洞缝型储层的地质特征参数及分布的测定方法及装置

1.一种洞缝型储层的地质特征参数的测定方法，该测定方法包括以下步骤：
分割步骤，基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域；
提取步骤，从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域；
区域调整步骤，针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整；以及
计算步骤，根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数；
在所述提取步骤之后且在所述计算步骤之前，该测定方法还包括以下步骤：对各裂缝特征区域进行区域边缘平滑的区域边缘平滑步骤，该区域边缘平滑步骤包括以下步骤：
重心计算步骤，采用该裂缝特征区域作为被滤波像素组，计算该被滤波像素组的重心；
第一像素组计算步骤，计算所述被滤波像素组中距离所述重心最远的一个像素组，作为第一像素组；
第二像素组计算步骤，计算所述被滤波像素组中在由所述重心和所述第一像素组形成的直线上的投影距离所述第一像素组最远的第二像素组；以及
去除步骤，从所述被滤波像素组中去除所述第一像素组和所述第二像素组，然后重复所述重心计算步骤、所述第一像素组计算步骤和所述第二像素组计算步骤，直到所述被滤波像素组剩下一个像素组为止。
2.根据权利要求1所述的测定方法，该测定方法在所述提取步骤之后且在所述计算步骤之前包括以下步骤：
去噪步骤，对于提取的裂缝特征区域，统计各裂缝特征区域的像素的数量，将所统计出的像素数量小于去噪阈值的裂缝特征区域作为噪声区域而去除。
3.根据权利要求2所述的测定方法，其中，所述区域膨胀通过以下来生成膨胀后的岩心图像：把预定的第一结构元素平移到所述岩心图像中的作为处理对象的像素之后得到第一平移图像，并且如果第一平移图像中的任意一个像素与要被膨胀的裂缝特征区域重叠，则该像素作为膨胀后的裂缝特征区域中的像素；
其中，所述区域腐蚀通过以下来生成腐蚀后的岩心图像：把预定的第二结构元素平移到所述岩心图像中的作为处理对象的像素之后得到第二平移图像，并且如果所述第二平移图像中的所有像素与要被腐蚀的裂缝特征区域重叠，则该像素作为腐蚀后的裂缝特征区域中的像素；并且
其中，所述区域细化通过根据所述裂缝特征区域中各像素的八个相邻像素是属于所述裂缝特征区域还是所述背景区域来判断该像素是否保留在所述裂缝特征区域中，来生成细化后的岩心图像。
4.根据权利要求3所述的测定方法，其中，在所述区域腐蚀中对于区域腐蚀前属于所述裂缝特征区域但是区域腐蚀后不再属于所述裂缝特征区域的像素进行标记，然后进行所述区域细化，将在所述区域细化中被判断为留在所述裂缝特征区域中的被标记的像素作为腐蚀后的裂缝特征区域中的像素。
5.根据权利要求1所述的测定方法，该测定方法还包括在所述分割步骤之前的、对所述岩心图像进行预处理的预处理步骤，所述预处理包括选自以下处理中的至少一种处理：色阶调整、亮度调整、饱和度调整、灰度调整、色调调整、对比度调整、图像滤波、图像锐化、图像平滑、图像模糊、图像边缘检测和图像底片化处理。
6.根据权利要求1所述的测定方法，该测定方法还包括在所述提取步骤之后、在所述计算步骤之前的裂缝特征调整步骤，该裂缝特征调整步骤针对各裂缝特征区域进行相关形状的绘制和填充，进行区域腐蚀处理和区域膨胀处理中的至少一种。
7.根据权利要求1所述的测定方法，所述地质特征参数包括选自以下参数中至少一项：
裂缝长度、裂缝宽度、岩层面与裂缝间之间的夹角、裂缝类型、平均缝宽、面缝率、裂缝面长比、裂缝面密度、裂缝线密度、裂缝间距。
8.根据权利要求1所述的测定方法，其中，所述洞缝型储层是洞缝型碳酸盐岩。
9.一种洞缝型储层分布的预测方法，该预测方法包括以下步骤：
图像获取步骤，从洞缝型储层的至少一个位置获取岩心图像；
地质特征参数获取步骤，针对所获取的各岩心图像，采用权利要求1-8中任意一项所述的测定方法，获取与该岩心图像相对应的位置处的地质特征参数；以及
储层分布预测步骤，基于该洞缝型储层的所述至少一个位置处的地质特征参数，预测洞缝型储层的分布。
10.一种洞缝型储层的地质特征参数的测定装置，该测定装置包括：
分割单元，其基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域；
提取单元，其从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域；
区域调整单元，其针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整；以及
计算单元，其根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数；
区域边缘平滑单元，其对各裂缝特征区域进行区域边缘平滑，该区域边缘平滑单元包括：
重心计算部，其采用该裂缝特征区域作为被滤波像素组，计算被滤波像素组的重心；
第一像素组计算部，其计算所述被滤波像素组中距离所述重心最远的一个像素组，作为第一像素组；
第二像素组计算部，其计算所述被滤波像素组中在由所述重心和所述第一像素组形成的直线上的投影距离所述第一像素组最远的第二像素组；
去除部，其从所述被滤波像素组中去除所述第一像素组和所述第二像素组；以及控制部，其控制所述重心计算部、所述第一像素组计算部、所述第二像素组计算部和所述去除部重复进行操作，直到所述被滤波像素组剩下一个像素组为止。
11.根据权利要求10所述的测定装置，该测定装置还包括：
去噪单元，其针对各裂缝特征区域，统计各裂缝特征区域的像素的数量，将所统计出的像素数量小于去噪阈值的裂缝特征区域作为噪声区域而去除。
12.根据权利要求11所述的测定装置，所述区域调整单元包括：
区域膨胀部，所述区域膨胀部通过以下来生成膨胀后的岩心图像：把预定的第一结构元素平移到所述岩心图像中的作为处理对象的像素之后得到第一平移图像，并且如果所述第一平移图像中的任意一个像素与要被膨胀的裂缝特征区域重叠，则该像素作为膨胀后的裂缝特征区域中的像素；
区域腐蚀部，所述区域腐蚀部通过以下来生成腐蚀后的岩心图像：把预定的第二结构元素平移到所述岩心图像中的作为处理对象的像素之后得到第二平移图像，并且如果所述第二平移图像中的所有像素与要被腐蚀的裂缝特征区域重叠，则该像素作为腐蚀后的裂缝特征区域中的像素；
区域细化部，所述区域细化部通过根据所述裂缝特征区域中各像素的八个相邻像素是属于所述裂缝特征区域还是所述背景区域来判断该像素是否保留在所述裂缝特征区域中，来生成细化后的岩心图像；以及
控制部，该控制部根据来自外部的控制命令，控制所述区域膨胀部、所述区域腐蚀部和所述区域细化部中的至少一个对所提取出的各裂缝特征区域进行处理。
13.根据权利要求12所述的测定装置，其中，所述区域腐蚀部对于区域腐蚀前属于所述裂缝特征区域但是区域腐蚀后不再属于所述裂缝特征区域的像素进行标记，然后将在所述区域细化部被判断为留在所述裂缝特征区域中的被标记像素作为腐蚀后的裂缝特征区域中的像素。
14.根据权利要求10所述的测定装置，该测定装置还包括预处理单元，其对所述岩心图像进行预处理，所述预处理包括选自以下处理中的至少一种处理：色阶调整、亮度调整、饱和度调整、灰度调整、色调调整、对比度调整、图像滤波、图像锐化、图像平滑、图像模糊、图像边缘检测和图像底片化处理。
15.根据权利要求10所述的测定装置，该测定装置还包括裂缝特征调整单元，该裂缝特征调整单元针对各裂缝特征区域进行相关形状的绘制和填充，进行区域腐蚀处理和区域膨胀处理中的至少一种。
16.根据权利要求10所述的测定装置，所述地质特征参数包括选自以下参数中至少一项：裂缝长度、裂缝宽度、岩层面与裂缝间之间的夹角、裂缝类型、平均缝宽、面缝率、裂缝面长比、裂缝面密度、裂缝线密度、裂缝间距。
17.根据权利要求10所述的测定装置，其中，所述洞缝型储层是洞缝型碳酸盐岩。
18.一种洞缝型储层分布的预测系统，该预测系统包括：
图像获取装置，其从洞缝型储层的至少一个位置获取岩心图像；
权利要求10-17中任一项所述的测定装置，其针对所获取的各岩心图像，测定洞缝型储层中与该岩心图像相对应的位置处的地质特征参数；以及
储层分布预测装置，其基于该洞缝型储层的所述至少一个位置处的地质特征参数，预测洞缝型储层的分布。

洞缝型储层的地质特征参数及分布的测定方法及装置\n技术领域\n[0001] 本发明涉及在石油地质勘探中使用的、洞缝型储层的地质特征参数的测定方法及测定装置以及洞缝型储层分布的预测方法及预测系统。\n背景技术\n[0002] 目前，石油地质勘探中，通过传统的洞缝型储层的地质特征分析，尤其是碳酸盐岩岩心表面裂缝分析，可以提供大量直观的信息用于地层定性分析，并且能够从在勘探现场获取的洞缝型储层的岩心图像中提取地质特征参数，用于定量分析储层。\n[0003] 但是，在传统的碳酸盐岩岩心表面裂缝分析技术中，多采用人工来描绘裂缝特征区域，效率低下。而且，由于分析人员的不同，分析数据也存在不同程度的差异。在当今科技信息化发展的时代，不能很好的满足地质研究人员的工作需求。\n[0004] 本发明主要是针对上述问题，对缝洞型储层的岩心图像进行计算机定量计算，从而测定缝洞型储层的地质特征参数。\n发明内容\n[0005] 然而，本发明的目的是提供一种通过图像数字化处理来测定洞缝型储层的地质特征参数的测定方法及装置、以及洞缝型储层分布的预测方法及预测系统。\n[0006] 本发明的第一方面提供了一种洞缝型储层的地质特征参数的测定方法，该测定方法包括以下步骤：分割步骤，基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域；提取步骤，从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域；\n区域调整步骤，针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整；以及计算步骤，根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数。\n[0007] 根据本发明的第二方面提供了一种洞缝型储层分布的预测方法，该预测方法包括以下步骤：图像获取步骤，从洞缝型储层的至少一个位置获取岩心图像；地质特征参数获取步骤，针对所获取的各岩心图像，采用本发明第一方面所述的测定方法，获取与该岩心图像相对应的位置处的地质特征参数；以及储层分布预测步骤，基于该洞缝型储层的所述至少一个位置处的地质特征参数，预测洞缝型储层的分布。\n[0008] 根据本发明的第三方面提供了一种洞缝型储层的地质特征参数的测定装置，该测定装置包括：分割单元，其基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域；提取单元，其从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域；\n区域调整单元，其针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整；以及计算单元，其根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数。\n[0009] 根据本发明的第四方面提供了一种洞缝型储层分布的预测系统，该预测系统包括：图像获取装置，其从洞缝型储层的至少一个位置获取岩心图像；本发明第三方面所述的测定装置，其针对所获取的各岩心图像，测定洞缝型储层中与该岩心图像相对应的位置处的地质特征参数；以及储层分布预测装置，其基于该洞缝型储层的所述至少一个位置处的地质特征参数，预测洞缝型储层的分布。\n[0010] 根据本发明的洞缝型储层的地质特征参数的测定方法及装置，以及洞缝型储层分布的预测方法及系统结合岩心裂缝几何参数定量计算方法对碳酸盐岩岩心表面裂缝特征进行剥离和参数计算，方便地为石油地质勘探提供准确的直观的数据，提高地质研究人员的工作效率，更好地研究和预测储层的分布情况。\n附图说明\n[0011] 图1示出了根据本发明的第一实施方式的洞缝型储层的地质特征参数的测定方法的流程图；\n[0012] 图2示出了岩心图像在分割前后的示例；\n[0013] 图3示出了用于说明区域膨胀的示意图；\n[0014] 图4示出了用于说明区域膨胀的示意图；\n[0015] 图5示出了区域膨胀前后的岩心图像；\n[0016] 图6示出了用于说明区域腐蚀的示意图；\n[0017] 图7示出了用于说明区域腐蚀的示意图；\n[0018] 图8示出了区域膨胀前后的岩心图像；\n[0019] 图9示出了在不同的八邻域条件下的像素的示例；\n[0020] 图10示出了区域细化前后的岩心图像；\n[0021] 图11示出了岩层面与裂缝间之间的夹角计算方法的示意图；\n[0022] 图12示出了根据本发明第一实施方式的洞缝型储层的地质特征参数的测定装置的框图；\n[0023] 图13示出了根据本发明第二实施方式的洞缝型储层的地质特征参数的测定方法的流程图；\n[0024] 图14示出了根据本发明第二实施方式的洞缝型储层的地质特征参数的测定装置的框图；\n[0025] 图15示出了边缘平滑前后的岩心图像；\n[0026] 图16示出了洞缝型储层分布的预测方法的流程图；以及\n[0027] 图17示出了洞缝型储层分布的预测系统的框图。\n具体实施方式\n[0028] 下文中，将参考附图对本发明的实施方式进行说明。这些实施方式仅是实现本发明的示例，但是不限于此，而是可以包括在说明书中描述的方法及结构的各种变型。\n[0029] 在本发明中，采用洞缝型碳酸盐岩作为洞缝型储层的示例，来说明本发明的洞缝型储层的地质特征参数的测定方法及装置以及洞缝型储层分布的预测方法及预测系统。本领域技术人员在阅读本发明之后，可以将本发明的测定方法和装置以及预测方法和系统应用于其他洞缝型储层。\n[0030] 第一实施方式\n[0031] 图1示出了根据本发明的第一实施方式的洞缝型储层的地质特征参数的测定方法的流程图。\n[0032] 如图1所示，在步骤ST102，基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域。\n[0033] 作为示例，将整幅的岩心图像使用同一个分割阈值做分割处理。这适用于为背景区域和前景区域有明显对比的图像。其中，该分割阈值是通过该岩心图像的直方图获取的，或者可以是基于以前获取的岩心图像所预先存储的。优选地，通过下式分割岩心图像。\n[0034]\n[0035] 图2示出了分割前后的岩心图像的示例。在图2中（A）为分割前的岩心图像，（B）为分割后而且经过黑白渲染的岩心图像。\n[0036] 在步骤ST104，从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域。在步骤ST106，针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整的区域调整步骤。\n[0037] （1）区域膨胀\n[0038] 区域膨胀（dilation）是把预定的第一结构元素平移到岩心图像中的作为处理对象的像素之后得到第一平移图像，如果第一平移图像中的任意一个像素与要被膨胀的裂缝特征区域重叠，则作为处理对象的该像素属于膨胀后的裂缝特征区域中的一个像素。所谓把第一结构元素平移到作为处理对象的像素是指平移第一结构元素，使得该第一结构元素中的预定的基准像素（例如，第一结构元素的中心点）与作为处理对象的像素重合。也就是说，对于一个特定的裂缝特征区域，区域膨胀通过把预定的第一结构元素平移与作为待处理对象的像素的位置相对应的平移量之后得到第一平移图像，并且把第一平移图像中的任意一个像素与要被膨胀的裂缝特征区域重叠的那些作为处理对象的像素作为膨胀后的裂缝特征区域中的像素，来对岩心图像进行膨胀。\n[0039] 图3示出了用于说明区域膨胀的示意图。对于要被膨胀的裂缝特征区域X（如图3中（A）所示），把第一结构元素B（如图3中（B）所示）平移到作为处理对象的点a后得到第一平移图像，即，平移第一结构元素B使得作为基准元素的元素（图3的（B）中的原点o所示的元素）与点a重合，若第一平移图像击中裂缝特征区域X，即，第一平移图像中的任意一个像素与要被膨胀的裂缝特征区域X重叠，则我们记下这个a点。所有满足上述条件的a点组成的集合称作裂缝特征区域X被B膨胀后的裂缝特征区域（如图3的（C）中斜线所示的区域）。用公式表示为：D（X）={a|Ba↑X}=X⊕B。\n[0040] 图4示出了用于说明区域膨胀的示意图。图4中（A）示出了膨胀前的岩心图像X的示例，其中涂黑的圆圈表示岩心图像X中包括在裂缝特征区域内的像素；空心的圆圈表示岩心图像X中不包括在该裂缝特征区域内的像素。图4中（B）示出了第一结构元素B的示例，其中，R表示第一结构元素B中的基准元素，而（C）为膨胀后的岩心图像的示例，其中涂黑的圆圈表示膨胀后包括在裂缝特征区域内的像素；空心的圆圈表示膨胀后不包括在该裂缝特征区域内的像素。\n[0041] 图5示出了区域膨胀前后的岩心图像。其中图5中（A）示出了膨胀前的岩心图像，（B）示出了区域膨胀后的岩心图像。\n[0042] （2）区域腐蚀\n[0043] 区域腐蚀通过把预定的第二结构元素平移动到所述岩心图像中的作为处理对象的像素之后得到第二平移图像，如果第二平移图像中的所有像素与要被腐蚀的裂缝特征区域重叠，则作为处理对象的该像素属于腐蚀后的裂缝特征区域中的一个像素。所谓把第二结构元素平移到像素是指平移预定的第二结构元素，使得该第二结构元素中的预定的基准像素（例如，第二结构元素的中心点）与作为处理对象的像素重合。也就是说，区域腐蚀通过把预定的第二结构元素平移与作为处理对象的像素的位置相对应的平移量之后得到第二平移图像，并且把第二平移图像中的所有像素与要被腐蚀的裂缝特征区域重叠的那些作为处理对象的像素作为腐蚀后的裂缝特征区域中的像素，来对岩心图像进行腐蚀。\n[0044] 图6示出了用于说明区域腐蚀的示意图。区域腐蚀可以看作是区域膨胀的对偶运算。如图6所示，对于要被腐蚀的裂缝特征区域X（如图6中（A）所示），把第二结构元素B（如图\n6中（B）所示，其中原点o为第二结构元素的基准元素）平移到坐标中的一个点b后得到第二平移图像，若第二平移图像包含于裂缝特征区域X，我们记下这个b点，所有满足上述条件的b点组成的集合称作裂缝特征区域X被第二结构元素B腐蚀（Erosion）后的裂缝特征区域。用公式表示为：\n[0045] 图7示出了用于说明区域腐蚀的示意图。图7中（A）示出了腐蚀前的岩心图像X的示例，涂黑的圆圈表示在岩心图像X中在该裂缝特征区域内的像素；空心的圆圈表示岩心图像X中不在裂缝特征区域内的像素。图7中（B）示出了第二结构元素B的示例，其中R表示第二结构元素B中的基准元素，而（C）为腐蚀后的岩心图像的示例，涂黑的圆圈表示在岩心图像X中腐蚀后在该裂缝特征区域内的像素；空心的圆圈表示岩心图像X中腐蚀后不包括在该裂缝特征区域内的像素。\n[0046] 图8示出了区域腐蚀前后的岩心图像。其中图8中（A）区域腐蚀前的岩心图像的示例，（B）为区域腐蚀后的岩心图像的示例。\n[0047] （3）区域细化\n[0048] 区域细化通过根据裂缝特征区域中各像素的八个相邻像素是属于裂缝特征区域还是背景区域来判断该像素是否保留在裂缝特征区域中，由此对岩心图像进行细化。\n[0049] 通过区域细化，得到与原来物体区域形状近似的、由简单的弧或曲线组成的图形。\n这些细线处于岩心裂缝附近，便于描述和抽取图像特定区域的特征。细化过程中要根据每个像素的八个相邻点的情况来判断该点是剔除还是保留。下面我们参照图9来说明如何判断当前像素是否该保留还是剔除。\n[0050] 图9示出了需要处理的像素在不同的八邻域条件下的情况的示例。其中，作为判断对象的像素位于图9中（1）至（7）中的中心点。\n[0051] 像素的八邻域条件为图9中（1）所示时，该像素不能删除，因为它是个内部点，我们要求的是骨架，如果连内部像素也删了，骨架也会被掏空的。像素的八邻域条件为图9中（2）所示时，该像素不能删，理由与图9中（1）所示的像素不能删的理由相同。\n[0052] 像素的八邻域条件为图9中（3）所示时，该像素可以删除。这是因为这样的像素不是骨架。像素的八邻域条件为图9中（4）所示时，该像素不能删除。这是因为删除该像素后，原来相连的像素彼此断开。\n[0053] 像素的八邻域条件为图9中（5）所示时，像素可以删除。这是因为该像素不是骨架。\n像素的八邻域条件为图9中（6）所示时，该像素不能删除。这是因为该像素是直线的端点，如果这样的像素删了，那么最后整个直线也被删了，剩不下什么。像素的八邻域条件为图9中（7）所示时，该像素不能删除，这是因为孤立点的骨架就是它自身。\n[0054] 综上所述，判断当前像素是否该保留还是剔除的标准如下：\n[0055] 1.内部像素不能删除；\n[0056] 2.孤立像素不能删除；\n[0057] 3.作为直线端点的像素不能删除；\n[0058] 4.如果像素是边界点，去掉该像素后，如果连通分量不增加，则像素可以删除。\n[0059] 根据上述的判断标准，预先做出一张表，从0到255共有256个元素，每个元素要么是0，要么是1。我们根据某像素（当然是要处理的黑色点了）的八个相邻点的情况查表，若表中的元素是1，则表示该点可删，否则保留。\n[0060] 查表的方法是，设白点为1，黑点为0；左上方点对应一个8位数的第一位（最低位），正上方点对应第二位，右上方点对应的第三位，左邻点对应第四位，右邻点对应第五位，左下方点对应第六位，正下方点对应第七位，右下方点对应的第八位，按这样组成的8位数去查表即可。\n[0061] 例如上面的例子中，像素的八邻域条件为图9中（1）所示时，对应于表中的第0项，该项应该为0；像素的八邻域条件为图9中（2）所示时对应于37，该项应该为0；像素的八邻域条件为图9中（3）所示时对应于173，该项应该为1；像素的八邻域条件为图9中（4）所示时对应于231，该项应该为0；像素的八邻域条件为图9中（5）所示时对应于237，该项应该为1；像素的八邻域条件为图9中（6）所示时对应于254，该项应该为0；像素的八邻域条件为图9中（7）所示时对应于255，该项应该为0。仔细考虑当前像素的各种八邻域的情况，我们可以得到一个细化操作查找表，该表在下面的细化算法中详细介绍。\n[0062] 作为示例，以上的步骤可以在一个3×3邻域内运算，可以通过查表实现细化的操作。作为示例性的方法，可以通过如下步骤实现：\n[0063] (a)定义一个3×3模板和一个查找表\n[0064] 以下表1给出了查找表的示例：\n[0065] 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\n[0066] 1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\n[0067] 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\n[0068] 1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\n[0069] 1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,\n[0070] 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,\n[0071] 1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,\n[0072] 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,\n[0073] 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\n[0074] 1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\n[0075] 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\n[0076] 1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,\n[0077] 1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,\n[0078] 1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,\n[0079] 1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,\n[0080] 1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0.\n[0081] 以下表2给出了一个像素的3×3模板的示例。\n[0082]\n1 2 4\n128 256 8\n64 32 16\n[0083] （b）对二值图像从上到下、从左到右进行扫描；该过程结束后再对图像进行从左到右，从上到下的扫描；如果图像中当前像素的灰度值为"0"，且其左右（第一次扫描过程考虑左右像素）或上下（第二次扫描过程考虑上下两个像素）两个像素中有任意一个为"255"则转至步骤（c），否则回转到步骤（b）；\n[0084] （c）该像素为中心的3x3区域内的各个像素值和定义的模板中的权值进行卷积求和，得到表2.1.1中的查找索引值k；\n[0085] （d）根据这个索引值k得到表里相应的数据，如果为"1"，那么该像素的灰度值设为"255"，即删除该像素，如果为"0"，则将该像素的灰度值为"0"，即保留该像素。\n[0086] （e）图像从头至尾扫描二遍后，如果该次扫描修改了岩心图像中的点，则跳转至步骤（b），开始新的一轮扫描。否则图像区域细化结束。\n[0087] 图10示出了区域细化前后的岩心图像。其中图10中（A）区域细化前的岩心图像，（B）为区域细化后的岩心图像的示例。\n[0088] 作为优选的示例，为了避免分裂物体，首先对岩心图像进行区域腐蚀，但是它是有条件的，也就是说在区域腐蚀中那些可除去的像素（即，在区域腐蚀前属于裂缝特特征区域但是区域腐蚀后并不属于裂缝特征区域的像素）并不立即消除只进行标记；在第二步中执行区域细化，标记那些可除去的像素（即在区域细化前属于裂缝特征区域但是区域腐蚀后并不属于裂缝特征区域的像素）；在第三步中，只将在区域腐蚀步骤中被标记为可除去的像素当中的那些在区域细化中被判断为消除后并不破坏连通性的像素消除，否则的话保留这些像素作为边界点。其中，所谓消除是指使该像素不属于裂缝特征区域。\n[0089] 在步骤ST108，根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数。\n[0090] 作为示例，可以计算如下地质特征参数：\n[0091] （1）裂缝长度：所述裂缝长度指的是单个裂缝特征区域的长度，按该裂缝特征区域的中轴长度计算裂缝长度。\n[0092] （2）裂缝宽度，所述裂缝宽度指的是单个裂缝特征区域的宽度，按式（1）计算[0093] W=A1/L  （1）\n[0094] 式中：\n[0095] W——该裂缝特征区域的裂缝宽度，单位：mm；\n[0096] A1——裂缝特征区域的面积，单位：mm2；\n[0097] L——该裂缝特征区域的裂缝长度，单位：mm。\n[0098] （3）裂缝宽度大小评价\n[0099] 裂缝宽度评价指标如下：\n[0100] 大缝：宽度>2mm；\n[0101] 中缝：宽度0.5～2mm；\n[0102] 小缝：宽度<0.5mm。\n[0103] （4）岩层面与裂缝特征区域之间的夹角\n[0104] 参见图11，按下式（2）岩层面与裂缝特征区域之间的夹角：\n[0105]\n[0106] h：截面高度；\n[0107] d：截面中圆的直径；\n[0108] 在计算出岩层面与裂缝特征区域之间的夹角之后，按照该夹角的大小，可以将裂缝特征区域中的裂缝按如下进行分类：\n[0109] A．水平缝：夹角<5°；\n[0110] B．低角度斜缝：5°≤夹角＜30°；\n[0111] C．高角度斜交缝：30°≤夹角＜70°；\n[0112] D．垂直缝：夹角>70°。\n[0113] （5）平均缝宽\n[0114] 所谓平均缝宽指是所选的岩心图像内所有裂缝特征区域的平均宽度。按下式（3）进行计算平均缝宽：\n[0115]\n[0116] 式中：\n[0117] ——平均缝宽，单位：mm；\n[0118] Wi——所选岩心图像内第i个裂缝特征区域的宽度，单位：mm；\n[0119] n——裂缝特征区域的数量。\n[0120] （6）面缝率\n[0121] 所谓面缝率是指所选岩心图像中所有裂缝特征区域的总面积与所选岩心图像的面积之比。按下式（4）计算面缝率：\n[0122]\n[0123] 式中：\n[0124] M——面缝率,以百分数表示；\n[0125] ——第i条裂缝的平均缝宽，单位：mm；\n[0126] Li-第i条裂缝的长度\n[0127] A2——所选的岩心图像的面积，单位：mm2；\n[0128] （7）裂缝面长比\n[0129] 所谓裂缝面长比指的是在岩心图像的单位面积内裂缝特征区域的总长度单位为mm/mm2，按下式（5）计算裂缝面长比：\n[0130] 裂缝面长比＝所选岩心图像中的裂缝总长度（mm）／所选岩心图像的岩石面积（mm2）  （5）\n[0131] （8）裂缝面密度\n[0132] 裂缝面密度指的是在岩心图像的单位面积内裂缝特征区域的数量。按下式（6）计算裂缝面密度：\n[0133]\n[0134] 式中：\n[0135] TM——裂缝面密度，单位：条/mm2；\n[0136] n——所选岩心图像内的裂缝特征区域的数量；\n[0137] A2——所选岩心图像的面积,单位：mm2；\n[0138] （9）裂缝线密度\n[0139] 裂缝线密度是通过取所选岩心图像中垂直裂缝组系的线段法线，测量线段法线的长度，并统计该线段法线所切过的裂缝特征区域的数量来计算的。其中，所谓裂缝组系是指所选岩心图像中的所有裂缝。按下式（7）计算裂缝线密度：\n[0140]\n[0141] 式中：\n[0142] TL——裂缝线密度，单位：条/mm；\n[0143] n——在所选岩心图像中裂缝特征区域的数量；\n[0144] LD——测得的线段法线长度，mm。\n[0145] （10）裂缝间距\n[0146] 裂缝间距指的是所选岩心图像中裂缝特征区域之间的平均距离，单位为mm。\n[0147] 图12示出了根据本发明第一实施方式的洞缝型储层的地质特征参数的测定装置\n10的框图。\n[0148] 根据本发明第一实施方式的测定装置10包括分割单元112、提取单元114、区域调整单元116和计算单元118。\n[0149] 分割单元112基于预定的分割阈值，将洞缝型储层的岩心图像分割为前景区域和背景区域。作为示例，分割单元112可以按照与说明洞缝型储层的地质特征参数的测定方法的步骤ST102时所提到的分割方法，将岩心图像分割为前景区域和背景区域。\n[0150] 提取单元114从所分割后的岩心图像中提取所述前景区域作为裂缝特征区域。\n[0151] 区域调整单元116针对所提取出的各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整。作为示例，区域调整单元116可以包括区域膨胀部、区域腐蚀部、区域细化部以及控制部。\n[0152] 区域膨胀部例如可以按照参照3和图4所描述的区域膨胀的方式，通过把预定的第一结构元素平移到所述岩心图像中的作为处理对象的像素之后得到第一平移图像，并且如果第一平移图像中任意一个像素与要被膨胀的裂缝特征区域重叠，则作为处理对象的该像素属于膨胀后的裂缝特征区域中的一个像素，由此生成膨胀后的岩心图像。\n[0153] 区域腐蚀部例如可以按照参照6和图7所描述的区域腐蚀的方式通过把预定的第二结构元素平移动到所述岩心图像中的作为处理对象的像素之后得到第二平移图像，如果所述第二平移图像的所有像素与要被腐蚀的裂缝特征区域重叠，则作为处理对象的像素属于腐蚀后的裂缝特征区域中的一个像素，由此生成腐蚀后的岩心图像。\n[0154] 区域细化部例如可以按照参照9所描述的区域细化的方式通过根据所述裂缝特征区域中各像素的八个相邻像素是属于所述裂缝特征区域还是所述背景区域来判断该像素是否保留在所述裂缝特征区域中，来生成细化后的岩心图像。\n[0155] 控制部可以根据从外部输入的指令，针对各裂缝特征区域控制区域膨胀部、区域腐蚀部、区域细化部中的至少一个对该裂缝特征区域进行处理。\n[0156] 计算单元118根据所提取的裂缝特征区域，计算该洞缝型储层的地质特征参数。地质特征参数的示例如说明洞缝型储层的地质特征参数的测定方法的步骤ST108时所提到的地质特征参数的计算方法。\n[0157] 根据本发明的地质特征参数的测定装置10的各部件，即分割单元112、提取单元\n114、区域调整单元116和计算单元118，可以通过硬件、逻辑电路来实现；或者可以由测定装置10中的控制器执行安装在作为计算机的测定装置10中并且包括与这些部件的功能相对应的指令的程序来实现。经由计算机可读记录介质（如，光盘、磁盘、磁带、磁光盘或闪速存储器）或经由如因特网的通信工具，向测定装置10提供程序。\n[0158] 本发明第一实施方式的有益效果在于，通过图像数字化处理提取碳酸盐岩岩心图像上的裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中的至少一种对裂缝特征区域进行区域调整；结合岩心裂缝几何参数定量计算方法计算得到相关特征参数，可以很方便地对碳酸盐岩岩心表面裂缝进行特征提取和宏观微观的分析，获取相关地质特征参数，从而为更好地研究和预测储层的分布情况奠定基础。\n[0159] （第二实施方式）\n[0160] 图13示出了根据本发明的第二实施方式的洞缝型储层的地质特征参数的测定方法的流程图，图14示出了根据本发明第二实施方式的洞缝型储层的地质特征参数的测定装置。\n[0161] 下面参照图13和图14描述根据本发明的第二实施方式的洞缝型储层的地质特征参数的测定方法以及测定装置100。\n[0162] 根据本发明第一实施方式的测定装置100包括分割单元112、提取单元114、区域调整单元116、计算单元118、预处理单元110、去噪单元120、区域边缘平滑单元122以及裂缝特征调整单元124。\n[0163] 在根据第二实施方式的洞缝型储层的地质特征参数的测定方法的步骤ST102、ST104、ST106以及ST108与参照图3描述的根据第一实施方式的洞缝型储层的地质特征参数的测定方法的步骤ST102、ST104、ST106和ST108相同，图14中分割单元112、提取单元114、区域调整单元116、和计算单元118与参照图12描述的根据第一实施方式的洞缝型储层的地质特征参数的测定装置10的分割单元112、提取单元114、区域调整单元116、和计算单元118相同，因此下面省略对这些步骤和单元的描述。\n[0164] 首先，在步骤ST100中，预处理单元110对所述岩心图像进行预处理。作为示例，可以采用以下预处理中的至少一种处理：\n[0165] （1）色阶调整\n[0166] 作为示例，在岩心图像为彩色图像的情况下，统计岩心图像的红、绿、蓝各颜色的直方图，按照给定的参数计算红、蓝和蓝各颜色的上限值和下限值，并且根据计算出的红、绿和蓝各颜色的上限值和下限值，调整所述岩心图像的色阶曲线。\n[0167] 在岩心图像为灰度图像的情况下，类似地统计岩心图像的直方图，按照给定的参数计算上限值和下限值，并且根据计算出的上限值和下限值，调整所述岩心图像的色阶曲线。\n[0168] （2）图像亮度/对比度/灰度调整\n[0169] 针对岩心图像中的各像素，根据所选亮度、对比度、灰度范围值生成相对应映射值索引；根据映射值索引偏移替换原有的颜色分量。\n[0170] （3）图像亮度/色调/饱和度调整\n[0171] 将图像转成亮度、色调和饱和度的位数据，进行亮度调整、色调调整和饱和度调整。\n[0172] 在亮度调整中，根据所述彩色岩心图像的红、绿、蓝值，计算图像中各像素的亮度，将所述岩心图像的亮度调整到预定的亮度范围内。在色调调整中，根据所述彩色岩心图像的红、绿、蓝值，计算图像中各像素的色调，把所述彩色岩心图像的色调数据调整至预定的色调范围内。在饱和度调整中，根据所述彩色岩心图像的红、绿、蓝值，计算图像中各像素的饱和度，将所述岩心图像的饱和度调整到预定的饱和度范围内。然后，根据调整后的亮度、色调和饱和度，计算各像素的相应红、绿和蓝各颜色的值。\n[0173] 例如，亮度的域值范围为（-100-100），像素的目前亮度值为20，当前把该值调整为\n50，整个亮度增加了30，偏移30替换原来的颜色分量。\n[0174] （4）图像滤波\n[0175] 对所获取的岩心图像进行滤波，以去除岩心图像中的噪声。可以采用现有的适当的滤波算法，对所述岩心图像进行滤波。优选地，可以采用中值滤波算法对岩心图像进行滤波。中值滤波算法是取滤波窗口内的最大值和最小值之间的中值作为被滤波像素的值。在滤波窗口为5的情况下，对第N个像素滤波时，取第N-2、N-1、N、N+1和N+2个五个像素中的最大值和最小值的中值，作为第N个像素的值。对于各图像中第1个像素，取第1个像素、第2个像素、第3个像素，这三个像素中的最大值和最小值之间的中值，作为第1个像素的滤波后的值，而对于第2个像素，取第1个像素、第2个像素、第3个像素和第4个像素，这四个像素的值中的最大值和最小值之间的中值，作为第2个像素的滤波后的值。对于像素倒数第2个像素，例如第M个像素，取第M-2、第M-1、第M和第M+1四个像素的值中的最大值和最小值之间的中值，作为第M个像素的滤波后的值；而对于像素最后一个像素，第M+1个像素，取第M-1、第M和第M+1三个像素的值中的最大值和最小值之间的中值，作为第M+1个像素的滤波后的值。\n[0176] 通过滤波在尽量保留图像细节特征的条件下，在一定程度上抑制了岩心图像的噪声，可以提高后续图像处理和分析的有效性和可靠性。\n[0177] （5）图像锐化\n[0178] 图像锐化可以补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以通过对图像进行逆运算（如微分运算）来使图像变的清晰。可以采现有的或以后开发的图像锐化技术对岩心图像进行锐化。\n[0179] （6）图像平滑\n[0180] 可以采用现有的或以后开发的图像平滑技术来对岩心图像进行平滑。通过图像平滑，可以突出岩心图像中的宽大区域、低频成分和主干部分，并且抑制图像噪声和干扰高频成分，使得图像亮度平缓渐变，减小突变梯度，改善图像质量。\n[0181] （7）图像模糊\n[0182] 可以采用现有的或以后开发的图像模糊技术来对岩心图像进行模糊。\n[0183] （8）图像边缘检测\n[0184] 作为示例，可以通过以下步骤完成图像边缘检测：\n[0185] （a）滤波，边缘检测主要基于导数计算，受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失；\n[0186] （b）增强，增强算法将领域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成；\n[0187] （c）检测，但在有些图像中梯度幅值较大的并不是边缘点；以及\n[0188] （d）定位，精确确定边缘的位置。当然也可以采用本领域中已有的其它图像边缘检测方法也可以采用以后开发的图像边缘检测方法。\n[0189] （9）图像底片效果\n[0190] 将彩色岩心图像转换成具有相应灰度级的单色图像。\n[0191] 此外，作为示例，可以针对岩心图像的一部分或者多个部分执行上述预处理。\n[0192] 在步骤ST104之后，前进至步骤ST112。在步骤ST112中，去噪单元120对于提取的裂缝特征区域，统计各裂缝特征区域的像素的数量，将所统计出的像素数量小于去噪阈值的裂缝特征区域作为噪声区域而去除。可以根据所要求图像质量适当调节去噪阈值的上下限。\n[0193] 在步骤ST112之后，前进至步骤ST106，在步骤ST106中与第一实施方式一样，区域调整单元106针对各裂缝特征区域，通过区域膨胀、区域腐蚀和区域细化中至少一种对所述裂缝特征区域进行区域调整。\n[0194] 另选的，步骤ST106也可以在步骤ST112之前执行。在步骤ST106之后，前进至步骤ST114。\n[0195] 在步骤ST114，区域边缘平滑单元122对各裂缝特征区域进行区域边缘平滑，该区域边缘平滑包括重心计算部，其采用该裂缝特征区域作为被滤波像素组，计算被滤波像素组的重心；第一像素组计算部，其计算所述被滤波像素组中距离所述重心最远的一个像素组，作为第一像素组；第二像素组计算部，其计算所述被滤波像素组中在由所述重心和所述第一像素组形成的直线上的投影距离所述第一像素组最远的第二像素组；去除部，其从所述被滤波像素组中去除所述第一像素组和所述第二像素组，以及控制部，其控制所述重心计算部、所述第一像素组计算部、所述第二像素组计算部和所述去除部重复进行操作，直到所述被滤波像素组剩下一个像素组为止。\n[0196] 通过以下步骤执行区域边缘平滑：\n[0197] （a）重心计算步骤，重心计算部采用该裂缝特征区域作为被滤波像素组，计算该被滤波像素组的重心。例如，将各裂缝特征区域的滤滤像素作为m个N维向量，看作N维空间中的m个点。求出这些点的平均值所代表的点E，我们将E点称作这一被滤波像素组的重心。\n[0198] （b）第一像素组计算步骤，第一像素组计算部计算所述被滤波像素组中距离所述重心最远的一个像素组，作为第一像素组；找出各点中距离重心E最远的一个，称作P点。“距离重心最远的点”就是使（xi一E）·（xi—E）取值最大的点，其中xi表示第i个点。·号表示内积，即对应坐标的乘积之和。\n[0199] （c）第二像素组计算步骤，第二像素组计算部计算所述被滤波像素组中在由所述重心和所述第一像素组形成的直线上的投影距离所述第一像素组最远的第二像素组。找出各点中在直线PE上的投影距离P最远的一个点，称作Q点。“在直线PE上的投影距离P最远的点”就是使（P—E）·（—E）取值最小（绝对值最大的负值）的xt点。\n[0200] （d）去除步骤，去除部从被滤波像素组中去除所述第一像素组和所述第二像素组。\n[0201] （e）控制部控制重心计算部、第一像素组计算部、第二像素组计算部和去除部重复重心计算步骤、第一像素组计算步骤和第二像素组计算步骤，直到被滤波像素组剩下一个像素组为止。\n[0202] 通过边缘平滑处理，可以滤除岩心图像中各区域形状边界上的细小的曲折，并抹掉岩心图像上的细小杂点，同时可以不降低岩心图像上颜色变化的陡峭性。由突变的颜色形成的边界在经过区域边缘平滑后还是突变颜色的边界，不模糊化。\n[0203] 图15示出了边缘平滑前后的岩心图像。其中图15中（A）边缘平滑前的岩心图像，（B）为边缘平滑后的岩心图像。\n[0204] 在步骤ST116，裂缝特征调整单元124针对各裂缝特征区域进行相关形状的绘制和填充，进行区域腐蚀处理和区域膨胀处理中的至少一种，从而进行裂缝特征调整。\n[0205] 在根据第二实施方式的地质特征参数的测定方法中，可以仅执行步骤ST100、ST112、ST114、和ST116中的一部分，而且根据需要可以重复执行ST100、ST112、ST114、ST116和ST106中的一部分或者全部。此外，ST112、ST114、ST116和ST106的顺序可以变更。\n[0206] 本发明实施方式的有益效果在于，通过图像数字化处理提取碳酸盐岩岩心图像上的裂缝特征区域；通过区域膨胀、区域腐蚀、区域细化中的至少一种对裂缝特征区域进行区域调整，并且通过进行预处理、去噪处理、边缘细化处理对图像进一步处理，结合岩心裂缝几何参数定量计算方法计算得到相关特征参数，可以更准确地对碳酸盐岩岩心表面裂缝进行特征提取和宏观微观的分析，更准确地获取相关地质特征参数，从而为更好地研究和预测储层的分布情况奠定基础。\n[0207] 下表1示出了使用根据本发明的地质特征参数的测定装置100从塔中部分取心井岩心图像提取的地质特征参数的示例表单。\n[0208] 表1\n[0209]\n[0210]\n[0211] 根据本发明的地质特征参数的测定装置100的各单元，例如去噪单元120、区域边缘平滑单元124和裂缝特征调整单元126，可以分别通过硬件、逻辑电路来实现；或者可以由测定装置100中的控制器执行安装在作为计算机的测定装置100中并且包括与这些装置的功能相对应的指令的程序来实现。经由计算机可读记录介质（如，光盘、磁盘、磁带、磁光盘或闪速存储器）或经由如因特网的通信工具，向测定装置100提供程序。\n[0212] 根据本发明第二实施方式的有益效果在于，可以更加准确地提取裂缝特征和计算地质特征参数。\n[0213] （第三实施方式）\n[0214] 图16示出了根据本发明实施方式的洞缝型储层分布的预测方法的流程图。\n[0215] 在步骤ST402，从洞缝型储层的至少一个位置获取岩心图像，如图2中（A）所示的图像。\n[0216] 在步骤ST404，针对所获取的各岩心图像，采用根据本发明第一实施方式的洞缝型储层的地质特征参数的测定方法，获取与该岩心图像相对应的位置处的地质特征参数。\n[0217] 在步骤ST406，基于该洞缝型储层的至少一个位置处的地质特征参数，预测洞缝型储层的分布。可以使用已知的方法或以后开发的方法，基于洞缝型储层的至少一个位置处的地质特征参数，预测洞缝型储层的分布。\n[0218] 图17示出了根据本发明实施方式的洞缝型储层分布的预测系统1。\n[0219] 根据本发明实施方式的预测系统1包括测定装置10、图像获取装置20和储层分布预测装置30。\n[0220] 图像获取装置20从洞缝型储层的至少一个位置获取岩心图像。测定装置10是根据本发明以上实施方式或者其变型例所例示的测定装置，针对所获取的各岩心图像，测定洞缝型储层中与该岩心图像相对应的位置处的地质特征参数。储层分布预测装置30基于该洞缝型储层的所述至少一个位置处的地质特征参数，预测洞缝型储层的分布。\n[0221] 根据本发明的从洞缝型储层分布的预测系统1的各装置，即测定装置10、图像获取装置20和储层分布预测装置30，可以分别通过硬件、逻辑电路来实现；或者可以由预测系统\n1中的控制器执行安装在作为计算机的预测系统1中并且包括与这些装置的功能相对应的指令的程序来实现。经由计算机可读记录介质（如，光盘、磁盘、磁带、磁光盘或闪速存储器）或经由如因特网的通信工具，向预测系统1提供程序。\n[0222] 本发明实施例的有益效果在于，通过图像数字化处理提取碳酸盐岩岩心图像上的裂缝特征区域，结合岩心裂缝几何参数定量计算方法计算得到相关特征参数；最后统计分析岩心裂缝特征地质参数的计算结果，生产相应的裂缝分析报表并显示分析计算的结果，根据需要可以进行计算结果的存储；这样，可以很方便地对碳酸盐岩岩心表面裂缝进行特征提取和宏观微观的分析，获取相关地质特征参数，更好地预测储层的分布情况。\n[0223] 虽然参照附图说明了各种实施方式，但应该知道根据本发明的信息显示装置不限于此。本领域的技术人员应该明了在权利要求书的范围内可进行各种变型或者修改。应该意识到这些变型或修改当然也从属于本发明的技术范围。