錢 鵬，劉 明，李彥婧，潘 蘭

（中國石化華東分公司物探研究院，江蘇 南京 210000）

1 概述

測井資料在石油天然氣及煤層氣勘探開發(fā)中起著極其重要的作用。目前，測井曲線通過繪制在圖紙圖件上來表達信息。然而以圖紙圖件保存的測井信息，不利于后人進一步深入研究，信息查詢、數(shù)據(jù)導(dǎo)出再利用等一些基本操作無法在這些載體上實現(xiàn)。現(xiàn)有測井資料數(shù)字化相關(guān)軟件，由科研人員自行開發(fā)較多，商業(yè)化銷售較少，其中廣泛推廣使用的Mapgis商業(yè)軟件盡管也可以為工程圖件數(shù)字化，但是由于沒有很強的針對性，數(shù)字化一口井所需的時間以及識別精度并不能全部達到要求，效率較低下。因此，研究測井曲線數(shù)字化，如何高效便捷地識別測井曲線并提取曲線數(shù)據(jù)，是亟待解決的問題。

工程圖紙圖像矢量化是國內(nèi)外熱門的研究課題，自上世紀70年代起至90年代，已經(jīng)涌現(xiàn)了大量的矢量化技術(shù)研究成果，現(xiàn)在矢量化已廣泛應(yīng)用在地理信息系統(tǒng)、工程業(yè)等很多領(lǐng)域[1-5]。測井資料數(shù)字化作為其中一個研究領(lǐng)域，國內(nèi)曾有清華大學(xué)自動化系有過該方面的研究[6-8]。原石油部也曾從國外引進并在國內(nèi)推廣過一種基于LAG數(shù)據(jù)結(jié)構(gòu)的測井曲線跟蹤軟件，該軟件受限于標準坐標圖紙，缺少通用性，先后經(jīng)過清華大學(xué)、哈爾濱工程大學(xué)、大慶石油學(xué)院等師生對其跟蹤結(jié)果進行了一定的校正、修改和處理[1，2，7]。四川大學(xué)圖像信息研究所也在原石油部推廣的軟件的基礎(chǔ)上開發(fā)出了測井曲線矢量化軟件，能夠處理簡單的測井曲線[1，2，7]。國外測井曲線矢量化軟件中起步比較早的、較著名的軟件是NEURALOG，該軟件在處理過程中，遇到連續(xù)曲線和其它曲線交叉時，停頓比較頻繁，經(jīng)人工干預(yù)后才能繼續(xù)跟蹤；對于虛線，則完全依賴于操作人員手工逐點點取；背景對曲線識別也會產(chǎn)生很大的影響[1，2，6，7，9]。

測井資料數(shù)字化技術(shù)方法的研究，現(xiàn)主要基于工程圖紙圖像矢量化技術(shù)[10-20]：一類是基于細化方法的矢量化，即細化線條再進行像素點追蹤，該方法處理速度慢，且效果受圖像背景影響很大；另一類是基于像素的線條輪廓追蹤，充分利用了線條輪廓的方向，但還是基于線條追蹤，抗噪性能差。此后的研究方向包括消除背景、抗噪、圖像預(yù)處理提高信噪比以及追蹤方法的改進等[21-24]。

當(dāng)前，測井曲線數(shù)字化大體流程可以歸納為：用數(shù)字化掃描儀處理圖紙得到黑白圖像，再自動矢量化輸出矢量圖形文件。其技術(shù)研究已經(jīng)逐步提高了自動追蹤能力，精確度和速度比起以往也有了較大的改善，并且進一步弱化了人工干預(yù)，強化了全程自動化。軟件識別率為70%～85%。然而系統(tǒng)設(shè)計比較繁雜、用戶學(xué)習(xí)成本高，設(shè)計思路沒有脫離工程圖紙矢量化的范疇。

本文嘗試從新的角度出發(fā)，以測井圖件為基礎(chǔ)，設(shè)計一套專門針對測井曲線的識別與數(shù)據(jù)提取算法，并開發(fā)一套便捷高效的軟件系統(tǒng)。下面對系統(tǒng)功能和核心算法進行介紹。

2 總體功能設(shè)計

2.1 目標與任務(wù)

本項數(shù)字化研究的目標是在圖件的基礎(chǔ)上為測井資料的深入分析研究和應(yīng)用提供可靠、可操作的測井?dāng)?shù)據(jù)體。數(shù)據(jù)輸入是柵格圖像，需要區(qū)分矢量圖形和柵格圖像的概念。

矢量圖形也被稱作向量圖，記錄點線面的坐標位置以及顏色、形狀、輪廓、大小和屏幕位置等等信息，根據(jù)幾何元素特性（如點、線、矩形、多邊形、圓和弧線等等）來繪制圖形，由一系列程序指令來執(zhí)行并顯示。與矢量圖形相對應(yīng)的是柵格圖像，也被稱為光柵圖像、點陣圖、像素圖，最小單位是由像素構(gòu)成，每個像素有自己的顏色。柵格圖像的點陣分得越細，圖像分辨率就越高，圖像也越有細節(jié)，同時存儲容量也越大。

由于輸入是柵格圖像，最終輸出結(jié)果是二維數(shù)據(jù)體，為了保證系統(tǒng)在文件數(shù)據(jù)管理上的高效，輸出文件不需要也不應(yīng)該包含其他冗余的信息。現(xiàn)階段工程圖紙圖像矢量化和測井資料的數(shù)字化相關(guān)軟件，其輸出結(jié)果多為矢量圖形，即不僅記錄點、線、面、文字的坐標位置，還包括各種圖形元素的顏色、形狀、輪廓、大小和屏幕位置等信息，若有明碼格式文件輸出，在用戶不了解文件格式的內(nèi)容編排時，是不容易快速獲取有效數(shù)據(jù)體的。

本系統(tǒng)的任務(wù)是對保存在柵格圖像上的測井曲線進行正確識別，并準確提取曲線數(shù)據(jù)，之后直接輸出二維數(shù)據(jù)體。輸出功能是其與現(xiàn)有軟件的區(qū)別之一。

2.2 測井曲線圖件的特征

繪制在圖紙圖件上的測井曲線形態(tài)千差萬別，但也可以總結(jié)出一些共有的特征。圖1所示是常見的幾種測井曲線圖件類型。

圖1 測井曲線圖件的特征Fig.1 Features of logging curve images

對測井曲線圖件分析總結(jié)，可歸納出它們的一些共同特點：

1）測井曲線以柵格圖像的形式呈現(xiàn)，包括jpg、png、bmp、tiff等常見圖像格式。

2）測井曲線的背景有坐標網(wǎng)格線，坐標分為等間隔的笛卡爾平面直角坐標系和不等間隔的半對數(shù)坐標系。

3）曲線與坐標網(wǎng)格線相交。

4）部分曲線之間有相交。

5）曲線之間通過顏色和線型加以區(qū)分，線型包括實線與虛線（點線、劃線、點劃線等）。

2.3 系統(tǒng)功能介紹

根據(jù)系統(tǒng)目標和任務(wù)，在分析處理對象的基礎(chǔ)上，將需實現(xiàn)的功能劃分為三大模塊：輸入模塊、識別與提取模塊和輸出模塊（圖2），其中核心模塊是測井曲線的識別與數(shù)據(jù)提取。下面介紹系統(tǒng)具體的功能。

圖2 流程示意圖Fig.2 Diagram of process flow

輸入模塊的功能設(shè)計為：讀取jpg、png、bmp、tiff等常見圖像格式，并以此作為數(shù)據(jù)輸入源，做初步的圖像剪裁處理和坐標校正的預(yù)處理，等待識別與提取模塊的處理。整個過程是人機交互式操作。

輸出模塊的功能設(shè)計為：在顯示區(qū)域中將等待輸出的二維數(shù)據(jù)體可視化，以此來檢查提取的數(shù)據(jù)是否正確；如果正確則以文本格式記錄，保存到磁盤；若不正確則返回識別與提取模塊中重新處理。其中顯示區(qū)域?qū)⒎譃閮蓧K相同大小的區(qū)域，分別顯示原圖和提取的數(shù)據(jù)重繪圖。設(shè)定為相同大小的目的是確保待輸出數(shù)據(jù)重新繪制后，曲線的比例與原圖件中測井曲線比例完全相同。在此條件下，曲線形態(tài)完全一致視為正確，否則需重新處理。這段驗證結(jié)果的過程交由用戶去判斷。

識別與提取模塊的功能設(shè)計為：正確識別并提取不同坐標系下的曲線；正確識別并提取背景網(wǎng)格下的曲線；識別相交曲線并正確提取目標曲線數(shù)據(jù)；識別實線、虛線曲線并正確提取目標曲線數(shù)據(jù)。這些功能即是在下面所列的條件限制下系統(tǒng)要完成的任務(wù)：

1）不同的坐標系：笛卡爾平面直角坐標系和半對數(shù)坐標系。

2）背景坐標網(wǎng)格的干擾。

3）曲線相交織引起的干擾。

4）實線與虛線共存引起的相互干擾。

這些限制條件不會單獨地出現(xiàn)，在這些條件下完成曲線正確識別與提取，需要開發(fā)一套合適的、具有針對性的算法。

識別與提取模塊也設(shè)計為全程可視化操作，即時顯示識別的結(jié)果，以便讓用戶能及時地跟蹤識別提取過程。識別過程中，會將識別的曲線疊合在原圖上，并在顯示區(qū)域中顯示，然后由用戶判斷，保證識別結(jié)果的準確。

在設(shè)計系統(tǒng)時分別在識別提取模塊和輸出模塊上，各有一次由用戶判斷處理結(jié)果的質(zhì)量驗證，其目的是及時確保識別、提取、輸出的準確（圖3）。

圖3 系統(tǒng)功能劃分Fig.3 Division of system function

3 識別與提取模塊的實現(xiàn)

在識別提取模塊的設(shè)計中，曲線與背景坐標網(wǎng)格線交織，多條曲線相交，虛線與實線共存一直是圖像識別中的難點。經(jīng)過調(diào)研前人在曲線識別方面的研究成果，發(fā)現(xiàn)有兩個潛在的傳統(tǒng)誤區(qū)：

第一個誤區(qū)是，過分關(guān)注于消除背景網(wǎng)格線，而忽略了研究識別曲線本身才是重點。為了消除背景坐標網(wǎng)格線前人做了很多嘗試，從空域識別到頻域分析，應(yīng)用了很多方法，但背景消除并不是很完美，依然會有網(wǎng)格線殘留甚至?xí)胄碌母蓴_，尤其是頻域去噪方法，把背景網(wǎng)格線作為噪聲消除，這卻導(dǎo)致了背景網(wǎng)格線一旦是不均勻間隔，自動消除算法就不適用，而且這還需要用戶有信號分析的理論基礎(chǔ)，增加了軟件學(xué)習(xí)成本。

第二個誤區(qū)是，過分強調(diào)識別過程全自動化。這樣在設(shè)計普適性算法時，算法復(fù)雜度高，CPU計算時間長，也就意味著用戶等待響應(yīng)的時間增長；同時也因為考慮算法的普適，導(dǎo)致穩(wěn)定性和識別率都大打折扣，一味追求全自動化而犧牲了計算速度和識別精度，這也不符合人機交互系統(tǒng)的設(shè)計原則。

因此在設(shè)計系統(tǒng)的過程中，試圖避開這兩個誤區(qū)，采用自頂向下的理念，算法研究嘗試從新的角度出發(fā)，將上面的復(fù)雜問題逐步分解細化來求解。

從之前總結(jié)的曲線特征里，不難發(fā)現(xiàn)色彩是測井曲線圖件自帶的共有特性。人眼可以通過顏色立刻區(qū)分不同的曲線，受此啟發(fā)，以曲線顏色作為設(shè)計的切入點，并參考模式識別的相關(guān)理論知識，提出顏色識別、背景網(wǎng)格線自動消除、人機交互摳除干擾的一套算法來實現(xiàn)以上核心功能。

進行綠色建筑設(shè)計，就一定要選用科學(xué)節(jié)能的建筑材料，對于高層民用建筑來講，設(shè)計者要注重材料的環(huán)保與節(jié)能性，盡量使用可以循環(huán)的材料，避免使用質(zhì)量低劣、污染較高的材料，更不得采用國家和地方禁止和限制使用的建筑材料及制品?？梢猿浞掷帽镜夭牧弦约白匀徊牧?，這樣可以降低運費與資金，節(jié)省資源。另外，還可以回收一些廢棄物，可以對其中還有利用價值的材料進行重復(fù)利用，從而達到節(jié)能的效果。在具體設(shè)計時，可以簡化建筑的造型，且無大量裝飾性構(gòu)件，只要將建筑設(shè)計得美觀大方即可，結(jié)構(gòu)形式可以選擇混凝土結(jié)構(gòu)、鋼結(jié)構(gòu)等強度質(zhì)量較高的結(jié)構(gòu)體系進行設(shè)計。

在設(shè)計識別提取模塊的功能時，如果能在不消除背景坐標網(wǎng)格的情況下直接識別出目標曲線，則盡量不去做背景消除；同樣的，多條曲線相交，虛線實線共存時，若能直接識別出目標曲線，則盡量不去做干擾曲線的剔除。這樣設(shè)計既提高了算法的穩(wěn)定性也縮短了整個流程處理的時間。經(jīng)過多次編程試驗，在算法設(shè)計上首先應(yīng)用顏色識別解決以上問題，并對顏色識別無法完成的任務(wù)再進行針對性去干擾處理。具體步驟如下：

1）通過顏色識別，直接識別出目標曲線，并提取數(shù)據(jù)。

2）若通過顏色識別，不止識別出目標曲線，同時與目標曲線顏色相同的背景坐標網(wǎng)格線也被識別出來，則針對此情況設(shè)計背景網(wǎng)格線自動消除算法，并提取數(shù)據(jù)。

3）若通過顏色識別，不止識別出目標曲線，同時與目標曲線顏色相同的其他曲線也被識別出來，則引入人工交互，摳除干擾，并提取數(shù)據(jù)。

4）若通過顏色識別，不止識別出目標曲線，同時與目標曲線顏色相同的背景網(wǎng)格線及其他曲線也被識別出來，則先進行網(wǎng)格線自動消除處理，再引入人工交互，摳除干擾曲線，并提取數(shù)據(jù)。

3.1 顏色識別算法

顏色識別算法流程如下：

1）RGB顏色空間轉(zhuǎn)換到HSV顏色空間。

2）由用戶給出檢測點，給出HSV三分量容差（容差可直接套用預(yù)定義的缺省值）。

3）對每個像素進行搜索，符合條件的像素進行存儲。

4）可視化顯示：對識別的像素設(shè)置為全透明，不識別的像素設(shè)置為半透明，應(yīng)用圖層概念，疊合在原圖上顯示，以供驗證識別結(jié)果。

5）若通過用戶驗證則結(jié)束本模塊流程；若不符合用戶要求則返回到步驟2繼續(xù)。

3.2 背景坐標網(wǎng)格線自動消除的算法

在顏色識別的基礎(chǔ)上，選擇性地執(zhí)行網(wǎng)格自動消除，能降低不必要的運算量，大大提高系統(tǒng)運行效率。背景坐標網(wǎng)格線自動消除算法流程為：

1）逐行掃描像素點，若某一行的像素點都同時符合坐標網(wǎng)格線的判定條件，則記錄下行號。

2）逐列掃描像素點，若某一列的像素點都同時符合坐標網(wǎng)格線的判定條件，則記錄下列號。

3）對符合行號和列號的像素點進行消除。

執(zhí)行以上流程，背景坐標網(wǎng)格都能被很好地消除，若沒有干擾曲線，那么留下的像素點就是目標曲線像素點，便可直接進入提取環(huán)節(jié)，少部分重疊被消除的像素點通過再提取過程中計算補全。

3.3 人機交互摳除非目標曲線或其他干擾的算法實現(xiàn)

在顏色識別與網(wǎng)格線消除的基礎(chǔ)上，通過人機交互，摳除非目標曲線或其他干擾，剩余目標曲線，其算法流程為：

1）通過人機交互鼠標點擊，得到區(qū)域節(jié)點。

2）按點擊順序連接各個節(jié)點得到剔除區(qū)域。

3）將區(qū)域內(nèi)的像素點剔除。

以上算法復(fù)雜度低，大大提高了計算機處理速度，而且人工參與保證了結(jié)果的準確性。

顏色識別、背景網(wǎng)格線消除和非目標曲線干擾交互摳除，單獨看這三個算法，每一個都是很簡單的流程，在能實現(xiàn)目標的前提下，算法設(shè)計得越簡單，后期編程就越容易優(yōu)化，相反的，不必要的情況下把算法設(shè)計得過于復(fù)雜，步驟繁多且相互之間有復(fù)雜的聯(lián)系，那么整個算法的復(fù)雜度也很難在后期編程中優(yōu)化降低，這樣就無法達到高效軟件的要求。

在執(zhí)行完一整套算法流程后，無論目標曲線是實線還是虛線，曲線是否相交，均可以被準確地識別提取出來。之后對其進行坐標換算和插值處理，即可輸出曲線數(shù)據(jù)結(jié)果。識別與提取的整個過程都設(shè)計為可視化過程，以確保每一步結(jié)果都能夠及時反饋，即時修改，提高效率并保證結(jié)果的準確性。

4 實例應(yīng)用

下面通過幾個實例來演示本系統(tǒng)。圖4是系統(tǒng)初始化界面，其中有兩個坐標系分別表示兩塊顯示區(qū)域。左側(cè)用于顯示測井曲線圖件，右側(cè)用于可視化提取結(jié)果，左右顯示區(qū)的大小比例相等。圖片經(jīng)過預(yù)處理剪裁后，會不等比例自動縮放以適應(yīng)左側(cè)顯示區(qū)域大小。

圖4 系統(tǒng)界面Fig.4 System user interface

圖5是對補償密度曲線（以點線表示的虛線）識別并提取的示意圖，其中（a）圖是測井曲線原圖件中待提取的部分曲線截圖；（b）圖是導(dǎo)入系統(tǒng)后經(jīng)過剪裁和坐標校正的預(yù)處理之后的截圖，截圖中左側(cè)圖片的坐標軸是像素坐標；（c）圖是顏色識別結(jié)果截圖；（d）圖是干擾剔除的截圖；（e）圖是最終提取曲線的結(jié)果截圖。

圖6是某原始測井曲線圖件與目標曲線（AC曲線）完整提取結(jié)果的對比。其中黑色粗線是原始的AC曲線，紅色虛線是經(jīng)過軟件系統(tǒng)識別提取之后的數(shù)據(jù)重繪，將重繪曲線與原始曲線疊合顯示，形態(tài)吻合準確。

通過以上示例對系統(tǒng)的整體功能做了一個大致演示，分別在簡單情況和復(fù)雜情況下，都準確地識別并提取出了目標測井曲線。

5 結(jié)論

在經(jīng)過數(shù)字化相關(guān)技術(shù)方法的調(diào)研后，嘗試從另一個角度出發(fā)，專門針對測井曲線識別與數(shù)據(jù)提取這一方面進行了研究。在研究過程中提出了一套曲線識別與數(shù)據(jù)提取算法，并完成了數(shù)字化軟件的編寫，整個軟件系統(tǒng)的設(shè)計過程都在文中作了闡述。通過實際應(yīng)用表現(xiàn)，本軟件系統(tǒng)提高了工作效率，也保證了輸出數(shù)據(jù)的精度，能夠方便高效地為測井資料的深入分析研究和應(yīng)用提供可靠的、可操作的測井?dāng)?shù)據(jù)體，滿足科研生產(chǎn)的需要。

圖5 測井曲線的識別與提取實例Fig.5 Identification and extraction examples of logging curves

圖6 原始測井曲線圖件與成果對比Fig.6 Comparison between result and originalimage of logging curve

[1]劉巍.測井圖紙矢量化技術(shù)研究[D]：[碩士學(xué)位論文].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.

[2]王浩.測井圖紙校正及數(shù)字化技術(shù)研究[D]：[碩士學(xué)位論文].哈爾濱：哈爾濱工業(yè)大學(xué)，2007.

[3]鄒修明，張岳新.柵格地圖矢量化關(guān)鍵技術(shù)研究與實現(xiàn)[J].計算機工程與應(yīng)用，2003，39（19）：102-138.

[4]李增兵，張曉帆.線性體圖像自動矢量化算法研究[J].現(xiàn)代測繪，2006，29（3）：11-16.

[5]黃光球，陸秋琴，張綱要.礦業(yè)工程圖自動矢量化轉(zhuǎn)換方法[J].中國礦業(yè)，2003，12（4）：15-18.

[6]左航.測井曲線的自動識別與提取[D]：[碩士學(xué)位論文].成都：四川大學(xué)，2003.

[7]魯超.地球物理測井曲線自動識別方法研究[D]：[碩士學(xué)位論文].西安：西安石油大學(xué)，2010.

[8]李新友，唐澤圣，張鳳昌，等.TH-DAIMS 3.0清華圖紙自動輸入與管理系統(tǒng)[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，1997，9（5）：451-455.

[9]余艷梅，羅代升，何小海，等.測井曲線智能數(shù)字化系統(tǒng)的設(shè)計與開發(fā)[J].計算機工程與設(shè)計，2008，29（24）：6405-6406.

[10]余學(xué)軍，彭立中.二值圖象曲線輪廓提取的新算法[J].中國圖像圖形學(xué)報，2002，7（3）：272-275.

[11]張志鴻，董秉樞.工程圖形識別中一種矢量跟蹤法[J].清華大學(xué)學(xué)報：自然科學(xué)版，1996，36（3）：84-89.

[12]陸宗騏，張秋萍.工程圖紙矢量化中的線條輪廓跟蹤法[J].中國圖象圖形學(xué)報，1997，2（2）：878-882.

[13]郁曉紅，李偉青.工程圖紙中虛線的提取算法[J].計算機應(yīng)用與軟件，1999，16（3）：16-19.

[14]王宗倡，武文波.CAD下柵格圖像糾正研究[J].礦山測量，2001，29（4）：51-52.

[15]李偉青，彭群生.EDrus：一個基于整體識別方法的工程圖紙轉(zhuǎn)換系統(tǒng)[J].浙江大學(xué)學(xué)報（理學(xué)版），2000，27（3）：296-301.

[16]王嘉陽，王燦東.自動跟蹤地圖數(shù)字化[J].小型計算機系統(tǒng)，2000，21（8）：829-832.

[17]冉家瓊，鄧小武，劉業(yè)新.測井工程圖紙圖像的曲線追蹤及其矢量化[J].石油地球物理探，1999，34（增刊）：33-38.

[18]王金鶴，歐宗瑛，夏曉東.工程掃描圖像的骨架提取和識別技術(shù)綜述[J].計算機工程，1999，25（6）：3-5.

[19]丁偉東，袁景淇.工程圖紙矢量化方法研究[J].計算機工程，2006，32（24）：157-158.

[20]徐堯東，張忠苗，岑崗.工程圖掃描輸入與識別技術(shù)[J].計算機輔助工程，1997，12（4）：44-51.

[21]楊姝.測井曲線數(shù)字化方法研究[D]：[碩士學(xué)位論文].北京：中國石油勘探開發(fā)研究院，2003.

[22]曹愛軍，史杏榮，孫貞壽.基于多層神經(jīng)網(wǎng)絡(luò)的交叉線自動識別[J].中國圖象圖形學(xué)報，2000，5（2）：149-152.

[23]羅峰，余艷梅，吳曉紅，等.曲線矢量化中的背景去噪方法[J].計算機應(yīng)用，2005，25（4）：929-930.

[24]羅峰，余艷梅，劉飛，等.測井曲線矢量化中的預(yù)處理方法研究[J].中國測試技術(shù)，2005，31（3）：40-41.