張明，肖小玲

(油氣資源與勘探技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(長(zhǎng)江大學(xué))，湖北 武漢 430100)

碳酸鹽巖儲(chǔ)層儲(chǔ)集空間類(lèi)型多樣，非均質(zhì)性強(qiáng)，很多專(zhuān)家和學(xué)者都對(duì)礁灘儲(chǔ)層的測(cè)井評(píng)價(jià)進(jìn)行了深入研究[1]，但大部分都是根據(jù)常規(guī)測(cè)井曲線(xiàn)簡(jiǎn)單地進(jìn)行地層劃分和定性解釋?zhuān)瑹o(wú)法滿(mǎn)足科研和生產(chǎn)的需要。高井眼覆蓋率和高縱向分辨率是電成像測(cè)井的2大特點(diǎn)，在地質(zhì)研究和儲(chǔ)層評(píng)價(jià)[2]中的應(yīng)用較為廣泛。利用電成像測(cè)井資料能夠準(zhǔn)確地描述地層的沉積特征，且電成像測(cè)井對(duì)泥質(zhì)、致密層、縫合線(xiàn)、裂縫、層理、方解石及燧石結(jié)核等均有十分明顯的特征響應(yīng)，是識(shí)別巖性和劃分沉積相的重要手段之一[3]。此外，電成像測(cè)井在儲(chǔ)層評(píng)價(jià)(對(duì)裂縫和溶蝕孔洞的響應(yīng)特征十分明顯，可以精確計(jì)算孔隙度、滲透率參數(shù)[4])和地應(yīng)力研究[5](比較直觀(guān)地識(shí)別出褶皺、斷層等地質(zhì)構(gòu)造)中也發(fā)揮著重要作用。

通常情況下，形狀特征可分為輪廓特征和區(qū)域特征2類(lèi)。輪廓特征主要針對(duì)圖像物體的邊界信息，區(qū)域特征則需要考慮整個(gè)圖像形狀區(qū)域。形狀特征描述方法主要包括形狀不變矩法、傅里葉形狀描述符法、幾何參數(shù)法[6]。該次研究主要是對(duì)電成像測(cè)井圖像進(jìn)行濾波、閾值分割等處理，然后提取其幾何參數(shù)。電成像測(cè)井圖像比較復(fù)雜(具有噪聲和背景干擾)，為了提取其形狀特征，并且盡量減少人為因素的干擾，筆者利用OTSU算法(大津算法)，結(jié)合分水嶺的圖像分割算法，自動(dòng)從電成像測(cè)井圖像上分離出有效的測(cè)井特征，然后計(jì)算其形狀特征，最后自動(dòng)識(shí)別巖性及劃分沉積相。

圖1 原始電成像測(cè)井圖

1 電成像測(cè)井圖像分割算法

在電成像測(cè)井圖像上，低電阻率為暗色，高電阻率為亮色。圖1為圖像修復(fù)后的電成像測(cè)井圖，可見(jiàn)圖像上有許多噪聲干擾，使得電成像圖像特征的提取變得較為困難。為了減少噪聲對(duì)圖像分割的影響，先進(jìn)行2次中值濾波再對(duì)圖像進(jìn)行分割。

1.1 分水嶺算法原理

分水嶺算法基本思路是：將電成像測(cè)井圖像比喻為地形圖，圖像的灰度值看作是地形的高度值，極小值則表示地形中的低谷；如果水不斷地從低谷中流出，并且逐漸填滿(mǎn)與低谷相關(guān)的集水盆地[7]，最終水會(huì)聚集在不同的集水盆地；集水盆地之間的交界線(xiàn)稱(chēng)為分水嶺，分水嶺將整個(gè)地貌表面分割出多個(gè)集水盆地。分水嶺將地形圖分割成各個(gè)集水盆地的過(guò)程相當(dāng)于圖像的分割。

圖2 圖像分割算法電成像測(cè)井圖

分水嶺算法是一個(gè)迭代標(biāo)注的過(guò)程。分水嶺比較經(jīng)典的計(jì)算方法是Vincent提出的[8]。該算法主要分為排序和淹沒(méi)2個(gè)過(guò)程：首先對(duì)電成像測(cè)井圖像中每個(gè)像素的灰度級(jí)進(jìn)行排序(按照從低到高的順序)，然后實(shí)現(xiàn)淹沒(méi)(從低到高)，在淹沒(méi)過(guò)程中采用FIFO(先進(jìn)先出)結(jié)構(gòu)對(duì)每一個(gè)局部極小值的影響域進(jìn)行判斷，再進(jìn)行標(biāo)注。電成像測(cè)井圖像經(jīng)過(guò)分水嶺變換后，得到的是輸入圖像的集水盆地圖像，分水嶺(輸入圖像極大值)表示集水盆地之間的交界點(diǎn)。因此，把梯度圖像作為輸入圖像即可得到圖像的邊緣信息。該算法對(duì)圖像微弱邊緣的響應(yīng)比較敏感，可以保證得到的圖像封閉連續(xù)邊緣，但是圖像中的噪聲以及細(xì)小的灰度值變化都會(huì)造成過(guò)度分割現(xiàn)象。過(guò)度分割會(huì)產(chǎn)生大量的細(xì)小區(qū)域(會(huì)對(duì)后面特征提取造成影響)，通?？梢圆捎?種處理方法消除過(guò)度分割：一是人為地去除一些無(wú)關(guān)的邊緣信息；二是修改梯度函數(shù)，使得集水盆地只對(duì)探測(cè)的目標(biāo)做出響應(yīng)。為了降低分水嶺算法產(chǎn)生的過(guò)度分割，并且消除灰度微小變化產(chǎn)生的過(guò)度分割，筆者對(duì)梯度圖像進(jìn)行了閾值處理。

1.2 OTSU算法與分水嶺算法結(jié)合的圖像分割算法

OTSU算法與分水嶺算法結(jié)合的圖像分割算法[8]具體步驟為：①將電成像測(cè)井圖像轉(zhuǎn)換為8位偽彩色圖像，對(duì)其進(jìn)行濾波處理以消除噪聲影響；②將得到的偽彩色圖像從RGB顏色空間轉(zhuǎn)換到LUV顏色空間，再利用分水嶺算法對(duì)LUV顏色空間圖像進(jìn)行處理，得到24位真彩色分割圖像并將分割后的圖像轉(zhuǎn)換為8位灰度圖像；③利用圖像分割算法對(duì)該灰度圖像進(jìn)行分割得到形狀特征明顯的二值圖像。圖2為該算法分割后的電成像測(cè)井圖像，可以明顯看出泥質(zhì)條帶塊的特征，即為中間黑色部分。

2 形狀特征提取及判別分類(lèi)

經(jīng)過(guò)上述方法對(duì)圖像分割處理后，電成像測(cè)井圖像轉(zhuǎn)化為具有測(cè)井圖像特征的二值圖像。為了便于計(jì)算測(cè)井圖像的形狀特征，需要對(duì)圖像特征進(jìn)行標(biāo)記；再對(duì)每一個(gè)電成像測(cè)井圖像特征進(jìn)行計(jì)算，得到其形狀特征的相關(guān)參數(shù)；最后利用最小歐式距離法[9]進(jìn)行判別分類(lèi)，判別函數(shù)根據(jù)特征向量進(jìn)行自動(dòng)分類(lèi)。該方法具有較好的分類(lèi)效果，且計(jì)算簡(jiǎn)便。

2.1 基于等價(jià)對(duì)的特征標(biāo)記算法

為了提高計(jì)算速度與精度，在傳統(tǒng)八連通域標(biāo)記算法的基礎(chǔ)上，將臨時(shí)標(biāo)記與最終標(biāo)記的等價(jià)關(guān)系[10](等價(jià)對(duì))儲(chǔ)存在鏈表結(jié)構(gòu)中，即為基于等價(jià)對(duì)的特征標(biāo)記算法。該算法能提高標(biāo)記速度，并且不受圖像大小的限制。然后進(jìn)行輪廓追蹤[11～13]，提取圖像特征的輪廓信息。具體步驟為：

1)初步標(biāo)記。將電成像圖像中每個(gè)像素點(diǎn)都賦予臨時(shí)標(biāo)記并用等價(jià)表記錄其等價(jià)關(guān)系，然后遍歷圖像中的每個(gè)像素點(diǎn)；若為目標(biāo)像素，則按照上、右上、右、右下的順時(shí)針規(guī)則搜尋其八鄰域；若鄰域被標(biāo)記，則將其賦為鄰域標(biāo)記，并且記錄兩者的等價(jià)關(guān)系；若鄰域均未被標(biāo)記，則將其賦予新的標(biāo)記。

圖3 電成像孔洞特征相關(guān)參數(shù)提取示意圖

2)最終標(biāo)記。確定所有等價(jià)關(guān)系中初步標(biāo)記的最小值，將其全部等價(jià)為最小值，并對(duì)電成像圖像特征重新標(biāo)記，確定初步標(biāo)記與最終標(biāo)記之間的關(guān)系。

3)圖像代換。再次遍歷電成像圖像中的每個(gè)像素點(diǎn)，將初步標(biāo)記用最終標(biāo)記替換，經(jīng)過(guò)上述步驟后，電成像圖像特征按照從左到右、從上到下的順序被標(biāo)以連續(xù)的自然數(shù)。

2.2 形狀特征相關(guān)參數(shù)的計(jì)算

經(jīng)過(guò)基于等價(jià)對(duì)的特征標(biāo)記處理，得到電成像測(cè)井圖像特征的輪廓，但不能直接用于分類(lèi)判別，需要對(duì)每一個(gè)電成像測(cè)井圖像特征進(jìn)行相關(guān)計(jì)算，最終得到其形狀特征的相關(guān)參數(shù)。

1)周長(zhǎng)。計(jì)算形狀特征的周長(zhǎng)，也就是計(jì)算形狀特征輪廓的長(zhǎng)度。提取出圖像形狀特征的輪廓后，統(tǒng)計(jì)其像素點(diǎn)數(shù)量，即為周長(zhǎng)。

2)面積。面積是形狀特征區(qū)域的一個(gè)基本特征，它可以表示區(qū)域的大小。統(tǒng)計(jì)特征區(qū)域內(nèi)的像素點(diǎn)數(shù)目，即為面積。

3)面孔率。面孔率可用電成像圖像形狀特征的面積與電成像測(cè)井圖像面積的比來(lái)計(jì)算。

圖3為在Visual Studio 2010上實(shí)現(xiàn)上述算法后，提取的電成像孔洞特征相關(guān)參數(shù)。

3 實(shí)例應(yīng)用

在Visual Studio 2010上實(shí)現(xiàn)上述算法，并掛接到極睿測(cè)井解釋平臺(tái)上。根據(jù)多組計(jì)算數(shù)據(jù)得出圖像形狀特征(周長(zhǎng)、面積經(jīng)過(guò)歸一化處理)，其與電成像解釋模式及沉積相的對(duì)應(yīng)關(guān)系如表1所示。

表1碳酸鹽巖形狀特征與電成像解釋模式及沉積相的對(duì)應(yīng)關(guān)系

圖4 某地區(qū)A井處理效果圖

應(yīng)用該算法對(duì)某地區(qū)A井進(jìn)行了處理，結(jié)果見(jiàn)圖4。處理深度為5427～5436m。5428.2～5431m井段為孔洞型Ⅰ類(lèi)，匹配圖為斑狀模式。該模式為亮色背景上隨機(jī)分布暗色斑點(diǎn)，斑點(diǎn)沒(méi)有成層性。亮色背景說(shuō)明地層電阻率較高，暗色斑點(diǎn)一般是粒間孔、溶孔或?qū)щ姷V物等組分。該模式所指示的沉積環(huán)境為水動(dòng)力條件較強(qiáng)的高能環(huán)境，沉積相為粒屑灘亞相高能灘微相。5431～5434m井段為縫洞型Ⅰ類(lèi)，匹配圖為條帶模式。該模式為亮色背景上規(guī)則分布暗色水平條帶，條帶厚度較大，一般為水動(dòng)力條件較弱的低能環(huán)境，沉積相為粒屑灘亞相低能灘微相。該方法處理結(jié)果與常規(guī)測(cè)井解釋結(jié)果基本一致，并能自動(dòng)、高效地判別出沉積模式和沉積環(huán)境。

4 結(jié)論

1)OTSU算法與分水嶺算法結(jié)合的圖像分割算法，能夠有效壓制圖像中噪聲的干擾，準(zhǔn)確地從復(fù)雜背景中分離出電成像測(cè)井特征目標(biāo)，清晰完整地提取出圖像形狀特征輪廓。

2)利用等價(jià)對(duì)特征標(biāo)記算法，能準(zhǔn)確提取電成像測(cè)井圖像的形狀特征；利用最小歐式距離判別法對(duì)提取形狀特征進(jìn)行處理，能夠準(zhǔn)確劃分碳酸鹽巖解釋模式，并判別其沉積相及沉積環(huán)境。