碳酸鹽巖鑄體薄片面孔自動提取研究

杜相儀 ，董少群，曾聯波，何娟，孫福亭

1)油氣資源與探測國家重點實驗室，北京，102249； 2)中國石油大學(北京)地球科學學院，北京，102249；3)中國石油大學(北京)理學院，北京，102249；4)中國海洋石油國際有限公司，北京，100028

內容提要:巖石孔隙是儲層儲集油氣的重要場所，通過鑄體薄片進行巖石孔隙結構分析對儲層質量評價具有重要意義。碳酸鹽巖孔隙結構較為復雜，鑄體薄片圖像中存在大量噪聲和干擾因素，致使常規方法面孔提取效果不佳，因此本文引入一種多閾值鑄體薄片面孔自動提取方法(ctsPore方法)進行孔隙區域提取和面孔率估計，方法綜合利用HSV色彩空間中不同參數提取孔隙區域。本文針對碳酸鹽巖儲層的特點確定了一套ctsPore閾值參數，以解決溶蝕孔與噪聲易混淆的問題。實驗以伊拉克A油田中新統 Asmari組A段碳酸鹽巖儲層為例對所使用算法進行了效果檢驗。算法精度和效率分析實驗表明，基于ctsPore方法的碳酸鹽巖鑄體薄片面孔提取誤差小于0.24%。全井段鑄體薄片分析結果表明，A段儲層面孔率范圍主要分布在6%～8%，儲層較為致密，從上到下A1～A3小層的儲層平均面孔率分別為6.9%、11.7%、5.4%，與儲層物性、沉積微相和巖性等縱向分布規律較為吻合。

孔隙結構特征是進行儲層質量評價的重要參數，直接決定著儲層的儲集和滲流性能(賴錦等,2014;王翼君等,2020)。孔隙結構分析可以為儲層質量評價、油田儲量計算和開發方案設計提供基礎。孔隙提取是孔隙結構分析的首要任務，其提取效果對于孔隙結構復雜且非均質性強的碳酸鹽巖儲層質量評價有著很大影響(謝淑云等,2019)，對于油田未來開發方案制定十分重要。巖石物性實驗是研究儲層物性特征的一種有效方法，但其成本較高，并且過程較為復雜；而鑄體薄片數據相對成本低，可以獲得更多的孔隙信息，由于鑄體薄片分析目標特征單一、突出，易于快速準確地對孔隙區域進行識別和提取，所以在對孔隙區域進行提取時多數選用鑄體薄片(趙明等,2009)。實際應用中，常采用目測法、計數統計法、圖像處理法對偏光條件的鑄體薄片圖片進行分析，以提取孔隙區域、孔隙結構、面孔率等信息。

目測估計法(Folk,1951)需要地質人員根據視覺百分比估算圖版來估計薄片中礦物和孔隙度的占比，該方法簡單易操作，但主觀性強，對解釋人員的經驗要求較高。計數統計法(Chayes,1949)利用點計數法對薄片中的礦物和孔隙占比進行分析，這種方法經濟實惠且易于操作但同樣因為主觀原因使得識別精度受限。圖像處理法根據鑄體特定的顏色進行面孔提取，相較傳統方法更高效和準確。圖像處理法包括閾值法(張瑩,2012;范宜仁等,2014;劉顏等,2017)和神經網絡方法(Wardaya et al.,2013;蔡宇恒等,2020)等。神經網絡方法根據人工標定的面孔樣本訓練面孔預測模型，以實現對面孔率的快速估計(Wardaya et al.,2013)，該類方法識別精度高，但是對人工標定樣本數量和質量要求相對較高。閾值法是通過鑄體薄片圖片中像素的特征閾值，把圖像像素劃分為若干類的一種圖像分割技術，較為常用的開源程序是基于ImageJ開發的jPor方法，該方法基于一個特定的256色調調色板和單閾值法區分孔隙和非孔隙區域，適用于被藍色樹脂染色的鑄體薄片，其在冰島的玄武質火山碎屑巖和納米比亞的風成砂巖的面孔提取應用中均取得了較好效果(Grove and Jerram,2011)。此外，孔隙提取也可借助Photoshop等商業軟件實現，PSQ方法是根據面孔區域顏色特性對巖石孔隙進行快速自動提取的一種方法(Zhang Xuefeng et al.,2014)，其可以進行巖石結構方面的定量化研究(郝哲敏等,2020)，該方法在二維面積百分含量分析上具有易操作、準確性高、統計分析方便等優點(張學豐等,2009)。

圖像處理法可以在不同色彩空間中進行鑄體薄片面孔提取，例如RGB空間(范宜仁等,2014;劉顏等,2017)、YUV空間(王子敏,2010)、HLS空間(Dai He et al.,2017)、HSV空間(張瑩,2012;Dong Shaoqun et al.,2019)等，通過色彩空間中屬性閾值的組合實現面孔信息的獲取。其中HSV空間是一種較為常用的色彩空間，可以較好地反映人類視覺系統對色彩的理解，便于提取鑄體薄片中被染色的樹脂部分。因此本文使用HSV色彩空間進行面孔提取研究，具體采用一種基于HSV多閾值的鑄體薄片孔隙自動識別方法(Pore extraction from cast thin sections by multiple thresholds，簡稱ctsPore方法)，該方法通過粗提取、錯誤識別帶校正、降噪處理3個步驟，實現面孔區域的自動提取。原始ctsPore方法針對砂巖儲層提出，已在準噶爾盆地南緣地區的砂巖鑄體薄片中進行了實踐應用，且效果良好(Dong Shaoqun et al.,2019)，但在碳酸鹽巖鑄體薄片孔隙提取中仍存在一些問題，例如一些溶蝕孔隙連續性差、孔隙邊緣不分明等。因此，本文將以伊拉克A油田的碳酸鹽巖儲層為例，針對ctsPore方法在碳酸鹽巖鑄體薄片面孔提取的不足，對算法中閾值的選取進行調整，并確定了一套適用于碳酸鹽巖儲層的閾值參數。文章將通過算法精度分析、算法效率分析和儲層特征分析等多組實驗，檢驗該方法對于碳酸鹽巖儲層鑄體薄片面孔率自動提取的效果。

1 研究區地質概況

伊拉克A油田位于伊拉克東南部與伊朗接壤處米桑油田北部(圖 1)，構造處于扎格羅斯山前坳陷南部邊緣的低角度褶皺帶(歐成華等,2016;Wang Hongqiang et al.,2018,2019)。本文研究目的層為古近系漸新統—新近系中新統Asmari組A段，地層厚度約為70 m。受扎格羅斯造山運動產生的巨大北東—南西向水平擠壓應力影響，油田表現為北西—南東向的長軸擠壓背斜構造，南北共包含兩個構造高點(韓耀祖等,2014;李開奇,2015;文磊等,2015;Ghanadian et al.,2017;Garzic et al.,2019)。Asmari組由上向下劃分為A、B、C、D段，其中A段以白云巖、含硬石膏團塊白云巖為主，硬石膏呈團塊狀出現，包含A1、A2、A3 三個小層 (圖 1；Wang Hongqiang et al.,2019)。Asmari組為局限—半局限臺地沉積，以碳酸鹽巖沉積為主，陸源碎屑沉積較少，上部覆蓋廣泛分布的蒸發巖，A段的沉積相為局限臺地，白云巖中蒸發巖(一般為硬石膏團塊)豐度普遍呈上升趨勢(Mossadegh et al.,2009;李開奇,2015;Ni June et al.,2017;Luo Sicong et al.,2019)。研究區儲集空間復雜(鄧虎成等,2014)，A段儲層非均質性強，主要受原始沉積作用控制，為低孔、中—低滲儲層。通過巖心物性測試得到A段平均孔隙度為8.7%，平均滲透率為10.61×10-3μm2，儲層平均厚度為28 m，儲地比為42%(Wang Hongqiang et al.,2019)。研究區原生孔隙較少，孔隙類型主要為成巖作用中溶蝕作用產生的次生孔隙，包含粒間溶孔、鑄模孔、生物體腔孔等作為研究區碳酸鹽巖的儲集空間，且有微裂縫發育。

圖1 伊拉克A油田位置及地層柱狀圖Fig.1 Location of A Oilfield in Iraq and stratigraphic column

鑄體薄片來自研究區A-1井Asmari組A段儲層(2969.56～3032.59 m)，共計122個薄片樣本。巖心經過切割、染色、研磨等過程制成尺寸為25 mm × 25 mm × 0.5 mm的鑄體薄片，在單偏光下使用多功能顯微鏡(Leixa DM4500 P)和附加的數碼相機拍攝，鑄體薄片圖像分辨率為2560×1920。研究區薄片由藍色樹脂染色，孔隙區域呈藍色，非孔隙區域為礦物和基質本身顏色。

2 鑄體薄片孔隙自動識別方法

2.1 方法原理

本文所使用的鑄體薄片孔隙自動識別方法ctsPore是由Dong Shaoqun等(2019)提出的一種修正的多閾值方法，結合了誤差校正和圖像細化。由于色調—飽和度—明度(Hue—saturation—value，HSV)色彩空間與人類視覺感知的顏色更為相似，所以方法選用HSV空間進行面孔提取(Dong Shaoqun et al.,2019)。色調(H)范圍是0～360°(圖 2a)，反映鑄體薄片照片的顏色；飽和度(S)由圓的半徑表示(圖 2a)，范圍是0～1，低值對應鑄體薄片照片中顏色淺的部分，高值對應顏色飽和度高的部分；明度(V)代表顏色的亮度，范圍 0～1，低值反映鑄體薄片照片中偏暗的部分。該方法主要針對砂巖孔隙提取，而本研究區為碳酸鹽巖儲層，如果直接把原始ctsPore方法用于碳酸鹽巖孔隙提取則會存在一系列問題，例如生物鑄模孔連續性偏低、孔隙邊緣區域識別效果欠佳等。因此本文將根據碳酸鹽巖中孔隙的幾何形態、礦物成分等影響因素，選定適合的HSV閾值范圍，以準確地提取碳酸鹽巖孔隙。

圖2 ctsPore孔隙提取原理圖(據Dong Shaoqun et al.,2019):(a)色調原理圖;(b)閾值原理示意圖Fig.2 Schematic diagram of pore extraction by ctsPore method (from Dong Shaoqun et al.,2019)：(a)Schematic diagram of hue;(b)schematic diagram of threshold

2.2 孔隙自動提取流程

基于ctsPore方法的鑄體薄片孔隙自動提取主要分為3步：通過色調(H)進行孔隙粗提取、利用飽和度(S)和明度(V)的閾值將錯誤識別帶校正、用濾波法進行降噪處理(圖 3)，最終實現對孔隙區域的準確提取。本節以研究區的一張鑄體薄片圖片為例解釋ctsPore孔隙提取的流程。

圖3 孔隙自動提取流程圖Fig.3 Flow chart of automatic pore extraction①—孔隙區域；②③—礦物內被錯誤識別成孔隙的區域；④—礦物與孔隙區域過渡帶；⑤—礦物顆粒；⑥—孔隙區域內小噪點① —the pore area;②③ —the area that is wrongly identified as pore in the mineral;④—a transition zone between mineral and pore area;⑤—mineral particles;⑥—small noise in the pore area

(1)孔隙粗提取：鑄體薄片中孔隙區域被染色樹脂所充填，而這些區域具有相近的色調H范圍，因此通過設定H閾值區間即可提取鑄體薄片圖像中孔隙區域(圖 2a)。研究區碳酸鹽巖原始鑄體薄片單偏光下的照片(圖4a)，來自A-1井Asmari組A段2984.08 m，薄片圖像中深色為白云石，白色的為硬石膏，藍色的為被染色的孔隙區域，多發育生物鑄模孔，并有一條微裂縫發育。根據本研究區鑄體薄片中孔隙被染色為藍色的特點，并結合碳酸鹽巖染色的特征，改進ctsPore方法中的閾值H，通過多次試驗H選擇180°～240°為宜。

對圖4a的原始鑄體薄片圖片進行粗提取，得到如圖4b的孔隙提取圖片，圖中藍色部分為識別的孔隙，紅色部分為孔隙以外部分。由圖4b可見藍色的孔隙區域被大致識別出來，但孔隙邊緣十分粗糙，基質中噪點很多。此時識別的為圖 3a中①～④的面孔，而礦物中的噪點(圖 3a②③)、孔隙與巖石和基質之間的過渡帶(圖 3a④)被錯誤識別。

(2)錯誤識別帶校正：在第一步粗提取的基礎上，需要對圖片移除低明度(V)或低飽和度(S)的面孔，即為去除圖4b中錯誤識別的過渡帶和噪點。根據研究區碳酸鹽巖鑄體薄片的特點，改進ctsPore方法中的參數，移除閾值dt=S×V≤0.12的部分得到圖4c的孔隙提取圖片，使得面孔率減少24.4%，去除了錯誤識別的過渡帶以及非孔隙區域的噪點。圖4c中孔隙區域的邊界已經較為清晰，圖4b中因過渡邊界不清晰而錯誤識別的過渡帶(圖 3a④)被正確識別，但是仍存在很多不真實的小面積孔隙或巖石基質，在礦物顆粒表面或已識別的孔隙區域仍有一些不真實的小噪點(圖 3b②③)。

(3)降噪處理：在去除錯誤識別帶后，針對錯誤識別的小噪點問題，采用一種濾波法——洪水填充(Flood filling)算法，對噪點進行濾波。其中包含T1、T2兩個閾值：T1為從基質中去除孤立的噪點；T2為從孔隙中去除孤立的噪點。濾波后得到如圖4d的比較純凈的孔隙提取圖片，面孔率為7.13%，相比圖4c減少了0.5%。此時礦物顆粒內部和孔隙區域中的噪點被去除，孔隙區域和非孔隙區域邊界識別清晰平整(圖 3c)，孔隙區域被準確的識別出來。

3 伊拉克A油田碳酸鹽巖鑄體薄片孔隙自動識別結果

為了驗證和對比薄片孔隙提取的效果，本文將ctsPore方法識別的結果和jPor方法、PSQ方法的面孔率結果從準確率以及效率方面進行比對分析。目前實際應用中普遍使用的是人工提取面孔率的方法，根據地質學家的經驗進行提取。本節將從準確率和自動提取速度方面對比分析面孔率的提取效果，并且展示研究區鑄體薄片面孔率提取結果。

3.1 面孔率提取準確率分析

通過對于同一張的研究區典型碳酸鹽巖鑄體薄片圖像(圖4a)利用不同的方法進行面孔提取，從而對識別效果進行對比分析。jPor孔隙提取結果如圖5a所示，面孔率為8.73%，白色部分為非面孔區域，黑色部分為提取的面孔區域，從結果圖可以看出大量噪點被識別為孔隙區域，因此計算的面孔率偏大。ctsPore方法孔隙提取結果如圖5b所示，面孔率為7.13%，紅色部分為非面孔區域，藍色部分為提取的面孔區域，通過對比可以發現其結果對于溶蝕孔隙的識別更為準確，且噪點去除效果明顯提升。

圖5 不同自動提取方法效果對比：(a)jPor方法提取效果；(b)ctsPore方法提取效果Fig.5 Comparison of different automatic extraction methods：(a)The extraction effect of jPor method;(b)the extraction effect of ctsPore method)

選取實驗區的37個不同深度點共70張鑄體薄片圖像進行孔隙提取實驗，因為同一薄片不同視域下面孔率也會有一定差異，所以同一薄片取不同視域提取面孔率均值作為該薄片的面孔率。利用PSQ方法對研究區的鑄體薄片進行了面孔率提取，得到如圖 6a分布直方圖，面孔率為0～15%，主要分布在4%～8%，平均數為5.4%；利用ctsPore法提取的面孔率如圖 6b直方圖，面孔率為0～14%，主要分布在3%～7%，平均數為5.14%。圖 6中的交會圖展示了試驗區鑄體薄片圖片PSQ方法和ctsPore法的對比效果，散點靠近對角線表明解釋結果較為接近真實情況。此處相關系數R2=0.95，平均絕對誤差為0.24%，平均相對誤差為5%，與實際情況較為吻合。綜合而言，ctsPore法根據孔隙染色區域與背景區域的差異自動確定閾值，相對客觀，可以避免解釋人員主觀因素造成的誤差。

圖6 面孔率提取效果對比Fig.6 Comparison of porosity extraction results

3.2 面孔率自動提取速度分析

選取研究區5張分辨率為2560×1920的鑄體薄片照片作為測試數據，使用ctsPore方法重復對每個圖像進行面孔提取實驗100次，以分析面孔率自動提取速度。本節實驗使用的電腦配置為Intel(R)Core(TM)i5-10400F CPU處理器、主頻2.90 GHz、16.0 GB內存，實驗結果如圖 7所示，每張照片的提取速度在1.8～3.6 s，平均為2.5 s。總體而言，ctsPore方法可以快速高效地自動拾取鑄體薄片面孔，為基于鑄體薄片大樣本數據分析儲層質量評價提供了技術支撐。

圖7 ctsPore 法提取速度直方圖Fig.7 Histogram of running time used by ctsPore method

3.3 研究區鑄體薄片面孔率提取結果

通過ctsPore法對研究區A-1井的目的層段Asmari組A段的鑄體薄片進行面孔率的提取，可得到研究區A段總體以及各小層的面孔率分布。A段面孔率分布如圖 6b直方圖所示，面孔率平均值為5.14%，但其中包含了非儲層以及砂質含量較高導致儲層物性極差的鑄體薄片，在僅保留儲層物性相對較好的儲層時，得到如圖8的面孔率分布直方圖，面孔率主要分布在6%～8%，和研究區通過巖心物性測試得到的平均孔隙度為8%比較吻合，由于測試方法的不同會有略微的差異。研究區的儲層是較為致密的中—低孔儲層，孔隙發育程度比較低。

圖8 ctsPore面孔率提取結果直方圖Fig.8 Histogram of porosity extracted by ctsPore method

研究區鑄體薄片面孔率提取結果如圖 9所示，A段儲層的ctsPore平均面孔率為6.7%，為局限臺地沉積環境，巖性主要為白云巖、含硬石膏團塊的白云巖等，且白云巖中硬石膏團塊豐度普遍呈上升趨勢，上部覆蓋蒸發巖。各小層的平均面孔率的分布情況如圖 9所示，其中A1小層沉積微相為潮坪，儲層的ctsPore平均面孔率為6.9%，受上部蒸發巖的影響，此時白云巖中多發育硬石膏團塊(如圖9中A1小層巖心圖片所示)，部分孔隙被硬石膏充填(如圖9中A1小層鑄體薄片圖片所示)；A2小層的儲層平均面孔率為11.7%，此時隨著深度增加，水深逐漸變深，硬石膏含量呈逐漸減少的趨勢，發育大量未被充填的生物鑄模孔(如圖9中A2小層鑄體薄片圖片所示)；A3小層沉積微相為潮坪、蒸發坪、局限瀉湖，儲層平均面孔率為5.4%，硬石膏含量上升，孔隙度受影響降低(如圖9中A3小層鑄體薄片和巖心圖片所示)。

圖9 伊拉克A油田A段各小層面孔率分布直方圖Fig.9 Porosity distribution histogram of each layers in the Section A in the A oilfield,Iraq

4 討論

本文針對碳酸鹽巖儲層的特點確定了一套ctsPore閾值參數用于鑄體薄片面孔提取，其中參數包含H(色調)、dt(S飽和度與V明度的乘積)、濾波法中的閾值T1和T2。以鑄體薄片圖片(圖 10d)為例進行孔隙提取，首先H主要依靠孔隙區域顏色范圍選取(圖 10a)，研究區碳酸鹽巖鑄體薄片中孔隙被染色為藍色，H可選擇180°～240°范圍，如果受到拍攝光線、白平衡等條件影響導致顏色有所偏差，可在此范圍上進行一定調整；閾值dt的確定依靠S和V的共同影響，在鑄體薄片圖片中S和V值較低的部分(圖 10b、c)，對應于顏色飽和度和明度較低的區域。去除dt小于0.12的區域，即可去除一些錯誤識別的過渡帶，得到如圖 10e的HSV空間中孔隙區域選擇效果；在此基礎上，需要通過濾波法去除其中的噪點，本文針對碳酸鹽巖儲層孔隙溶蝕孔多、噪點多的特點，選擇去除像素點小于320 mm2的點，最終可得到研究區碳酸鹽巖鑄體薄片相對較好的提取效果。

圖10 HSV空間中參數選取示意圖：(a)H色調選擇原理；(b)S飽和度選擇原理；(c)V明度選擇原理；(d)鑄體薄片圖片；(e)面孔區域選取效果圖Fig.10 Schematic diagram of parameter selection in HSV space：(a)H selection principle;(b)S selection principle;(c)V selection principle;(d)Cast thin section;(e)Effect picture of pore selection

研究區原生孔隙較少，孔隙類型主要為成巖作用中溶蝕作用產生的次生孔隙，包含粒間溶孔、鑄模孔、生物體腔孔等作為研究區碳酸鹽巖的儲集空間，且吼道較窄，多為硬石膏所充填，孔隙連通性較差。面孔區域的提取有利于后續判斷孔隙和吼道類型(圖 11)，并且為儲層質量評價和儲量計算提供重要參數。同時，面孔區域提取的為孔隙及吼道區域，通過對提取后孤立區域的長寬比等進行分析，可為后續研究孔隙連通性、確定孔喉配位數以及孔喉平均直徑比奠定基礎。

圖11 孔喉區域及未充填縫示意圖：(a)鑄體薄片圖像；(b)提取結果Fig.11 Schematic diagram of pore area and unfilled fractures：(a)Cast thin section;(b)final pore feature extraction)

研究區裂縫類型按充填程度可以劃分為全充填、半充填、部分充填和未充填裂縫，且充填物多為硬石膏。其中，未充填的裂縫以及半充填和部分充填裂縫中的未被充填部分，會在鑄體薄片中呈現藍色(如圖 11中未充填裂縫所示)。在進行面孔區域提取時這些未被充填的裂縫會被識別為孤立的小區域。在后續研究中，通過對孤立小區域的長寬進行比較，可以對裂縫的開度定量分析，為裂縫有效性研究以及裂縫建模(董少群等,2018)提供數據基礎。

5 結論

通過對研究區的碳酸鹽巖鑄體薄片利用ctsPore方法進行孔隙自動提取，得到以下4條結論：

(1)本文利用ctsPore方法優選出一套適合碳酸鹽巖儲層進行孔隙自動提取的方法參數：H為180～240、dt大于等于0.12、T1和T2為320 mm2，該方法與PSQ方法提取結果平均絕對誤差為0.24%，平均相對誤差為5%，面孔提取結果較為可靠；

(2)該方法提取一張分辨率為2560×1920的圖片均只需2.5 s左右，可以用于快速提取大量鑄體薄片圖片的面孔率，為海量鑄體薄片圖像孔隙特征分析提供可行的技術支撐；

(3)通過ctsPore方法對伊拉克A油田的鑄體薄片進行孔隙自動提取，得到研究區面孔率主要分布在6%～8%，儲層是較為致密的中—低孔儲層，孔隙發育程度比較低；

(4)A1～A3各小層的面孔率提取結果分別為6.9%、11.7%、5.4%，與研究區碳酸鹽巖儲層物性、沉積微相和巖性等縱向分布規律情況較為符合。