并集，才 能將整批樣的巖石鑄體薄片圖像孔隙區(qū)域有效的提取。通過下面的實(shí)驗(yàn)證明也可說明這一點(diǎn)：首先取上面八個(gè)區(qū)間的交集為150,164，取其交集為128,174，然后分別對(duì)圖7進(jìn)行孔隙提取。圖18中(

27、1)表示圖7, (2)表示用H分量的交集區(qū)間的提取結(jié)果的分割二值化圖，(3)表示并集區(qū)間的 得到的效果圖，(2)中一部分孔隙區(qū)域沒有被提取到，而(3)的提取結(jié)果較為理想。對(duì)(2)中沒有被提取到的 區(qū)域進(jìn)行采樣得到四個(gè)樣本區(qū)域，分析樣本區(qū)域得到H分量的分布范圍為161,172、163,174、129,152、 130,151，將這些范圍與原先的交集區(qū)間進(jìn)行合并即為129,174，該范圍也即是藍(lán)色鑄體孔隙區(qū)域 圖8的八個(gè)直方圖H分量的并集。因此無論從實(shí)驗(yàn)效果圖，還是從(2)中未被提取的孔隙區(qū)域的H分量分布范 圍進(jìn)行的分析得到的結(jié)論是：針對(duì)孔隙區(qū)域矩形樣本的H分量范圍區(qū)間，應(yīng)該取其并集。用同樣的方法

28、針對(duì) 圖14的紅色巖石鑄體圖像進(jìn)行孔隙提取，首先是得到 圖15中每個(gè)矩形樣本所對(duì) 應(yīng)的 H 分量的分布范圍：218,247、220,247、209,249,、205,246、221,235、208,237、222,235、 223,242，取其并集為205,249;然后進(jìn)行孔隙提取得到 圖19。因此，對(duì)于孔隙樣本區(qū)域可以通過2.1提出的試驗(yàn)方法確定 H分量的閾值范圍，并且對(duì)這些樣本區(qū)域的H分量范圍取并集。這樣不但可以在孔隙提取方面使得提取效果精確、有效，而且可以彌補(bǔ)樣本訓(xùn) 練時(shí)不能完全有效的提取孔隙區(qū)域的情況。最后將該實(shí)驗(yàn)結(jié)果適用于 圖2，并得到如圖20原圖與較為理想的分割效果對(duì)比。4. 測試

29、與分析以上的分析實(shí)驗(yàn)得到了非常好的分割效果，下面將H分量的分布范圍用于和實(shí)驗(yàn)圖片同屬一批樣的其它薄片，得到了分割效果圖(如圖21)。圖21中(1)、(2)分別表示與圖7、圖14同屬于同一批樣的巖石鑄體薄片的原圖與分割效果圖。因此得 到同一批樣的巖石鑄體薄片圖像的孔隙區(qū)域的 H分量的分布范圍是一致的，在孔隙提取時(shí)可以先通過一部31代賀等33代賀等分圖像獲得孔隙區(qū)域H分量的分布范圍，然后將這一范圍適用于同一批的巖石鑄體薄片圖像的孔隙提取中。5.總結(jié)通過以上實(shí)驗(yàn)得到：同一批樣的巖石鑄體薄片圖像孔隙區(qū)域H分量的分布范圍比較集中，而 S、L(1) Figure 18. Comparison of spl

30、it effect of casting thin sheet 圖18.孔隙區(qū)域提取原圖片與分割圖片F(xiàn)igure 19. Comparison of split effect of red casting thin sheet 圖19.紅色鑄體孔隙區(qū)域原圖與分割圖片F(xiàn)igure 20. Comparison of split effect of Figure 2 圖20.圖2的原圖與分割效果圖(1)#代賀等Figure 21. Comparison of split effect of casting thin sheet 圖21.原圖與分割效果圖分量的分布范圍比較分散；通過對(duì)孔隙區(qū)域矩形樣本

31、各個(gè) H分量的值采用并集的形式求出孔隙區(qū)域 H分 量的變化范圍；將求得的H分量的變化范圍適用于同一批樣的其它巖石鑄體薄片圖像得到較好的提取結(jié) 果。因此在對(duì)巖石鑄體薄片孔隙區(qū)域進(jìn)行提取時(shí)首先針對(duì)同一批樣的巖石鑄體薄片圖像進(jìn)行矩形樣本采 集并計(jì)算得到孔隙區(qū)域H分量的變化范圍，然后將此范圍適用于同一批樣的其它巖石鑄體薄片圖像即完 成孔隙區(qū)域的提取。這種方法充分利用同一批巖石鑄體薄片圖像的H分量的共性，使得孔隙區(qū)域提取效果更精確、有效，并且在孔隙提取時(shí)只針對(duì)一個(gè)分量進(jìn)行分析、計(jì)算，大大提高了運(yùn)算速度，提高了工 作效率。參考文獻(xiàn)(References)1 楊修國.關(guān)于直方圖雙峰法的研究與改進(jìn)J.電子設(shè)計(jì)

32、工程，2012, 20(12): 176-179.2 Li, X.C., Zhao, L. and Zhao, S.H. (2010) The Establishment and Application of Based on DSP Image Processing Dynamic Multi-Threshold Template. 2010 2 nd International Conference on Future Computer and Communication (ICFCC), 21-24 May 2010, V2-828-V2-832.3 陳琪，熊博蒞，陸軍，等.改進(jìn)的二維O

33、tsu圖像分割方法及其快速實(shí)現(xiàn)J.電子與信息學(xué)報(bào)，2010, 32(5):11001104.4 Alsaeed, D.H., Bouridane, A., Elzaart, A., et al. (2012) Two Modified Otsu Image Segmentation Methods Based on Lognormal and Gamma Distribution Models. International Conference on Information Technology and E-Services , Sousse, 24-26 March 2012, 1-5. /10.1109/icites.2012.62166805 張愛華.一種基于熵優(yōu)化的區(qū)域生長圖像分割方法J.華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2004, 32(7): 40-42.6 Gorsevski, P.V., Onasch, C.M., Farver, J.R., et al. (2002) Detecting Grain Boundaries in Deformed Rocks Using a Cellular Autom