基于电成像资料的孔洞识别与计算

作者:网站采编
关键词:
摘要：1 引言 多年来，国内外测井评价人员针对地层孔洞识别开展了积极的研究和探索，孔洞型油气储层的电成像测井图相关研究也逐步增多。Meger 和Becher 提出标准层控制下的图像处理分割技

1 引言

多年来，国内外测井评价人员针对地层孔洞识别开展了积极的研究和探索，孔洞型油气储层的电成像测井图相关研究也逐步增多。Meger 和Becher 提出标准层控制下的图像处理分割技术，开创了利用图像处理技术识别孔洞的先河。国内，张丽莉、刘瑞林等人把图像分割算法应用于FMI 成像资料的处理当中，成功获得了良好效果，在一定程度上分割出有意义、简单的缝洞信息，但识别的准确性不理想。本文将分水岭算法应用于对电成像图进行处理，与电成像图比对，获得了较好的边缘识别结果。

2 电成像图的响应特征

电成像测井技术有着可视性强、分辨率高的特点，在碳酸盐岩、火成岩等复杂的非均质地层下应用较为广泛。相比常规测井资料，电成像资料处理方式更加多样化，不仅可以从数据上对地层信息进行处理，同时对成像图进行图像处理也能得到有效的地质信息。

本文对碳酸盐岩电成像图进行图像处理，进而识别出孔洞轮廓边缘。碳酸盐岩地层中岩石骨架呈高电阻率，而孔洞中充满了泥浆以及钻井液，这些介质导致在井壁孔洞呈明显的低电阻特征，经过电阻率成像的转化，在电成像图上颜色越亮电阻率越高，颜色越暗显示电阻率越低，所以暗色部分即为孔洞，准确地识别出暗色部分是孔洞计算的基础。

3 应用分水岭算法实现孔洞识别

分水岭算法是一种数学形态学图像分割算法，最早由文森特提出。其基本原理是将大地测量学的拓扑理论应用于图像灰度分布上，图像中高灰度的像素对应着地形学上较高海拔的点，灰度值较低则其对应的拓扑模型中的海拔值也较低，其处于地形学中位置较低的区域，算法将图像所有像素定义为两种集合：汇水盆地像素集与分水岭像素集。算法中向所有盆地注水，注水的过程中水位越来越高，向盆地边缘扩张，当水位过高时不同盆地的水会发生汇聚，为了使得各个汇水盆地的水不溢出到其他汇水盆地，必须在汇水盆地汇合处构筑堤坝，而最终构筑出的分水岭堤坝即为目标的轮廓边缘，其实现过程如图1 所示。

其算法具体实现步骤为：首先找到图像中所有局部灰度的极小值点，在每一个区域极小值点确定的基础上，利用条件膨胀操作确定所有的连通分量，接下来利用循环队列依次从极小值点开始标记，即从灰度较低的像素点先开始标记，标记点记为被水淹没，而灰度较高的像素点后淹没，在每次标记的过程中都要判断下一次注水是否存在汇水盆地合并的情况，若存在，则对即将从发生合并的盆地进行条件膨胀操作构筑分水岭堤坝。由此当注水标记到像素灰度最高值时，分水岭完全构筑完成，整个图像中的目标边缘轮廓也就识别了出来。

图1 分水岭算法实现过程

图2 电成像原图

图3 分割出的孔洞边缘轮廓

利用分水岭算法对具体的碳酸盐岩电成像图（见图2）进行处理：首先利用3×3 大小的结构元对电成像图进行高斯滤波去噪，消除了少部分无地质意义的无关信息干扰，突出了有效信息。接着对滤波后的图像进行二值化操作，优选最合适的阈值，较好地将前景背景进行分离，最后利用分水岭算法进行孔洞分割，得到了孔洞边缘轮廓如图3 所示，大部分的暗色孔洞均被识别了出来，其分割边缘轮廓与原图对应关系较好。

4 孔洞计算

碳酸盐岩储层油气甜点集中储集在其大量的溶蚀孔洞内，所以其孔洞的体积大小决定了地层油气储集能力大小，由于电成像图所体现的是油气井井壁的电性特征，所以地层孔洞体积大小主要由二维井壁上的孔洞面积来评价，孔洞大量发育的层段，其对应的电成像图所呈现的孔洞面积越大，虽然这种方式无法准确地获取储集空间大小，但在快速评价储层孔隙性上却发挥着重要的作用。

依据识别出的边缘轮廓，将二值图中的边缘内的前景部分分离出来，孔洞部分灰度值为255 呈白色，而背景值都为0呈黑色，由此通过计算白色像素格数目以及每个像素对应实际井壁的面积大小，从而得到图像的孔洞面积大小，其与图像大小的比值即为面孔率，面孔率计算式如式（1）所示。

式中：q——孔洞前景像素格数目；

s——一个像素对应实际的面积；

D——电成像图对应井壁的面积大小。

通过统计孔洞前景总像素数目为，每个像素对应实际面积为6.25×10-6m3，计算得到孔洞总面积为0.138m3，由于本段电成像图所对应井壁面积为1.22m3，所以利用式（1）计算该段电成像图孔洞的面孔率为11.27%，对应层段的平均岩心分析孔隙度为13%，说明识别与计算结果的正确性。

文章来源：《计算机产品与流通》 网址: http://www.jsjcpylt.cn/qikandaodu/2021/0611/1546.html

上一篇：小学数学计算教学的开展策略研究
下一篇：圆钢管混凝土短柱新模型轴心受压承载力计算