基于OpenCV的粒度分析方法.docVIP

基于OpenCV的薄片粒度分析方法与应用 郭龙1 陈金定1 郭桂生2 1中海油能源发展采技服湛江实验中心 2 中石油新疆油田分公司开发公司 摘要：由于传统薄片鉴定方法人为因素干扰较大，数据重复性差，利用彩色图像摄像（CCD）系统处理薄片信息正受到人们越来越多的关注。彩色薄片图像分析系统中关键的是孔隙喉道识别技术、粒度分析技术。本文利用Intel公司的图形类库OpenCV尝试开发了一种新的利用分水岭颗粒识别算法和内连接去噪算法的颗粒粒度识别测量技术，在彩色碎屑岩薄片粒度图像分析上与主要的国产软件相比能更精确的识别颗粒并求取其粒度，为更精细准确的储层评价提供科学依据。 0引言 岩石薄片图像分析是利用CCD摄像设备将传统的薄片鉴定定量化的一种手段，它避免了传统薄片鉴定中数据重复性差的缺点。粒度统计是该分析中的一个重要部分，而粒度统计中最重要的是彩色图像分割技术。图像分割问题可以看作是颜色空间的分类问题[1-6]。目前研究者提出的分类方法大致有：Power等[7]的最大似然、决策树、K最近邻、神经元网络等方法。Hance等[8-10]比较了自适应阈值法、模糊C均值聚类、球坐标变换／中心分裂、主分量变换、分裂合并、多分辨率等6种边界识别算法，并提示自适应阈值法、主分量变换具有较高精确度和错判率。Ohlander等[9]提出了一种多维直方图阈值化方案。Guo等[10]对图像数据在多维特征空间的多峰概率密度函数采用基于直方图熵的分水岭算法。Kurugollu等[11]提出了一种多频谱图像分割方法。Lim等[12]把直方图阈值化和FCM相结合用于彩色图像分割。Michael等[13]在分析向量量化和聚类关系的基础上，以最小平方和作为准则实现分割。Cheng等[14]提出了一种分层的分割方法，通过对同一性直方图进行阈值化操作来辨识同一个区域。Shafarenko等[15]通过对原图像进行形态“闭”运算来对“伪”谷底进行填充，以获得更有意义的局部极值点作为标记；Lezoray等[16]从贝叶斯分类器分类的结果中选取分水岭算法的种子。Prewitt[17]最早建议应该用模糊集合替代常规集合来表示图像分割结果。这些方法在石油工业实验室图像分析工作中大部分仍然处于研究性质，并未出现较成熟的标准方法，图像分析由于软件标准不统一给数据比对造成了一定困难。本文试图从上述图形学方法中找出最本质的边缘识别和去噪技术，用该技术实现标准识别软件，从而提供更好的薄片粒度图像分析方法。 1 方法研究 由于图像分析方法依赖于CCD摄像系统提供的二进制图像的计算机处理，我们选择Intel公司1999年为实现真实世界的实时视觉应用而开发的OpenCV函数库和32位C/C++编译系统（VS2005）作为软件开发平台。OpenCV是一个基于BSD许可证授权（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。[18] 1.1分水岭颗粒识别算法 假设整个视域照片的背景颜色或我们可称之为孔隙颜色表示一种流体，该流体充满在颗粒之间。这个视域可以被看作是地质学上的地形等高图，不同的颜色代表不同的海拔高度，越接近孔隙颜色的海拔越低。[15]在颜色空间中我们指定某一个海拔颜色为海平面，距离这种海拔颜色的欧氏距离被认为是海拔距离，如图1A到图1B将图片分割成为“海平面之下”和“海平面之上”两个部分。其中我们定义海平面以上的部分为颗粒，海平面以下的部分为孔隙，进而能将颗粒和孔隙区分开。想要对一个颗粒的长轴进行测量，下一步需要将两个邻接的颗粒分开。 A.原图片 B.海拔高度1 C.海拔高度2 图1不同海拔高度的颗粒识别情况 1.2 颗粒边缘平滑分割 图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。在我们常用的几种用于边缘检测的算子中Laplace算子常常会产生双边界；而其他一些算子如Sobel算子又往往会形成不闭合区域。[19] 由于噪声的存在，用各种算子得到的边缘象素不连续，但是由于边缘象素之间有一定的连续性，我们就可以根据边缘象素在梯度幅度或梯度方向上的连续性把他们连接起来。具体说来，如果象素(s,t)在象素(x，y)的领域且它们的梯度幅度与梯度方向在给定的阈值下应满足： T是幅度阈值；A是角度阈值； A.全阈值边缘检测 B.人工干预获得的颗粒轮廓 图2颗粒Canny算法边缘检测 在OpenCV中常用的是Canny边缘检测。图象边缘检测必须满足两个条件：一能有效地抑制噪声；二是必须尽量精确确定边缘的位置。根据对信噪比与定位乘积进行测度，得到最优化逼近