頁巖電鏡圖像中有機和無機孔隙自動識別和定量分析方法與流程
2023-10-23 00:10:37
本發明主要屬於石油天然氣地質勘探技術領域，具體涉及頁巖電鏡圖像中有機和無機孔隙自動識別和定量分析方法。
背景技術：
頁巖中油和氣主要賦存在頁巖中的孔隙和裂隙中，孔隙度、孔隙類型、孔隙結構、孔徑分布及連通性等參數對頁巖油氣的勘探開發至關重要。這些參數直接關係到頁巖的儲油和儲氣能力、油和氣的賦存狀態、運移機理和能力以及頁巖的沉積演化過程，最終影響油氣開採的難易程度和勘探開發價值。因此對頁巖儲層的孔隙研究與刻畫有意義重大。只有準確了解了其孔隙特徵才能制定出指導生產的勘探開發方案。
頁巖孔隙按照發育的位置，可以分為有機孔隙和無機孔隙。有機孔隙主要分布在有機質周圍和內部，而無機孔隙主要分布在無機礦物顆粒間或礦物內部。有機孔隙和無機孔隙的形成機理、儲油和儲氣能力不同，孔隙內的油和氣的賦存狀態、運移機理和能力也不相同，因此需要分別進行分析。
目前對於頁巖儲層孔隙的分析已開展了大量研究，其中主要的測試技術手段有壓汞法和氣體吸附法，但這兩種測試方法的結果展示的都是頁巖整體的孔隙特徵，不能將頁巖中有機質孔隙和無機礦物孔隙進行分區。
而近幾年普遍採用的電鏡掃描方法，通過在頁巖二維平面進行二次電子或背散射電子掃描成像，已經可以清晰看到孔隙的分布。但要達到區分有機質孔隙和無機礦物孔隙的定量描述，一般只能選擇兩個較小的區域，在這兩個區域內，分別只有有機孔隙或無機孔隙，然後進行分析對比。這樣的方法雖然達到了有機孔隙和無機孔隙的區分與分析，但是無法對任意一幅既有無機孔隙又有有機孔隙的掃描圖像做有效識別和分析，沒有普遍適用性，且選擇的特定的小區域直接影響整體結論，結論也不具有整體代表性。
技術實現要素：
基於上述問題，本發明提供了頁巖電鏡圖像中有機和無機孔隙自動識別和定量分析方法，在頁巖油氣勘探中，採用掃描電鏡識別孔隙的類型判斷孔隙是無極孔隙或有機孔隙並對孔隙的結構分析表徵。解決現有技術中沒有方法實現對孔隙有效分類和定量分析的問題，為後續評價頁巖儲油儲氣能力、孔隙內的油和氣的賦存狀態、運移機理和能力提供基礎。
本發明是通過以下技術方案實現的：
頁巖電鏡圖像中有機和無機孔隙自動識別方法，所述自動識別方法利用掃描電鏡對頁巖樣品進行掃描得到同時包含有機質、無機質和孔隙的電鏡圖像，對電鏡圖像進行圖像分割按照灰度級將電鏡圖像分為有機質區、無機質區和孔隙區，在所述孔隙區根據孔隙的連通性分析得到孔隙的個數並對各孔隙進行標註，隨後對各孔隙進行判斷將孔隙識別區分為有機孔隙和無機孔隙。
進一步地，所述對各孔隙進行判斷是指通過統計每個孔隙周圍像素中有機質像素和無機質像素的數目，判斷各孔隙周圍是有機質還是無機質佔的比重大；若無機質佔優，則認為該孔隙為無機孔隙，否則，則為有機孔隙；所述佔優是指相應像素數目比重大於50%。
進一步地，所述孔隙的連通性分析是指區域中任意兩個像素能夠連通則所述區域即為一個孔隙。
進一步地，所述兩個像素能夠連通是指，所述孔隙區的任意兩個像素p和q，如果q在集合中則像素p和q是連通的；所述的含義是p周圍的n個像素；n取4、6或8。
進一步地，對所述電鏡圖像進行圖像分割前對所述電鏡圖像進行濾波處理，所述濾波處理可採用均值濾波、中值濾波、維納濾波、高斯濾波、非局部均值濾波中的任一種。
進一步地，所述圖像分割後還包括對異常點的剔除，所述異常點是指僅包含單個像素的孔隙。
進一步地，所述方法包括以下步驟，
（1）圖像獲取：採用掃描電鏡對頁巖樣品進行掃描，得到電鏡圖像；
（2）圖像預處理：對所述電鏡圖像進行濾波處理；
（3）圖像分割：按照像素灰度級將濾波處理後的電鏡圖像分為有機質區、無機質區和孔隙區，將單像素空隙剔除；
（4）孔隙接觸點判斷：在所述孔隙區根據孔隙的連通性分析得到孔隙的個數並對各孔隙進行標註，統計每個孔隙周圍像素中有機質像素和無機質像素的數目；
（5）孔隙類型判斷：判斷各孔隙周圍是有機質還是無機質佔的比重大；若無機質佔優，則認為該孔隙為無機孔隙，否則，則為有機孔隙；所述佔優是指相應像素數目比重大於50%。
頁巖電鏡圖像中有機和無機孔隙自動分析方法，所述分析方法基於上述識別方法所得有機孔隙和無機孔隙的圖像，分別對有機孔隙和無機孔隙進行數學分析，得到有機孔隙和無機孔隙的分析參數和描述參數。
進一步地，所述分析參數和描述參數包括孔隙的長度、寬度、周長、直徑、面積、圓度、延伸率、方位角度、幾何中心、橢圓擬合、積分密度。
本發明的有益技術效果：
（1）在頁巖油氣勘探中，採用掃描電鏡識別孔隙的類型判斷孔隙是無極孔隙或有機孔隙並對孔隙的結構分析表徵。解決現有技術中沒有方法實現對孔隙有效分類和定量分析的問題，為後續評價頁巖儲油儲氣能力、孔隙內的油和氣的賦存狀態、運移機理和能力提供基礎。
（2）該方法具有普適性，可用於各種頁巖的分析。
（3）本發明所用方法簡單、可用於同時包含有機質、無機質和孔隙的大面積圖像中，準確率高達100%。
附圖說明
圖1為本發明自動識別方法和分析方法基本流程圖；
圖2 a為本發明實施例頁巖的掃描電鏡圖；
圖2 b為本發明實施例頁巖的掃描電鏡圖的放大圖；
圖3 a為本發明實施例頁巖的濾波平滑圖；
圖3 b為本發明實施例頁巖的濾波平滑圖的放大圖；
圖4為本發明實施例頁巖的分割圖；
圖5為本發明實施例連通的示意圖；
圖6 a為本發明實施例頁巖的孔隙的直徑——數量柱狀分布圖；
圖6b為本發明實施例頁巖的孔隙的直徑——面積柱狀分布圖；
圖6 c為本發明實施例頁巖的有機孔隙和無機孔隙的直徑——數量柱狀分布圖；
圖6 d為本發明實施例頁巖的有機孔隙和無機孔隙的直徑——面積柱狀分布圖。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細描述。應當理解，此處所描述的具體實施例僅僅用於解釋本發明，並不用於限定本發明。
相反，本發明涵蓋任何由權利要求定義的在本發明的精髓和範圍上做的替代、修改、等效方法以及方案。進一步，為了使公眾對本發明有更好的了解，在下文對本發明的細節描述中，詳盡描述了一些特定的細節部分。對本領域技術人員來說沒有這些細節部分的描述也可以完全理解本發明。
實施例1
本實施例針對頁巖樣品進行孔隙分析，包括如下步驟 ：
1. 掃描電鏡獲取圖像
頁巖的掃描電鏡圖如圖2 a所示。通過掃描電鏡獲取的圖像大小為：4364*3520（像素），每個像素代表5 nm。即掃描區域大小長為21.82 um，寬為17.60 um。為了更好地顯示圖像的細節，圖2 b為頁巖的掃描電鏡圖的放大圖。掃描對儀器本身型號沒有要求。掃描電鏡獲取的圖像大小不受限制，x方向和y方向的像素可以是任何數值。同樣，每個像素大小也不受限制。掃描信號可以來自二次電子或背散射電子。
2. 圖像預處理
主要包括圖像濾波處理。我們採用非局部均值濾波，其中圖像子塊為3*3，對圖像進行平滑處理，圖3 a為本發明實施例頁巖的濾波平滑圖，圖3 b為本發明實施例頁巖的濾波平滑圖的平滑圖，可以看出通過該方法，圖像在去除噪聲的同時很好地保留圖像的細節特徵。
非局部均值（non-local means，簡稱NL-means）濾波，該方法是近年來研究人員提出的一種新型的去噪方法。該方法充分利用了圖像中的冗餘信息，在去噪的同時能夠最大程度地保留圖像的細節特徵。其基本思想是：將圖像中所有與當前像素點結構相似的像素點的加權平均作為當前像素點的估計值。如何衡量結構相似的像素點，也即如何確定權值係數，其做法是：對於每一個像素點的權值，採用以該像素點為中心的圖像子塊3*3、5*5、7*7、9*9等與當前像素點為中心的子塊之間的高斯加權歐氏距離來計算。
3. 圖像分割
因掃描圖像為灰度圖像，且有機質、無機質和孔隙三種的灰度值區分較明顯，通過設定3個灰度閾值，把預處理後的圖像的像素值分為3類有機質像素、無機質像素和孔隙像素。
孔隙、有機質和無機質設定的灰度閾值分為為：43和77。即孔隙的灰度值範圍：0-43，有機質灰度值範圍：44-77，無機質灰度值範圍：78-255。
對圖3採用閾值分割的方法，分割得到孔隙、有機質和無機礦物的分布圖，並將異常點1個像素的孔隙剔除。如圖4所示，其中黑色部分代表孔隙，灰色部分代表有機質，白色部分代表無機礦物。
該方法特別適用於目標佔據不同灰度級範圍的圖像。它不僅可以極大的壓縮數據量，而且也大大簡化了分析和處理步驟，因此是進行圖像分析之前必要的圖像預處理過程。圖像閾值化的目的是要按照灰度級，對像素集合進行一個劃分，得到的每個子集形成一個與現實景物相對應的區域，各個區域內部具有一致的屬性，而相鄰區域不具有這種一致屬性。這樣的劃分可以通過從灰度級出發選取一個或多個閾值來實現。
通過閾值分割，我們可以初步將掃描電鏡下的頁巖樣品的孔隙、有機質和無機礦物區分開。但是由於閾值分割不考慮孔隙的真實存在的可能性，因此，需要將異常點剔除，例如：分割出單個像素的點是否為孔隙，在此我們認為此情況下不是孔隙，需要將其剔除。
4. 孔隙接觸點判斷
主要包括連通性分析，接觸點類型統計。
首先對孔隙的連通性分析，並不是每一個單獨的像素都定義為一個孔隙，而是一個區域中任意兩個像素能夠連通，則認為這是一個孔隙，這與數學上的連通定義相一致，簡單來說：如圖5所示，對於具有孔隙值的像素p和q，如果q在集合中（的含義是p周圍的8個像素），則稱這兩個像素是8連通的。通過此定義，對孔隙的連通性進行分析，從而得到有多少個孔隙，並對每個孔隙的像素進行標註。
標註後孔隙的像素的值為1~M（M為孔隙總個數）。
標註的目的為區分每個孔隙，若像素彼此為一個孔隙，則標註值為相同，若像素屬於不同孔隙，則標註的數值不同，每個孔隙內的像素標註一致。
其次，接觸點類型統計，要判斷每個孔隙是有機孔隙還是無機孔隙，需要根據孔隙周圍是有機質還是無機礦物，如果是有機質，則該孔隙為有機孔隙，否則是無機孔隙。對此，對每個孔隙一周像素中的有機質像素和無機礦物像素的數目進行統計，分別得到周圍有機質和無機礦物像素的數目。
本發明實施例頁巖的孔隙共有8060個。但這些在頁巖樣品中分布情況十分複雜，孔隙周圍的物質有時是同一種物質，但有時並不一定是同種物質，有可能一部分是有機質，一部分是無機礦物，因此，需要對每個孔隙周圍的物質進行統計。為下一步孔隙的判斷提供數據支撐。
5. 孔隙類型判斷
將步驟4中每個孔隙周圍的有機質像素和無機礦物像素的數目進行對比，若無機礦物的數目多於有機質數目，則認為該孔隙為無機孔隙，否則，則為有機孔隙。將有機孔隙和無機孔隙有效識別並區分，可分別針對有機孔隙和無機孔隙進行統計分析。有機孔隙共計7772個，無機孔隙共計288個。
進一步，基於上述對有機孔隙和無極孔隙的識別區分，對有機孔隙和無極孔隙進行分析，得到有機孔隙、無機孔隙的分析參數。
在此，我們主要關注於孔隙的直徑——數目分布和孔隙的直徑——面積分布。首先對整體孔隙進行分析，孔隙的平均直徑為60.752 nm。孔隙的面積為14.750 um2，對應面孔率為3.84 %。圖6 a為本發明實施例頁巖的直徑——數量柱狀分布圖，圖6b為本發明實施例頁巖的直徑——面積柱狀分布圖。對圖6 a進行分析，可以看出頁巖中孔隙的直徑多分布於0~50 nm、50~100 nm之間。對圖6 b進行分析，可以看出孔隙的面積主要分布在50~100 nm、100~200 nm和200~500 nm之間。
對有機孔隙和無機孔隙分別分析，得到有機孔隙和無機孔隙的平均直徑分別為58.467 nm、122.212 nm；有機孔隙和無機孔隙的面積分別為12.136 um2、2.614 um2，對應的有機孔隙和無機孔隙的面孔率分別為3.16 %、0.68 %。圖6c為本發明實施例頁巖的有機孔隙和無機孔隙的直徑——數量柱狀分布圖，圖6 d為本發明實施例頁巖的有機孔隙和無機孔隙的直徑——面積柱狀分布圖。
對圖6 c進行分析，可以看出頁巖中的有機質孔隙數量遠多於無機礦物數量，且兩種類型孔隙的直徑多分布於0~50 nm和50~100 nm之間，但1000 nm以上的孔隙只存在於無機孔隙中。
對圖6d進行分析，可以看出頁巖中有機孔隙的面積遠大於無機孔隙的面積，但有機孔隙的面積主要分布在50~100 nm和100~200 nm之間，而無機孔隙的面積主要分布在200~500 nm和1000 nm以上。